def initialize(dag: DirectGraph, s: Vertex, t: Vertex):
"""
做搜索前 forward backward 的初始化
:return:
"""
Sf = {s}
Sb = {t}
Qf = set()
Qb = set()
df = {s: 0}
db = {t: 0}
paif = {s: None}
paib = {t: None}
for u in dag.vertexes:
if u != s:
Qf.add(u)
w = dag.get_edge_weight(s, u)
df[u] = w
if w < sys.maxsize:
paif[u] = s
else:
paif[u] = None
if u != t:
Qb.add(u)
w = dag.get_edge_weight(u, t)
db[u] = w
if w < sys.maxsize:
paib[u] = t
else:
paib[u] = None
return Sf, Sb, Qf, Qb, df, db, paif, paib
def initialize(dg: DirectGraph, s: Vertex):
"""
对数据进行初始化，这里仅仅初始化 distance dict, pai 记录最路径中访问的上一个顶点
:param dg:
:return:
"""
d = {s: 0}
pai = {s: None}
for v in dg.vertexes:
pai[v] = None
if v != s:
d[v] = dg.get_edge_weight(s, v)
# 使用 sys.maxsize 代表两者之间没有任何关联
if d[v] < sys.maxsize:
pai[v] = s
return d, pai
def initialize(dg: DirectGraph, s):
"""
在进行 Dijkstra 算法前先进行初始化数据
:param dg:
:param s:
:return:
"""
# 所有已经找到了最短路径的顶点集和
S = {s}
# 所有还没有找到最短路径的顶点集和
Q = set()
d = {s: 0}
pai = {s: None}
# 将所有非 s 顶点加入到 Q 中
for v in dg.vertexes:
pai[v] = None
if v != s:
Q.add(v)
d[v] = dg.get_edge_weight(s, v)
if d[v] < sys.maxsize:
pai[v] = s
return S, Q, d, pai
def initialize(dag: DirectGraph):
"""
对进行 Floyd 算法求解之前先进行数据的初始化
:return:
"""
vexnum = dag.get_vertex_num()
# Graph 中顶点以 set() 集和存储，这里我们需要将其转化为 list，方便使用下标 index 访问，list 中保存的只是引用，根本上还是 Graph 中 set 的顶点
vexes = list(
dag.vertexes) # 由于是从 set 转化为 list，所以即使是相同的顶点，生成的 list 每次顶点顺序也可能不一样
# 用于记录最短路径的关系的三维数组 p
p = [[[False for _ in range(vexnum)] for j in range(vexnum)]
for i in range(vexnum)]
# 生成用于记录图中每两个顶点之间的最短路径的二维数组 d[i][j] 代表 vi-->vj 的距离
d = [[
dag.get_edge_weight(vexes[i], vexes[j]) if i != j else 0
for j in range(vexnum)
] for i in range(vexnum)]
for i in range(vexnum):
for j in range(vexnum):
if d[i][j] < sys.maxsize:
p[i][j][i], p[i][j][j] = True, True
return d, p, vexes, vexnum