用python實現(xiàn)**短路徑的方法：1、迪杰斯特拉算法：聲明一個數(shù)組dis來保存源點到各個頂點的**短距離；2、弗洛伊德算法：在有向圖中求解點與點之間**短路徑；3、SPFA算法：用數(shù)組dis記錄每個結(jié)點的**短路徑估計值。ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

**短路徑問題（python實現(xiàn)）ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

解決**短路徑問題：（如下三種算法）ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

（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ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

第一種算法：ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

Dijkstra算法ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

廣度優(yōu)先搜索解決賦權(quán)有向圖或者無向圖的單源**短路徑問題.是一種貪心的策略ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

算法的思路ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

聲明一個數(shù)組dis來保存源點到各個頂點的**短距離和一個保存已經(jīng)找到了**短路徑的頂點的集合：T，
初始時，原點s的路徑權(quán)重被賦為0（dis[s]=0）。若對于頂點s存在能直接到達的邊（s,m），則把dis[m]設(shè)為w（s, m）,
同時把所有其他（s不能直接到達的）頂點的路徑長度設(shè)為無窮大。初始時，集合T只有頂點s。
然后，從dis數(shù)組選擇**小值，則該值就是源點s到該值對應(yīng)的頂點的**短路徑，并且把該點加入到T中，OK，此時完成一個頂點，
再看看新加入的頂點是否可以到達其他頂點并且看看通過該頂點到達其他點的路徑長度是否比源點直接到達短，
如果是，那么就替換這些頂點在dis中的值，然后，又從dis中找出**小值，重復(fù)上述動作，直到T中包含了圖的所有頂點。
第二種算法：
ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

Floyd算法ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

原理：ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

Floyd算法（弗洛伊德算法）是一種在有向圖中求**短路徑的算法。它是一種求解有向圖中點與點之間**短路徑的算法。
用在擁有負權(quán)值的有向圖中求解**短路徑（不過不能包含負權(quán)回路）ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

流程：ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

有向圖中的每一個節(jié)點X，對于圖中過的2點A和B，
如果有Dis（AX）+ Dis（XB）< Dis（AB），那么使得Dis（AB）=Dis（AX）+Dis（XB)。
當所有的節(jié)點X遍歷完后，AB的**短路徑就求出來了。ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

示例一：ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

 #-*- coding:utf-8 -*-  #python實現(xiàn)Floyd算法   N = 4  _=float('inf')      #無窮大   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]]        #記錄路徑，**后一次經(jīng)過的點 def back_path(path,i,j):            #遞歸回溯 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: ",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: ",graph  print "Path: ",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 " ",

示例二：ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

#!usr/bin/env python#encoding:utf-8 ''' 功能：使用floyd算法求**短路徑距離 ''' import random import time def random_matrix_genetor(vex_num=10):         '''     隨機圖頂點矩陣生成器     輸入：頂點個數(shù)，即矩陣維數(shù)         '''     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):             '''     輸入：原數(shù)據(jù)矩陣，即：一個二維數(shù)組     輸出：頂點間距離    '''     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):          '''      主測試函數(shù)      '''     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 '頂點'+str(i)+'----->'+'頂點'+str(j)+'**小距離為:', 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 '------------------------------節(jié)點數(shù)為10測試情況------------------------------------'     start_time0=time.time()     main_test_func(10)     end_time0=time.time()     t1=end_time0-start_time0     time_list.append(t1)         print '節(jié)點數(shù)為10時耗時為：', t1      print '------------------------------節(jié)點數(shù)為100測試情況------------------------------------'     start_time1=time.time()     main_test_func(100)     end_time1=time.time()     t2=end_time1-start_time1     time_list.append(t2)         print '節(jié)點數(shù)為100時耗時為：', t2      print '------------------------------節(jié)點數(shù)為1000測試情況------------------------------------'     start_time1=time.time()     main_test_func(1000)     end_time1=time.time()     t3=end_time1-start_time1     time_list.append(t3)         print '節(jié)點數(shù)為100時耗時為：', t3      print '--------------------------------------時間消耗情況為：--------------------------------'     for one_time in time_list:             print one_time

示例三：ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

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,' ',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,' ',path                   if __name__ == "__main__":     Folyd()

第三種算法：ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

SPFA算法是求解單源**短路徑問題的一種算法，由理查德·貝爾曼（Richard Bellman） 和 萊斯特·福特 創(chuàng)立的。有時候這種算法也被稱為 Moore-Bellman-Ford 算法，因為 Edward F. Moore 也為這個算法的發(fā)展做出了貢獻。它的原理是對圖進行V-1次松弛操作，得到所有可能的**短路徑。ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

其優(yōu)于迪科斯徹算法的方面是邊的權(quán)值可以為負數(shù)、實現(xiàn)簡單，缺點是時間復(fù)雜度過高，高達 O(VE)。但算法可以進行若干種優(yōu)化，提高了效率。ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

思路：ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

我們用數(shù)組dis記錄每個結(jié)點的**短路徑估計值，用鄰接表或鄰接矩陣來存儲圖G。我們采取的方法是動態(tài)逼近法：設(shè)立一個先進先出的隊列用來保存待優(yōu)化的結(jié)點，優(yōu)化時每次取出隊首結(jié)點u，并且用u點當前的**短路徑估計值對離開u點所指向的結(jié)點v進行松弛操作，如果v點的**短路徑估計值有所調(diào)整，且v點不在當前的隊列中，就將v點放入隊尾。這樣不斷從隊列中取出結(jié)點來進行松弛操作，直至隊列空為止。ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺

推薦課程：聚類算法深度解析(黑馬程序員)ufn少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學(xué)習(xí)平臺