问题描述

现有一个有向无权图。如下图所示：

 

问题：使用某个顶点s作为输入参数，找出从s到所有其他顶点的最短路径。
说明：因为是无权图，因此我们可以为每台边赋值为1。这里选择v3为s作为起点。

问题分析

此时立刻可以说，从s到v3的最短路径是长为0的路径，标记此信息，得到下图。

 

现在开始寻找从s出发距离为1的顶点。这些顶点肯定是与s邻接的顶点，很明显，v1，v6从s出发只需要一条边就到了。所以，从s出发距离为1的顶点，为v1,v6。

 

现在开始寻找从s出发距离为2的顶点。这些顶点肯定是与v1,v6（距离为1的顶点）邻接的顶点。发现与v1邻接的顶点为v2,v4，与v6邻接的顶点没有（不能往回走，没有出边）。所以，从s出发距离为2的顶点，为v2,v4。

 

最后，考察与v2,v4邻接的顶点，即v5,v7。所以，从s出发距离为3的顶点，为v5,v7。

 

这种搜索图的方法称为广度优先搜索（breadth-first search）。按层处理顶点，距离起点近的顶点先处理，距离起点远的后处理。

伪代码（处理节点）

void unweighted(Vertex s){
    Queue<Vertex> q = new Queue<Vertex>();
    //把每个顶点的距离设为无穷大
    for each Vertex v
        v.dist = INFINITY
    //将起点的距离设为0
    s.dist = 0;
    //起点入队，作为算法的开始
    q.enqueue(s);
    //只要队列不为空，便继续循环
    while( !q.isEmpty() ){
        //获得出队顶点
        Vertex v = q.dequeue();
        //对与v邻接的每个顶点进行处理
        for each Vertex w adjacent to v
            if(w.dist == INFINITY){
                w.dist = v.dist + 1;
                w.path = v;//代表w的上一个经过的顶点为v
                //完成操作后，便入队，以用来接着分析与w邻接的顶点们
                q.enqueue( w );
            }
    }
}

实现过程

 

 

从s开始到顶点的距离放到dv列里，pv列用来代表，当前行代表的顶点的上一个经过的顶点。known列代表此顶点已经被处理过了。

初始化时，将起点的距离设置为0，且所有的顶点都不是know的。

 

结合伪代码进行分析：
【1】当第一次循环中，出队的是v3（每次循环只出队一个顶点）
【2】而第一次循环结束时，就是上表中“v3出队后”的数据情况，如下
【3】此时，对v3的邻接的顶点们都作了处理，所以v3就从F变成了T（即已知）
【4】与v3邻接的顶点v1,v6都作了处理，dv都变成了1，pv都为v3
【5】而因为与v1,v6的邻接顶点都还没有开始处理呢，所以v1,v6的F还不能变成T

得到无权最短路径

通过观察图，可以发现有两条路径长为3的最短路径。
【1】v3 => v1 => v2 => v5
【2】v3 => v1 => v4 => v7
我们可以通过数据变化表的最终情况来找到这两条路径。

 

注意，第一行代表v1，以此类推。
以找到v3 => v1 => v2 => v5路径为例，过程如下：
【1】找到距离为0的顶点，0在且只在第三行，所以第一个顶点为v3
【2】找到距离为1且pv为v3的顶点，有第一行和第六行，这里必须选一个，这里选第一行，所以第二个顶点为v1
【3】找到距离为2且pv为v1的顶点，有第二行和第四行，这里选第二行，所以第三个顶点为v2
【4】找到距离为3且pv为v2的顶点，只有第五行，所以第四个顶点为v5
【5】找到距离为4且pv为v5的顶点，没有，结束。
其实，以上步骤，是给出了，在对顶点进行数据处理后，找出无权最短路径的算法的思想。
其实可以，维护一些顶点间指针，用来指向下一个顶点，这样就可以用递归的思路来做，从起点开始，每递归到下一层距离dv便加1，用一个中间变量存储经过的顶点，每调用一次递归，便打印这个中间变量，这样，便能得到所有的无权最短路径。
这里得到无权最短路径的伪代码也不给出了，以上分析供大家理解参考。

代码实现

纸上得来终觉浅，绝知此事要躬行！还是觉得用代码实现一遍比较好。

from queue import Queue
class Vertex:
    #顶点类
    def __init__(self,vid,outList):
        self.vid = vid#出边
        self.outList = outList#出边指向的顶点id的列表，也可以理解为邻接表
        self.know = False#默认为假
        self.dist = float('inf')#s到该点的距离,默认为无穷大
        self.prev = 0#上一个顶点的id，默认为0

#创建顶点对象
v1=Vertex(1,[2,4])
v2=Vertex(2,[4,5])
v3=Vertex(3,[1,6])
v4=Vertex(4,[3,5,6,7])
v5=Vertex(5,[7])
v6=Vertex(6,[])
v7=Vertex(7,[6])
#创建一个长度为8的数组，来存储顶点，0索引元素不存
vlist = [False,v1,v2,v3,v4,v5,v6,v7]
def unweighted():
    #起点为v3
    vlist[3].dist = 0
    q = Queue()
    q.put(vlist[3])
    while(not q.empty()):
        v = q.get()#返回并删除队列头部元素
        for w in v.outList:
            if(vlist[w].dist == float('inf')):
                vlist[w].dist = v.dist + 1
                vlist[w].prev = v.vid
                q.put(vlist[w])

unweighted()
print('v1.prev:',v1.prev,'v1.dist',v1.dist)
print('v2.prev:',v2.prev,'v2.dist',v2.dist)
print('v3.prev:',v3.prev,'v3.dist',v3.dist)
print('v4.prev:',v4.prev,'v4.dist',v4.dist)
print('v5.prev:',v5.prev,'v5.dist',v5.dist)
print('v6.prev:',v6.prev,'v6.dist',v6.dist)
print('v7.prev:',v7.prev,'v7.dist',v7.dist)

运行结果：

 

与数据变化表的最终情况一致。
这里你可能会问，Vertex类的init函数中，明明有know成员，为什么在程序没有使用know成员（在处理节点后，就把该节点的know置为Ture），因为if(vlist[w].dist == float('inf'))的判断就相当于判断节点的know是否为Ture，因为一个已知的节点，它的距离就肯定不是无穷大了。
然后再使用递归，打印出所有可能的最短路径，把以下代码和以上代码合在一起就可以了。

traj_list = [3]#v3是起点直接加上

def print_traj(dist):
    last = traj_list[-1]
    print(traj_list,'该路径的长度为：',vlist[last].dist)
    temp_list = []#存储下一步的选项
    for i in range(1,len(vlist)):
        v = vlist[i]
        if((v.dist==dist) and (v.prev==last)):
            temp_list.append(i)
    if(len(temp_list)==0):
        return#终点
    #递归每个选项
    for i in temp_list:#i为顶点的索引
        traj_list.append(i)
        print_traj(dist+1)
        traj_list.pop()


print_traj(1)

到此这篇关于python3实现无权最短路径的方法的文章就介绍到这了,更多相关python3 无权最短路径内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

【来源：美国cn2服务器 转载请说明出处】