scipy.sparse.csgraph.

floyd_warshall#

scipy.sparse.csgraph.floyd_warshall(csgraph, directed=True, return_predecessors=False, unweighted=False, overwrite=False)#

使用 Floyd-Warshall 算法计算最短路径长度

在 0.11.0 版本中添加。

参数:
csgraph类数组，或稀疏数组或矩阵，2 维

表示输入图的 N x N 距离数组。

directedbool，可选

如果为 True（默认），则在有向图上找到最短路径：仅沿路径 csgraph[i, j] 从点 i 移动到点 j。 如果为 False，则在无向图上找到最短路径：算法可以沿 csgraph[i, j] 或 csgraph[j, i] 从点 i 行进到点 j

return_predecessorsbool，可选

如果为 True，则返回大小为 (N, N) 的前驱矩阵。

unweightedbool，可选

如果为 True，则查找未加权距离。 也就是说，与其找到每点之间的路径使得权重之和最小化，不如找到使边数最小化的路径。

overwritebool，可选

如果为 True，则使用结果覆盖 csgraph。 这仅适用于 csgraph 是一个密集的、c 顺序的、dtype=float64 的数组。

返回值:
dist_matrixndarray

图节点之间的 N x N 距离矩阵。 dist_matrix[i,j] 给出了从点 i 到点 j 沿图的最短距离。

predecessorsndarray

仅当 return_predecessors == True 时返回。 前驱的 N x N 矩阵，可用于重建最短路径。 前驱矩阵的第 i 行包含从点 i 到最短路径的信息：每个条目 predecessors[i, j] 给出了从点 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 predecessors[i, j] = -9999

引发:
NegativeCycleError

如果图中存在负循环

备注

如果存在多个有效解决方案，则输出可能随 SciPy 和 Python 版本而变化。

示例

>>> from scipy.sparse import csr_array
>>> from scipy.sparse.csgraph import floyd_warshall

>>> graph = [
... [0, 1, 2, 0],
... [0, 0, 0, 1],
... [2, 0, 0, 3],
... [0, 0, 0, 0]
... ]
>>> graph = csr_array(graph)
>>> print(graph)
<Compressed Sparse Row sparse array of dtype 'int64'
    with 5 stored elements and shape (4, 4)>
    Coords  Values
    (0, 1)  1
    (0, 2)  2
    (1, 3)  1
    (2, 0)  2
    (2, 3)  3

>>> dist_matrix, predecessors = floyd_warshall(csgraph=graph, directed=False, return_predecessors=True)
>>> dist_matrix
array([[0., 1., 2., 2.],
       [1., 0., 3., 1.],
       [2., 3., 0., 3.],
       [2., 1., 3., 0.]])
>>> predecessors
array([[-9999,     0,     0,     1],
       [    1, -9999,     0,     1],
       [    2,     0, -9999,     2],
       [    1,     3,     3, -9999]], dtype=int32)
在此页面上