python 매트릭스/사전 최 단 경로 알고리즘 구현

프롤로그:각종 블 로그 의 최 단 경로 인 python 실현 이 모두 화려 한 것 같 습 니까?출력 이 뚜렷 하지 않 습 니 다.아,다른 사람의 코드 를 읽 고 싶 지 않 아서 그런 가 봐 요.그리고 어떤 사람들 은 사전 으로 이 루어 졌 을 까?확실히 사전 이 라면 공간 을 비교적 절약 할 수 있다.다음 에 도 사전 으로 시험 해 보 세 요.그림 부터 붙 여.

그리고 코드 붙 이기:

_=inf=999999#inf
 
def Dijkstra_all_minpath(start,matrix):
 length=len(matrix)#      
 path_array=[]
 temp_array=[]
 path_array.extend(matrix[start])#   
 temp_array.extend(matrix[start])#   
 temp_array[start] = inf#                inf，            
 already_traversal=[start]#start   
 path_parent=[start]*length#     ，             
 while(len(already_traversal)<length):
  i= temp_array.index(min(temp_array))#           
  temp_array[i]=inf
  path=[]#     
  path.append(str(i))
  k=i
  while(path_parent[k]!=start):#           path，      start
   path.append(str(path_parent[k]))
   k=path_parent[k]
  path.append(str(start))
  path.reverse()#path      
  print(str(i)+':','->'.join(path))#    
  already_traversal.append(i)#        
  for j in range(length):#        
   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#      i
 return path_array
 
#    
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))

다음 출력:
2: 4->2
3: 4->2->3
0: 4->2->3->0
1: 4->2->1
[60, 60, 10, 30, 0]
주로 이렇게 출력 하면 비교적 보기 좋 습 니 다.그리고 이렇게 하면 점 에서 모든 점 까지 의 가장 짧 은 경 로 를 직접 계산 하 는 셈 입 니 다.그럼 사전 을 써 서 이 루 세 요.

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#        
 already_traversal.add(min_node)#            
 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):#           path，      start
    path.append(str(path_parent[p]))
    p=path_parent[p]
   path.append(str(start))
   path.reverse()#  
   print(str(min_node) + ':', '->'.join(path))#  
  if(len(already_traversal)==length):break
  for k in path_graph.keys():#    
   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():#     
   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)#           
 return path_graph
adjacency_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))

출력:
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}
괜 찮 죠?시간 이 있 으 면 network x 라 이브 러 리 를 다시 보 세 요.
이상 이 바로 본 고의 모든 내용 입 니 다.여러분 의 학습 에 도움 이 되 고 저 희 를 많이 응원 해 주 셨 으 면 좋 겠 습 니 다.