当前位置:首页 » Python入门 » python完成最短途径的实例办法

python完成最短途径的实例办法

155°c 2021年03月16日 07:52 Python入门 0条评论
  移步手机端

1、打开你手机的二维码扫描APP
2、扫描左则的二维码
3、点击扫描获得的网址
4、可以在手机端阅读此文章

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。

欢迎阅读本文,希望本文对您有所帮助!

本文链接:http://www.cqrxzs.com/2933.html

版权声明:本文为原创文章,版权归 雨凡教育 所有,欢迎分享本文,转载请保留出处!

百度推荐获取地址:http://tuijian.baidu.com/,百度推荐可能会有一些未知的问题,使用中有任何问题请直接联系百度官方客服!

评论(0) 赞助本站

发表评论:


【顶】 【踩】 【好】 【懵】 【赞】 【表情】

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

推荐阅读
04月21日

python完成机器人卡牌

发布 : | 分类 : Python入门 | 评论 : 0人 | 浏览 : 3983次

详细介绍 这一事例关键利用turtle库完成依据键入动态性展现不一样智能机器人的图象和属性信息。 编码一部分非原創仅仅干了一丝改动和梳理促使更易阅读文章。 图片和文档資源请浏览git仓库获得:连接详细地址 涉及到下列知识要点: 1.文档载入 2.字典 3.turtle库的应用 4.操纵句子  完成的实际效果 编码 #!/bin/python3 from turtle import * from random import choice screen = Screen() screen.se...

04月21日

Python中断多种循环的思路小结

发布 : | 分类 : Python入门 | 评论 : 0人 | 浏览 : 3253次

I. 跳出单循环 无论是什么计算机语言,都是有很有可能会有跳出循环的要求,例如枚举类型时,寻找一个符合条件的数就停止。跳出单循环是非常简单的,例如: for i in range(10): if i > 5: print i break 殊不知,大家有时会必须跳出多种循环系统,而break只可以跳出一层循环系统,例如: for i in range(10): for j in range(10): if i j > 5:...

04月19日

python3 mmh3安装及使用方法

发布 : | 分类 : Python入门 | 评论 : 0人 | 浏览 : 303次

mmh3安装方法 hach方式关键有MD、SHA、Murmur、CityHash、MAC等几类方式。mmh3全过程murmurhash3,是一种非数据加密的hash算法,常见于hadoop等分布式系统情景中,在anaconda中安裝应用指令 pip install mmh3 难题1 出错以下: Microsoft Visual C 14.0 is required 表明缺乏C 14的库文件,挑选登录网站  https://visualstudio.microsoft.com/do...

04月19日

python脚本完成音频m4a格式转成MP3格式的实例代码

发布 : | 分类 : Python入门 | 评论 : 0人 | 浏览 : 286次

序言 群内见到有些人了解:谁会用python将微信音频文件后缀m4a格式转成mp3格式,果断回了句:我能。 随后就私底下找话题了 解决方案详细介绍以下: 专用工具:windows系统软件,python2.7,变换库ffmpeg 安裝ffmpeg库:免费下载相匹配电脑操作系统版本号 https://ffmpeg.zeranoe.com/builds/ 我这里用的是window 64位 这儿因为途径难题,也没有把ffmpeg添加到系统软件系统变量中,因此我就用的是相对路径 C:/Users...

04月19日

python3中的eval和exec的区别与联络

发布 : | 分类 : Python入门 | 评论 : 0人 | 浏览 : 278次

看过许多 在网上的方式,载入文档后打开文件看的确不会再是错码,可是文本文件中读取json时发觉了错码,可能是读文档默认设置的编号格式不对。下边读写能力方式可行。 留意,ensure_ascii=False能够确保不容易以ascii格式编号,确保中文的一切正常变换: import json with open('test.json', 'w', encoding='utf-8') as f: f.write( json.dumps( known_dict,...

04月19日

Django Docker容器化部署之Django-Docker当地部署

发布 : | 分类 : Python入门 | 评论 : 0人 | 浏览 : 287次

本章将在本地搭建一个容器化的 Django 项目,感受 Docker 的运作方式。 前期准备 开发环境 虽然有基于 Windows 的 Docker 版本,但各方面兼容做得都不太好(安装也麻烦些),因此建议读者在学习前,自行安装好 Linux 或 Mac 系统。当然你愿意折腾的话,在 Windows 上搞也行。 别担心,以后开发 Django 项目仍然可以在 Windows 下进行,仅仅是开发时不使用 Docker 而已。 软件安装 Docker:学习 Docker 当然要安装 Docker...

04月19日

python编写猜数字小游戏

发布 : | 分类 : Python入门 | 评论 : 0人 | 浏览 : 278次

文中案例为大伙儿共享了python撰写猜数字小游戏的实际编码,供大伙儿参照,具体内容以下 import random secret = random.randint(1, 30) guess = 0 tries = 0 print("我的名字叫阴径,我有一个密秘数字!") print("数字从1到30,你仅有6次机遇!") while int(guess) != secret and tries < 6: print("你猜猜的数字是?") guess = input() if...

您好,欢迎到访网站!
  查看权限