迪杰斯特拉算法（求最短路径）

迪杰斯特拉算法用于查找图中某个顶点到其它所有顶点的最短路径，该算法既适用于无向加权图，也适用于有向加权图。

注意，使用迪杰斯特拉算法查找最短路径时，必须保证图中所有边的权值为非负数，否则查找过程很容易出错。

一、迪杰斯特拉算法的实现思路

图 1 是一个无向加权图，我们就以此图为例，给大家讲解迪杰斯特拉算法的实现思路。

图 1 无向加权图

假设用迪杰斯特拉算法查找从顶点 0 到其它顶点的最短路径，具体过程是：
1) 统计从顶点 0 直达其它顶点的权值，如下表所示：

表 1 顶点 0 直达其它顶点的权值
	1	2	3	4	5	6
总权值	2	6	∞	∞	∞	∞
路径	0-1	0-2	0-3	0-4	0-5	0-6

∞ 表示两个顶点之间无法直达，对应的权值为无穷大。

2) 表 1 中，权值最小的是 0-1 路径，它也是从顶点 0 到顶点 1 的最短路径（如图 2 所示）。原因很简单，从顶点 0 出发一共只有 0-1 和 0-2 两条路径，0-2 的权值本就比 0-1 大，所以从 0-2 出发不可能找得到比 0-1 权值更小的路径。

图 2 最短路径 0-1

3) 找到最短路径 0-1 后，沿 0-1 路径方向查找更短的到达其它顶点的路径，并对表 1 进行更新。

表 2 沿 0-1 最短路径更新表 1
	1	2	3	4	5	6
总权值	2	6	2+5	∞	∞	∞
路径	0-1	0-2	0-1-3	0-4	0-5	0-6

绿色加粗的权值是已确认为最短路径的权值，后续选择总权值最小的路径时不再重复选择；红色加粗的权值为刚刚更新的权值。

更新后的表格如表 2 所示，沿 0-1 路径可以到达顶点 3，且 0-1-3 的总权值比 0-3 更小。表 2 中，总权值最小的路径是 0-2，它也是从顶点 0 到顶点 2 的最短路径，如下图所示。

图 3 最短路径 0-2

4) 重复之前的操作，沿 0-2 路径方向查找更短的到达其它顶点的路径。遗憾地是，从顶点 2 只能到达顶点 3，且 0-2-3 的总权值比表 2 中记录的 0-1-3 更大，因此表 2 中记录的数据维持不变。

表 3 结合 0-2 最短路径更新表 2
	1	2	3	4	5	6
总权值	2	6	7	∞	∞	∞
路径	0-1	0-2	0-1-3	0-4	0-5	0-6

5) 表 3 中，总权值最小的是 0-1-3，它也是顶点 0 到顶点 3 的最短路径。

图 4 最短路径 0-1-3

沿 0-1-3 路径方向，查找到其它顶点更短的路径并更新表 3。更新后的表格为：

表 4 结合 0-1-3 最短路径更新表 3
	1	2	3	4	5	6
总权值	2	6	7	7+10	7+15	∞
路径	0-1	0-2	0-1-3	0-1-3-4	0-1-3-5	0-6

6) 表 4 中，总权值最小的是 0-1-3-4，它是顶点 0 到顶点 4 的最短路径。

图 5 最短路径 0-1-3-4

从顶点 4 出发，查找顶点 0 到其它顶点更短的路径并更新表 4。更新后的表格为：

表 5 结合 0-1-3-4 最短路径更新表 4
	1	2	3	4	5	6
总权值	2	6	7	17	22	17+2
路径	0-1	0-2	0-1-3	0-1-3-4	0-1-3-5	0-1-3-4-6

7) 表 5 中，总权值最小的路径是 0-1-3-4-6，它是顶点 0 到顶点 6 的最短路径。

图 6 最短路径 0-1-3-4-6

8) 从图 6 可以看到，只剩下顶点 0 到顶点 5 的最短路径尚未确定。从顶点 6 出发到达顶点 5 的路径是 0-1-3-4-6-5，对应的总权值为 25，大于表 5 中记录的 0-1-3-5 路径，因此 0-1-3-5 是顶点 0 到顶点 5 的最短路径。

图 7 最短路径 0-1-3-5

由此借助迪杰斯特拉算法，我们找出了顶点 0 到其它所有顶点的最短路径，如下表所示：

表 6 最短路径
	1	2	3	4	5	6
总权值	2	6	7	17	22	19
路径	0-1	0-2	0-1-3	0-1-3-4	0-1-3-5	0-1-3-4-6

二、迪杰斯特拉算法的具体实现

V = 20   #顶点的最大个数
INFINITY = 65535    #设定一个最大值
P = [0]*V  # 记录顶点 0 到各个顶点的最短的路径
D = [0]*V  # 记录顶点 0 到各个顶点的总权值
 
class MGraph:
    vexs = []*V   #存储图中顶点数据
    arcs = [[0]*V for i in range(V)]    #二维列表，记录顶点之间的关系
    vexnum = 0    #记录图的顶点数和弧（边）数
    arcnum = 0
 
G = MGraph()
 
#根据顶点本身数据，判断出顶点在二维数组中的位置
def LocateVex(G,v):
    #遍历一维数组，找到变量v
    for i in range(G.vexnum):
        if G.vexs[i] == v:
            break
    #如果找不到，输出提示语句，返回-1
    if i>G.vexnum:
        print("顶点输入有误")
        return -1
    return i
 
#构造无向有权图
def CreateDG(G):
    print("输入图的顶点数和边数：",end='')
    li = input().split()
    G.vexnum = int(li[0])
    G.arcnum = int(li[1])
    print("输入各个顶点：",end='')
    G.vexs = [int(i) for i in input().split()]
    for i in range(G.vexnum):
        for j in range(G.vexnum):
            G.arcs[i][j] = INFINITY
    print("输入各个边的数据:")
    for i in range(G.arcnum):
        li = input().split()
        v1 = int(li[0])
        v2 = int(li[1])
        w = int(li[2])
        n = LocateVex(G,v1)
        m = LocateVex(G,v2)
        if m == -1 or n == -1:
            return
        G.arcs[n][m] = w
        G.arcs[m][n] = w
 
CreateDG(G)
#迪杰斯特拉算法，v0表示有向网中起始点所在数组中的下标
def Dijkstra_minTree(G,v0,P,D):
    #为各个顶点配置一个标记值，用于确认该顶点是否已经找到最短路径
    final = [0]*V
    #对各数组进行初始化
    for i in range(G.vexnum):
        D[i] = G.arcs[v0][i]
    #由于以v0位下标的顶点为起始点，所以不用再判断
    D[v0] = 0
    final[v0] = 1
    k =0
    for i in range(G.vexnum):
        low = INFINITY
        #选择到各顶点权值最小的顶点，即为本次能确定最短路径的顶点
        for w in range(G.vexnum):
            if not final[w]:
                if D[w] < low:
                    k = w
                    low = D[w]
        #设置该顶点的标志位为1，避免下次重复判断
        final[k] = 1
        #对v0到各顶点的权值进行更新
        for w in range(G.vexnum):
            if not final[w] and (low + G.arcs[k][w]<D[w]):
                D[w] = low + G.arcs[k][w]
                P[w] = k   #记录各个最短路径上存在的顶点
 
Dijkstra_minTree(G,0,P,D)
 
print("最短路径为：")
for i in range(1,G.vexnum):
    print("%d - %d的最短路径中的顶点有："%(i,0),end='')
    print("%d-"%(i),end='')
    j = i
    #由于每一段最短路径上都记录着经过的顶点，所以采用嵌套的方式输出即可得到各个最短路径上的所有顶点
    while P[j] != 0:
        print("%d-"%(P[j]),end='')
        j = P[j]
    print("0")
print("源点到各顶点的最短路径长度为:")
for i in range(1,G.vexnum):
    print("%d - %d : %d"%(G.vexs[0], G.vexs[i], D[i]))