python最短路径问题 依次输入某城市到其他城市的时间_最短路径算法 python
时间: 2023-08-03 14:04:38 浏览: 98
python编写的最短路径算法
5星 · 资源好评率100%
对于最短路径问题,可以使用Dijkstra算法或者Floyd算法进行求解。以下是使用Dijkstra算法的示例代码:
``` python
import heapq
# 构建有向图
graph = {
'A': {'B': 5, 'C': 1},
'B': {'A': 5, 'C': 2, 'D': 1},
'C': {'A': 1, 'B': 2, 'D': 4, 'E': 8},
'D': {'B': 1, 'C': 4, 'E': 3, 'F': 6},
'E': {'C': 8, 'D': 3},
'F': {'D': 6}
}
def dijkstra(graph, start):
# 初始化距离列表和堆
distances = {node: float('inf') for node in graph}
distances[start] = 0
heap = [(0, start)]
while heap:
# 弹出堆中距离最小的节点
(distance, current_node) = heapq.heappop(heap)
# 如果该节点已经访问过,则跳过
if distance > distances[current_node]:
continue
# 遍历该节点的所有邻居
for neighbor, weight in graph[current_node].items():
new_distance = distance + weight
# 如果新的距离比之前的距离更小,则更新距离
if new_distance < distances[neighbor]:
distances[neighbor] = new_distance
heapq.heappush(heap, (new_distance, neighbor))
return distances
start = 'A'
distances = dijkstra(graph, start)
# 输出从起点到其他节点的最短距离
for node in distances:
print(f'{start} -> {node}: {distances[node]}')
```
在上述代码中,我们首先构建了一个有向图,然后使用Dijkstra算法求解从起点到其他节点的最短距离。其中,使用了堆来维护当前距离最小的节点,以提高算法的效率。最后,输出了从起点到其他节点的最短距离。
阅读全文