前言：好像感觉各种博客的最短路径python实现都花里胡哨的？输出不明显，唉，可能是因为不想读别人的代码吧（明明自己学过离散）。然后可能有些人是用字典实现的？的确字典的话，比较省空间。改天，也用字典试下。先贴个图吧。
然后再贴代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
|
_=inf=999999#inf def dijkstra_all_minpath(start,matrix): length=len(matrix)#该图的节点数 path_array=[] temp_array=[] path_array.extend(matrix[start])#深复制 temp_array.extend(matrix[start])#深复制 temp_array[start] = inf#临时数组会把处理过的节点的值变成inf，表示不是最小权值的节点了 already_traversal=[start]#start已处理 path_parent=[start]*length#用于画路径，记录此路径中该节点的父节点 while(len(already_traversal)<length): i= temp_array.index(min(temp_array))#找最小权值的节点的坐标 temp_array[i]=inf path=[]#用于画路径 path.append(str(i)) k=i while(path_parent[k]!=start):#找该节点的父节点添加到path，直到父节点是start path.append(str(path_parent[k])) k=path_parent[k] path.append(str(start)) path.reverse()#path反序产生路径 print(str(i)+':','->'.join(path))#打印路径 already_traversal.append(i)#该索引已经处理了 for j in range(length):#这个不用多说了吧 if j not in already_traversal: if (path_array[i]+matrix[i][j])<path_array[j]: path_array[j] = temp_array[j] =path_array[i]+matrix[i][j] path_parent[j]=i#说明父节点是i return path_array #领接矩阵adjacency_matrix=[[0,10,_,30,100], [10,0,50,_,_], [_,50,0,20,10], [30,_,20,0,60], [100,_,10,60,0] ]print(dijkstra_all_minpath(4,adjacency_matrix)) |
然后输出：
2: 4->2
3: 4->2->3
0: 4->2->3->0
1: 4->2->1
[60, 60, 10, 30, 0]
主要是这样输出的话比较好看，然后这样算是直接算一个点到所有点的最短路径吧。那么写下字典实现吧
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
|
def dijkstra_all_minpath_for_graph(start,graph): inf = 999999 # inf length=len(graph) path_graph={k:inf for k in graph.keys()} already_traversal=set() path_graph[start]=0 min_node=start#初始化最小权值点 already_traversal.add(min_node)#把找到的最小节点添加进去 path_parent={k:start for k in graph.keys()} while(len(already_traversal)<=length): p = min_node if p!=start: path = [] path.append(str(p)) while (path_parent[p] != start):#找该节点的父节点添加到path，直到父节点是start path.append(str(path_parent[p])) p=path_parent[p] path.append(str(start)) path.reverse()#反序 print(str(min_node) + ':', '->'.join(path))#打印 if(len(already_traversal)==length):break for k in path_graph.keys():#更新距离 if k not in already_traversal: if k in graph[min_node].keys() and (path_graph[min_node]+graph[min_node][k])<path_graph[k]: path_graph[k]=path_graph[min_node]+graph[min_node][k] path_parent[k]=min_node min_value=inf for k in path_graph.keys():#找最小节点 if k not in already_traversal: if path_graph[k]<min_value: min_node=k min_value=path_graph[k] already_traversal.add(min_node)#把找到最小节点添加进去 return path_graphadjacency_graph={0:{1:10,3:30,4:100}, 1:{0:10,2:50}, 2:{1:50,3:20,4:10}, 3:{0:30,2:20,4:60}, 4:{0:100,2:10,3:60}}print(dijkstra_all_minpath_for_graph(4,adjacency_graph)) |
输出：
2: 4->2
3: 4->2->3
0: 4->2->3->0
1: 4->2->1
{0: 60, 1: 60, 2: 10, 3: 30, 4: 0}
还行吧，有时间再看看networkx这个库怎么说。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/your_answer/article/details/79184278
