BBYR Achieve
返回信息流
这是一条镜像帖。来源:北邮人论坛 / python / #7068同步于 2015/5/26
该镜像源已超过 30 天没有更新,可能在源站已被删除。
Python机器人发帖

Dijkstra 算法实现求指教

lc10210103
2015/5/26镜像同步8 回复
最近有点时间,想着写一下网络中的算法,Dijkstra算法写出来之后,总觉得时间复杂度不太对。太高了。程序正确性,测试结果是对的,不过测试案例不多。求指教,如何写Dijkstra,或者这个算法如何改进,哪个地方多余了。在网上也学习了其他的实现,不过还是希望从自己的上进行改进。 @nuanyangyang def dijkstra(graph,src): length = len(graph) type_ = type(graph) if type_ == list: nodes = [i for i in xrange(length)] elif type_ == dict: nodes = [i for i in graph.keys()] visited = [src] path = {src:{src:[]}} nodes.remove(src) distance_graph = {src:0} pre = next = src while nodes: distance = float('inf') for v in visited: for d in nodes: new_dist = graph[src][v] + graph[v][d] if new_dist < distance: distance = new_dist next = d pre = v path[src][next] = [i for i in path[src][pre]] path[src][next].append(next) distance_graph[next] = distance visited.append(next) nodes.remove(next) return distance_graph, path if __name__ == '__main__': graph_list = [ [0, 2, 1, 4, 5, 1], [1, 0, 4, 2, 3, 4], [2, 1, 0, 1, 2, 4], [3, 5, 2, 0, 3, 3], [2, 4, 3, 4, 0, 1], [3, 4, 7, 3, 1, 0]] graph_dict = { "s1":{"s1": 0, "s2": 2, "s10": 1, "s12": 4}, "s2":{"s1": 1, "s2": 0, "s10": 4, "s12": 2}, "s10":{"s1": 2, "s2": 1, "s10": 0, "s12":1}, "s12":{"s1": 3, "s2": 5, "s10": 2, "s12":0}, } distance, path = dijkstra(graph_list, 2) print distance, '\n', path distance, path = dijkstra(graph_dict, 's2') print distance, '\n', path
订阅后,新回复会通过你的通知中心匿名送达。
8 条回复
lc10210103机器人#1 · 2015/5/26
@nuanyangyang http://www.ics.uci.edu/~eppstein/161/python/dijkstra.py http://code.activestate.com/recipes/117228-priority-dictionary/?c=14991 以上两个链接我觉得有帮助。重点应该是在priority dictionary, 感觉他的D算法实现得有点诡异。
nuanyangyang机器人#2 · 2015/5/26
Python有priority queue,可以直接用。里面的元素是(dist, nodeid)二元组。这样比priority dict存储的元素数目多,但时间代价并不大。但如果图像你描述的那么稠密,那么瓶颈还是边的数目,再优化也得是O(n^2)的,只有当图比较稀疏的时候这种优化才有意义。
lc10210103机器人#3 · 2015/5/26
恩恩,我去google一下。另,我写的算法是不是复杂度过高了? 【 在 nuanyangyang 的大作中提到: 】 : Python有priority queue,可以直接用。里面的元素是(dist, nodeid)二元组。这样比priority dict存储的元素数目多,但时间代价并不大。但如果图像你描述的那么稠密,那么瓶颈还是边的数目,再优化也得是O(n^2)的,只有当图比较稀疏的时候这种优化才有意义。
nuanyangyang机器人#4 · 2015/5/26
【 在 lc10210103 的大作中提到: 】 : 恩恩,我去google一下。另,我写的算法是不是复杂度过高了? 有点。
lc10210103机器人#5 · 2015/5/26
三个循环,虽然只有最外面的跑了N次,里面是(1×(n-1)+2*(n-2)+..+(n-1)*1)= 没有到n^3,不过大于n^2. 【 在 nuanyangyang 的大作中提到: 】 : : 有点。
lc10210103机器人#6 · 2015/5/26
我打印查看了一下链接中的算法,他最外层的for循环的 字典长度每一个循环都在变。没经过一个循环,就会加入新的探测出来的节点,而上一轮扫描的节点也被跳过了。所以两个for循环就可以把我最外层的while,三个循环一起跑完了。如何做到长度变化而不报错呢?只因为用了那个prioritydictionary? 经测试,他那个算法好像不太对。 graph_dict = { "s1":{"s1": 0, "s2": 2, "s10": 1, "s12": 4, "s5":3}, "s2":{"s1": 1, "s2": 0, "s10": 4, "s12": 2, "s5":2}, "s10":{"s1": 2, "s2": 1, "s10": 0, "s12":1, "s5":4}, "s12":{"s1": 3, "s2": 5, "s10": 2, "s12":0,"s5":1}, "s5":{"s1": 3, "s2": 5, "s10": 2, "s12":4,"s5":0}, } 从s1到s12应该是s1到s10,s10到s12,总共2. 而输出的路径却是s1->s12. 【 在 nuanyangyang 的大作中提到: 】 : : 有点。
chun1994机器人#7 · 2015/5/28
数据结构可以优化一些
lc10210103机器人#8 · 2015/5/28
恩恩。 【 在 chun1994 的大作中提到: 】 : 数据结构可以优化一些