個人心得體會:理解這種或這類算法,可以先從小規模的問題入手,並逐漸推廣到問題變複雜的情況,這樣理解起來也可以更方便和透徹。——和數學歸納法很相似。
圖簡介
以使用地圖APP爲例,假設你想前往某個目的地,此間有很多條線路可以選,如地鐵、不同的公交換乘方案。而不同的方案所需換乘的次數不同。那麼怎麼才能選出換乘次數最少的方案呢?
有向圖:節點和節點之間的連接是有方向的。
無向圖:節點和節點之間相互聯繫。
上文提到的最優換乘方案選擇,即可以用有向圖進行抽象(總不能在同樣的兩個公交站之間來回換乘吧)。根據這個圖,可以做的事:1. 觀察是否有從“雙子峯”前往“金門大橋”的路徑,2. 最短路徑是哪條。
此時圖是爲無權重的,即去每條路線的cost都相同。那麼當考慮加權呢,即乘坐不同公交耗費時間不同,怎麼來尋找前往目的地的最短時間?就需要適用於加權圖的搜索算法出場,接下來介紹Dijkstra算法。
Dijkstra
主要解決的問題是給定起點S和目標點E,如何得出S到E的最短路徑。算法主要思想是
帶權的有向圖
爲什麼不能處理負權邊?
可能出現這樣一種情況:因爲dijktra算法每次都先尋找前往節點的最小值(正數),並將節點加入已訪問集合之中,之後不再對其進行更新。
舉個例子,目標:尋找A-C的最短路徑。使用Dijkstra算法時,比較從A->B和A->C的開銷,顯然A->C的更小,於是選擇到C的路徑,並將C處理成處理過的節點。到這裏發現了什麼問題呢,A->B->C不是更短嗎?就是負權邊的情況。
Dijkstra算法實現步驟
- 尋找某點開始,相鄰的最短路徑;
- 選另一條路徑,比較同樣前往此節點的,更新開銷最小的,並更新路徑;
- 重複此步驟,直到最後一個節點;
- 計算最終路徑。
示例
# coding: utf-8
# 以《圖解算法》7.5中的圖爲例
def graph_gen():
graph = {}
graph['start'] = {}
graph['start']['a'] = 6
graph['start']['b'] = 2
graph['b'] = {}
graph['b']['a'] = 3
graph['b']['end'] = 5
graph['a'] = {}
graph['a']['end'] = 1
graph['end'] = {}
return graph
def cost_gen():
inifity = float('inf')
costs = {}
costs['a'] = 6
costs['b'] = 2
costs['end'] = inifity
return costs
def parent_gen():
parent = {}
parent['a'] = 'start'
parent['b'] = 'start'
parent['end'] = None
return parent
def find_lowest_cost_node(costs, processed):
lowest_cost = float('inf')
lowest_node = None
for key in costs.keys():
if key not in processed and lowest_cost > costs[key]:
lowest_cost = costs[key]
lowest_node = key
return lowest_node
def Dijkstra(graph, costs, relation):
processed = []
node = find_lowest_cost_node(costs, processed)
while node is not None:
cost = costs[node]
neighbors = graph[node]
for n in neighbors.keys():
new_cost = cost + neighbors[n]
if costs[n] > new_cost:
costs[n] = new_cost
relation[n] = node
processed.append(node)
node = find_lowest_cost_node(costs, processed)
return relation
def output(realtion):
begin = relation['end']
str_ = 'end--'
while begin is not None:
for key, value in relation.items():
if key == begin:
str_ += begin + '__'
begin = value
break
else:
begin = None
print str_ + 'start'
relation = Dijkstra(graph_gen(), cost_gen(), parent_gen())
# print relation
output(relation)