CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Python实现迪杰斯特拉算法过程解析由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

1、 迪杰斯特拉算法思想 。

Dijkstra算法主要针对的是有向图的单元最短路径问题，且不能出现权值为负的情况！Dijkstra算法类似于贪心算法，其应用根本在于最短路径的最优子结构性质.

最短路径的最优子结构性质:

如果P(i,j)={Vi…Vk…Vs…Vj}是从顶点i到j的最短路径，k和s是这条路径上的一个中间顶点，那么P(k,s)必定是从k到s的最短路径.

证明:

假设P(i,j)={Vi…Vk…Vs…Vj}是从顶点i到j的最短路径，则有P(i,j)=P(i,k)+P(k,s)+P(s,j)。而P(k,s)不是从k到s的最短距离，那么必定存在另一条从k到s的最短路径P(k,s)，那么P(i,j)=P(i,k)+P(k,s)+P(s,j)<P(i,j)。则与P(i,j)是从i到j的最短路径相矛盾。因此该性质得证.

因此，Dijkstra算法描述如下:

Dijikstra算法描述如下:

假设存在G=<V,E>，源顶点为V0，S={V0},distance[i]记录V0到i的最短距离，matrix[i][j]记录从i到j的边的权值，即两点之间的距离.

1）从V-S中选择使dist[i]值最小的顶点i，将i加入到U中； 。

2）更新与i直接相邻顶点的dist值。dist[j]=min{dist[j],dist[i]+matrix[i][j]} 。

3）直到S=V，所有顶点都包含进来了，算法停止.

2、 具体操作步骤 。

根据其算法思想，确立操作步骤如下:

(1) 初始时，S只包含起点s；U包含除s外的其他顶点，且U中顶点的距离为"起点s到该顶点的距离"[例如，U中顶点v的距离为(s,v)的长度，然后s和v不相邻，则v的距离为∞].

(2) 从U中选出"距离最短的顶点k"，并将顶点k加入到S中；同时，从U中移除顶点k.

(3) 更新U中各个顶点到起点s的距离。之所以更新U中顶点的距离，是由于上一步中确定了k是求出最短路径的顶点，从而可以利用k来更新其它顶点的距离；例如，(s,v)的距离可能大于(s,k)+(k,v)的距离.

(4) 重复步骤(2)和(3)，直到遍历完所有顶点.

3、代码 。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.

原文链接：https://www.cnblogs.com/r1-12king/p/13623885.html 。

最后此篇关于Python实现迪杰斯特拉算法过程解析的文章就讲到这里了,如果你想了解更多关于Python实现迪杰斯特拉算法过程解析的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。