[英]How to do shortest path algorithm for unweighted graph?
我试图找到从一个顶点到另一个相连的,未加权图的最短路径。
在此问题中,从顶点到其相邻顶点的距离将等于1。即,如果考虑具有边(a,b),(a,c)的图,则从a到b和c的距离将为为1,从b到c的距离为2。此外,维护邻接表以存储每个顶点的所有相邻顶点。
那么,是否有任何算法可以找到给定问题的所有最短路径?
您可以使用dijkstra的算法来查找距离。
这是使用networkx
的一种方法
In [28]: import networkx as nx
创建一个节点为a, b, c
的grpah a, b, c
其中链接为a, b
和“ a,c”
In [29]: g = nx.Graph()
In [30]: g.add_edge('a', 'b')
In [31]: g.add_edge('a', 'c')
然后使用nx.dijkstra_path_length()
找到b and c
之间的距离
In [32]: nx.dijkstra_path_length(g, 'b', 'c')
Out[32]: 2
另外,您可以使用dijkstra_path()
找到路径轨迹
In [33]: nx.dijkstra_path(g, 'b', 'c')
Out[33]: ['b', 'a', 'c']
您还可以将shortest_path()
用于b and c
之间的路径
In [34]: nx.shortest_path(g, source='b',target='c')
Out[34]: ['b', 'a', 'c']
您可以找到具有功能的所有路径,然后选择最小长度的路径。
但请注意,此问题更多地取决于您的搜索算法,例如BFS算法:
您可以使用以下函数返回路径生成器:
def all_paths(graph, start, goal):
queue = [(start, [start])]
while queue:
(v, path) = queue.pop(0)
for next in graph[v] - set(path):
if next == goal:
yield path + [next]
else:
queue.append((next, path + [next]))
并以len
为键找到具有min
函数的最小路径:
min_path = min(all_paths(graph, start, goal),key=len)
您可以从那时开始使用BFS: http : //en.wikipedia.org/wiki/Breadth-first_search
您也可以使用Floyd–Warshall算法,如果时间不成问题,并且想要简化操作,则运行O(n ^ 3): http : //en.wikipedia.org/wiki/Floyd%E2%80%93Warshall_algorithm
Dijkstra算法解决了“在图形中找到两个顶点(或节点)之间的路径,以使其组成边的权重之和最小化的问题”。
http://en.wikipedia.org/wiki/Dijkstra%27s_algorithm
因此,我认为您可以使用Dijkstra解决此问题,其中对于两个顶点之间的每条路径,从顶点到其相邻顶点的距离都相等。
无论如何,您都可以使用BFS http://en.wikipedia.org/wiki/Breadth-first_search
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.