python实现最短路径的实例方法


Posted in Python onJuly 19, 2020

最短路径问题(python实现)

解决最短路径问题:(如下三种算法)

(1)迪杰斯特拉算法(Dijkstra算法)
(2)弗洛伊德算法(Floyd算法)
(3)SPFA算法

第一种算法:

Dijkstra算法

广度优先搜索解决赋权有向图或者无向图的单源最短路径问题.是一种贪心的策略

算法的思路

声明一个数组dis来保存源点到各个顶点的最短距离和一个保存已经找到了最短路径的顶点的集合:T,初始时,原点s的路径权重被赋为0(dis[s]=0)。若对于顶点s存在能直接到达的边(s,m),则把dis[m]设为w(s, m),同时把所有其他(s不能直接到达的)顶点的路径长度设为无穷大。初始时,集合T只有顶点s。

然后,从dis数组选择最小值,则该值就是源点s到该值对应的顶点的最短路径,并且把该点加入到T中,OK,此时完成一个顶点,再看看新加入的顶点是否可以到达其他顶点并且看看通过该顶点到达其他点的路径长度是否比源点直接到达短,如果是,那么就替换这些顶点在dis中的值,然后,又从dis中找出最小值,重复上述动作,直到T中包含了图的所有顶点。

第二种算法:

Floyd算法

原理:

Floyd算法(弗洛伊德算法)是一种在有向图中求最短路径的算法。它是一种求解有向图中点与点之间最短路径的算法。
用在拥有负权值的有向图中求解最短路径(不过不能包含负权回路)

流程:

有向图中的每一个节点X,对于图中过的2点A和B,

如果有Dis(AX)+ Dis(XB)< Dis(AB),那么使得Dis(AB)=Dis(AX)+Dis(XB)。

当所有的节点X遍历完后,AB的最短路径就求出来了。

示例一:

#-*- coding:utf-8 -*-
 #python实现Floyd算法
 
N = 4 
_=float('inf')   #无穷大 
 graph = [[ 0, 2, 6, 4],[ _, 0, 3, _],[ 7, _, 0, 1],[ 5, _,12, 0]] 
 path = [[-1,-1,-1,-1],[-1,-1,-1,-1],[-1,-1,-1,-1],[-1,-1,-1,-1]]    #记录路径,最后一次经过的点
def back_path(path,i,j):      #递归回溯
while(-1 != path[i][j]):
   back_path(path,i,path[i][j])
    back_path(path,path[i][j],j)
   print path[i][j],14    
 return;
  return;
print "Graph:\n",graph
for k in range(N):
 for i in range(N):
   for j in range(N):
      if graph[i][j] > graph[i][k] + graph[k][j]:
       graph[i][j] = graph[i][k] + graph[k][j]
      path[i][j] = k
 print "Shortest distance:\n",graph
 print "Path:\n",path
 print "Points pass-by:"
 for i in range(N):
 for j in range(N):
   print "%d -> %d:" % (i,j),
    back_path(path,i,j)
    print "\n",

示例二:

#!usr/bin/env python#encoding:utf-8
'''
功能:使用floyd算法求最短路径距离
'''
import random
import time
def random_matrix_genetor(vex_num=10):  
  '''
  随机图顶点矩阵生成器
  输入:顶点个数,即矩阵维数  
  '''
  data_matrix=[]  
  for i in range(vex_num):
    one_list=[]    
    for j in range(vex_num):
      one_list.append(random.randint(1, 100))
    data_matrix.append(one_list)  
    return data_matrixdef floyd(data_matrix):  
    '''
  输入:原数据矩阵,即:一个二维数组
  输出:顶点间距离  '''
  dist_matrix=[]
  path_matrix=[]
  vex_num=len(data_matrix) 
  for h in range(vex_num):
    one_list=['N']*vex_num
    path_matrix.append(one_list)
    dist_matrix.append(one_list)  
  for i in range(vex_num):    
    for j in range(vex_num):
      dist_matrix=data_matrix
      path_matrix[i][j]=j  
  for k in range(vex_num):    
    for i in range(vex_num):      
      for j in range(vex_num):        
        if dist_matrix[i][k]=='N' or dist_matrix[k][j]=='N':
          temp='N'
        else:
          temp=dist_matrix[i][k]+dist_matrix[k][j]        
        if dist_matrix[i][j]>temp:
          dist_matrix[i][j]=temp
          path_matrix[i][j]=path_matrix[i][k]  
  return dist_matrix, path_matrixdef main_test_func(vex_num=10):  
   '''
   主测试函数
   '''
  data_matrix=random_matrix_genetor(vex_num)
  dist_matrix, path_matrix=floyd(data_matrix)  
  for i in range(vex_num):    
  for j in range(vex_num):      
  print '顶点'+str(i)+'----->'+'顶点'+str(j)+'最小距离为:', dist_matrix[i][j]
if __name__ == '__main__':
  data_matrix=[['N',1,'N',4],[1,'N',2,'N'],['N',2,'N',3],[4,'N',3,'N']]
  dist_matrix, path_matrix=floyd(data_matrix)  
  print dist_matrix  
  print path_matrix
 
  time_list=[] 
  print '------------------------------节点数为10测试情况------------------------------------'
  start_time0=time.time()
  main_test_func(10)
  end_time0=time.time()
  t1=end_time0-start_time0
  time_list.append(t1)  
  print '节点数为10时耗时为:', t1 
  print '------------------------------节点数为100测试情况------------------------------------'
  start_time1=time.time()
  main_test_func(100)
  end_time1=time.time()
  t2=end_time1-start_time1
  time_list.append(t2)  
  print '节点数为100时耗时为:', t2 
  print '------------------------------节点数为1000测试情况------------------------------------'
  start_time1=time.time()
  main_test_func(1000)
  end_time1=time.time()
  t3=end_time1-start_time1
  time_list.append(t3)  
  print '节点数为100时耗时为:', t3 
  print '--------------------------------------时间消耗情况为:--------------------------------'
  for one_time in time_list:    
  print one_time

示例三:

import numpy as np
Max   = 100
v_len  = 4
edge  = np.mat([[0,1,Max,4],[Max,0,9,2],[3,5,0,8],[Max,Max,6,0]])
A    = edge[:]
path  = np.zeros((v_len,v_len)) 
 
def Folyd():  
  for i in range(v_len):    
    for j in range(v_len):      
      if(edge[i,j] != Max and edge[i,j] != 0):
        path[i][j] = i 
  print 'init:'
  print A,'\n',path  
  for a in range(v_len):    
    for b in range(v_len):      
      for c in range(v_len):        
        if(A[b,a]+A[a,c]<A[b,c]):
          A[b,c] = A[b,a]+A[a,c]
          path[b][c] = path[a][c]  
  print 'result:'      
  print A,'\n',path        
 
if __name__ == "__main__":
  Folyd()

第三种算法:

SPFA算法是求解单源最短路径问题的一种算法,由理查德·贝尔曼(Richard Bellman) 和 莱斯特·福特 创立的。有时候这种算法也被称为 Moore-Bellman-Ford 算法,因为 Edward F. Moore 也为这个算法的发展做出了贡献。它的原理是对图进行V-1次松弛操作,得到所有可能的最短路径。

其优于迪科斯彻算法的方面是边的权值可以为负数、实现简单,缺点是时间复杂度过高,高达 O(VE)。但算法可以进行若干种优化,提高了效率。

思路:

我们用数组dis记录每个结点的最短路径估计值,用邻接表或邻接矩阵来存储图G。我们采取的方法是动态逼近法:设立一个先进先出的队列用来保存待优化的结点,优化时每次取出队首结点u,并且用u点当前的最短路径估计值对离开u点所指向的结点v进行松弛操作,如果v点的最短路径估计值有所调整,且v点不在当前的队列中,就将v点放入队尾。这样不断从队列中取出结点来进行松弛操作,直至队列空为止。

Python 相关文章推荐
python中日志logging模块的性能及多进程详解
Jul 18 Python
使用Python处理Excel表格的简单方法
Jun 07 Python
python判断输入日期为第几天的实例
Nov 13 Python
浅谈python脚本设置运行参数的方法
Dec 03 Python
Python数据类型之List列表实例详解
May 08 Python
python 使用turtule绘制递归图形(螺旋、二叉树、谢尔宾斯基三角形)
May 30 Python
python 项目目录结构设置
Feb 14 Python
pytorch实现MNIST手写体识别
Feb 14 Python
django xadmin action兼容自定义model权限教程
Mar 30 Python
基于Keras的格式化输出Loss实现方式
Jun 17 Python
Python同时迭代多个序列的方法
Jul 28 Python
python“静态”变量、实例变量与本地变量的声明示例
Nov 13 Python
python等待10秒执行下一命令的方法
Jul 19 #Python
python怎么删除缓存文件
Jul 19 #Python
python实现从ftp上下载文件的实例方法
Jul 19 #Python
python中关于数据类型的学习笔记
Jul 19 #Python
Python趣味实例,实现一个简单的抽奖刮刮卡
Jul 18 #Python
用python给csv里的数据排序的具体代码
Jul 17 #Python
python如何删除列为空的行
Jul 17 #Python
You might like
成本8450万,票房仅2亿,口碑两极分化,又一部DC电影扑街了
2020/04/09 欧美动漫
生成ubuntu自动切换壁纸xml文件的php代码
2010/07/17 PHP
php模板原理讲解
2013/11/13 PHP
php阻止页面后退的方法分享
2014/02/17 PHP
php调用nginx的mod_zip模块打包ZIP文件
2014/06/11 PHP
Yii2.0预定义的别名功能小结
2016/07/04 PHP
Json_decode 解析json字符串为NULL的解决方法(必看)
2017/02/17 PHP
基于Laravel 5.2 regex验证的正确写法
2019/09/29 PHP
laravel框架语言包拓展实现方法分析
2019/11/22 PHP
Thinkphp 框架扩展之驱动扩展实例分析
2020/04/27 PHP
jquery select选中的一个小问题
2009/10/11 Javascript
javaScript 利用闭包模拟对象的私有属性
2011/12/29 Javascript
js取整数、取余数的方法
2014/05/11 Javascript
JavaScript创建对象的方式小结(4种方式)
2015/12/17 Javascript
bootstrap按钮插件(Button)使用方法解析
2017/01/13 Javascript
JavaScript中捕获与冒泡详解及实例
2017/02/03 Javascript
微信小程序 setData的使用方法详解
2017/04/20 Javascript
浅析webpack 如何优雅的使用tree-shaking(摇树优化)
2017/08/16 Javascript
浅谈Vue 数据响应式原理
2018/05/07 Javascript
JS数组中对象去重操作示例
2019/06/04 Javascript
javascript实现前端成语点击验证
2020/06/24 Javascript
Element MessageBox弹框的具体使用
2020/07/27 Javascript
python中的函数用法入门教程
2014/09/02 Python
Pycharm编辑器技巧之自动导入模块详解
2017/07/18 Python
特征脸(Eigenface)理论基础之PCA主成分分析法
2018/03/13 Python
Python supervisor强大的进程管理工具的使用
2019/04/24 Python
python增加图像对比度的方法
2019/07/12 Python
Python netmiko模块的使用
2020/02/14 Python
jupyter notebook 多行输出实例
2020/04/09 Python
基于pycharm 项目和项目文件命名规则的介绍
2021/01/15 Python
伊利莎白雅顿官网:Elizabeth Arden
2016/10/10 全球购物
客服主管岗位职责
2013/12/13 职场文书
教师节宣传方案
2014/05/23 职场文书
大学生翘课检讨书范文
2014/10/06 职场文书
2014年节能减排工作总结
2014/12/06 职场文书
Python-typing: 类型标注与支持 Any类型详解
2021/05/10 Python