本文简要介绍 python 语言中 scipy.sparse.csgraph.dijkstra
的用法。
用法:
scipy.sparse.csgraph.dijkstra(csgraph, directed=True, indices=None, return_predecessors=False, unweighted=False, limit=np.inf, min_only=False)#
使用斐波那契堆的 Dijkstra 算法
- csgraph: 数组、矩阵或稀疏矩阵,二维
表示输入图的 N x N 非负距离数组。
- directed: 布尔型,可选
如果为 True(默认),则查找有向图上的最短路径:仅沿着路径 csgraph[i, j] 从点 i 移动到点 j,以及沿着路径 csgraph[j, i] 从点 j 移动到 i。如果为 False,则找到无向图上的最短路径:算法可以沿着 csgraph[i, j] 或 csgraph[j, i] 从点 i 到 j 或 j 到 i。
- indices: 数组 或 int,可选
如果指定,则仅计算给定索引处的点的路径。
- return_predecessors: 布尔型,可选
如果为 True,则返回大小为 (N, N) 的前驱矩阵。
- unweighted: 布尔型,可选
如果为真,则找到未加权的距离。也就是说,不是找到每个点之间的路径以使权重之和最小化,而是找到使边数最小化的路径。
- limit: 浮点数,可选
要计算的最大距离必须 >= 0。使用较小的限制将中止距离 > 限制的对之间的计算,从而减少计算时间。对于此类对,距离将等于np.inf(即未连接)。
- min_only: 布尔型,可选
如果为 False(默认),对于图中的每个节点,从索引中的每个节点找到最短路径。如果为 True,则对于图中的每个节点,从索引中的任何节点找到最短路径(这可能会更快)。
- dist_matrix: ndarray,形状([n_indices,]n_nodes,)
图节点之间的距离矩阵。如果min_only=False,dist_matrix 具有形状 (n_indices, n_nodes) 并且 dist_matrix[i, j] 给出了从点 i 到点 j 沿图的最短距离。如果min_only=True,dist_matrix 具有形状 (n_nodes,) 并包含给定节点从索引中的任何节点到该节点的最短路径。
- predecessors: ndarray,形状([n_indices,]n_nodes,)
如果min_only=False,则其形状为(n_indices,n_nodes),否则其形状为(n_nodes,)。仅当 return_predecessors == True 时才返回。前驱矩阵,可用于重建最短路径。前驱矩阵的第 i 行包含从点 i 开始的最短路径信息:每个条目前驱[i, j] 给出从点 i 到点 j 的路径中前一个节点的索引。如果点 i 和 j 之间不存在路径,则前驱[i, j] = -9999
- sources: ndarray,形状(n_nodes,)
仅当 min_only=True 和 return_predecessors=True 时返回。包含到每个目标的最短路径的源的索引。如果限制范围内不存在路径,则该路径将包含 -9999。传递的索引处的值将等于该索引(即到达节点 i 的最快方法是从节点 i 开始)。
参数 ::
返回 ::
注意:
正如当前实现的那样,Dijkstra 的算法不适用于具有 direction-dependent 距离的图,当有向 == False 时。即,如果 csgraph[i,j] 和 csgraph[j,i] 不相等且均非零,则设置directed=False 将不会产生正确的结果。
此外,此例程不适用于具有负距离的图形。负距离可能导致无限循环,必须由专门的算法处理,例如 Bellman-Ford 的算法或 Johnson 的算法。
如果可能存在多个有效解决方案,则输出可能会因 SciPy 和 Python 版本而异。
例子:
>>> from scipy.sparse import csr_matrix >>> from scipy.sparse.csgraph import dijkstra
>>> graph = [ ... [0, 1, 2, 0], ... [0, 0, 0, 1], ... [0, 0, 0, 3], ... [0, 0, 0, 0] ... ] >>> graph = csr_matrix(graph) >>> print(graph) (0, 1) 1 (0, 2) 2 (1, 3) 1 (2, 3) 3
>>> dist_matrix, predecessors = dijkstra(csgraph=graph, directed=False, indices=0, return_predecessors=True) >>> dist_matrix array([0., 1., 2., 2.]) >>> predecessors array([-9999, 0, 0, 1], dtype=int32)
相关用法
- Python SciPy csgraph.depth_first_order用法及代码示例
- Python SciPy csgraph.depth_first_tree用法及代码示例
- Python SciPy csgraph.csgraph_to_dense用法及代码示例
- Python SciPy csgraph.min_weight_full_bipartite_matching用法及代码示例
- Python SciPy csgraph.minimum_spanning_tree用法及代码示例
- Python SciPy csgraph.breadth_first_order用法及代码示例
- Python SciPy csgraph.connected_components用法及代码示例
- Python SciPy csgraph.breadth_first_tree用法及代码示例
- Python SciPy csgraph.csgraph_from_dense用法及代码示例
- Python SciPy csgraph.floyd_warshall用法及代码示例
- Python SciPy csgraph.bellman_ford用法及代码示例
- Python SciPy csgraph.csgraph_to_masked用法及代码示例
- Python SciPy csgraph.maximum_flow用法及代码示例
- Python SciPy csgraph.csgraph_masked_from_dense用法及代码示例
- Python SciPy csgraph.shortest_path用法及代码示例
- Python SciPy csgraph.reconstruct_path用法及代码示例
- Python SciPy csgraph.johnson用法及代码示例
- Python SciPy csgraph.maximum_bipartite_matching用法及代码示例
- Python SciPy csgraph.csgraph_from_masked用法及代码示例
- Python SciPy csgraph.construct_dist_matrix用法及代码示例
- Python SciPy csgraph.reverse_cuthill_mckee用法及代码示例
- Python SciPy csgraph.laplacian用法及代码示例
- Python SciPy csgraph.structural_rank用法及代码示例
- Python SciPy csc_array.diagonal用法及代码示例
- Python SciPy csc_matrix.nonzero用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.sparse.csgraph.dijkstra。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。