弗洛伊德(Floyd)算法求解图的最短路径
弗洛伊德(Froyd)算法用于求解所有顶点到所有顶点的的最短路径。时间复杂度为O(n^3).
正如我们所知道的,Floyd算法用于求最短路径。Floyd算法可以说是Warshall算法的扩展,三个for循环就可以解决问题,所以它的时间复杂度为O(n^3)。
Floyd算法的基本思想如下:从任意节点A到任意节点B的最短路径不外乎2种可能,1是直接从A到B,2是从A经过若干个节点X到B。所以,我们假设Dis(AB)为节点A到节点B的最短路径的距离,对于每一个节点X,我们检查Dis(AX) + Dis(XB) < Dis(AB)是否成立,如果成立,证明从A到X再到B的路径比A直接到B的路径短,我们便设置Dis(AB) = Dis(AX) + Dis(XB),这样一来,当我们遍历完所有节点X,Dis(AB)中记录的便是A到B的最短路径的距离。
很简单吧,代码看起来可能像下面这样:
for ( int i = 0; i < 节点个数; ++i )
{for ( int j = 0; j < 节点个数; ++j ){for ( int k = 0; k < 节点个数; ++k ){if ( Dis[i][k] + Dis[k][j] < Dis[i][j] ){// 找到更短路径Dis[i][j] = Dis[i][k] + Dis[k][j];}}}
}
但是这里我们要注意循环的嵌套顺序,如果把检查所有节点X放在最内层,那么结果将是不正确的,为什么呢?因为这样便过早的把i到j的最短路径确定下来了,而当后面存在更短的路径时,已经不再会更新了。
让我们来看一个例子,看下图:
图中红色的数字代表边的权重。如果我们在最内层检查所有节点X,那么对于A->B,我们只能发现一条路径,就是A->B,路径距离为9。而这显然是不正确的,真实的最短路径是A->D->C->B,路径距离为6。造成错误的原因就是我们把检查所有节点X放在最内层,造成过早的把A到B的最短路径确定下来了,当确定A->B的最短路径时Dis(AC)尚未被计算。所以,我们需要改写循环顺序,如下:
for ( int k = 0; k < 节点个数; ++k )
{for ( int i = 0; i < 节点个数; ++i ){for ( int j = 0; j < 节点个数; ++j ){if ( Dis[i][k] + Dis[k][j] < Dis[i][j] ){// 找到更短路径Dis[i][j] = Dis[i][k] + Dis[k][j];}}}
}
如果还是看不懂,那就用草稿纸模拟一遍,之后你就会豁然开朗。半个小时足矣(早知道的话会节省很多个半小时了。。)
如果是i-j-k这样的情况吧。举个例子:
如果我们现在要更新的1-4的最短距离,要枚举经过的城市个数,有0,1,2,3,4,5种情况,假如现在2-3城市的最短距离为10,当经过的城市为2时候,发现2-3的最短距离为10,可能比其他大了,所以经过2个城市的最小距离可能为8,上面6种情况更新后发现1-4最短距离为13.
当继续更新时,我们更新后2-3的最短距离竟然为1,但是我们再也回不到1-4这种情况了。。。所以,1-4的最短距离明显就是错误的。
而如果循环的顺序为:k-i-j的时候:
我们更新1-4的时候,2-3可能没更新,但是1-4可以更新k次,即使不是最短的,以后再更新到的时候就可以更新为最短了。所以这种才是正确的方法。
这样一来,对于每一个节点X,我们都会把所有的i到j处理完毕后才继续检查下一个节点。
那么接下来的问题就是,我们如何找出最短路径呢?这里需要借助一个辅助数组Path,它是这样使用的:Path(AB)的值如果为P,则表示A节点到B节点的最短路径是A->...->P->B。这样一来,假设我们要找A->B的最短路径,那么就依次查找,假设Path(AB)的值为P,那么接着查找Path(AP),假设Path(AP)的值为L,那么接着查找Path(AL),假设Path(AL)的值为A,则查找结束,最短路径为A->L->P->B。
那么,如何填充Path的值呢?很简单,当我们发现Dis(AX) + Dis(XB) < Dis(AB)成立时,就要把最短路径改为A->...->X->...->B,而此时,Path(XB)的值是已知的,所以,Path(AB) = Path(XB)。
测试代码如下:
#include<cstdio>
#include<cmath>
#include<cstring>
#include<string>
#include<iostream>
#include<algorithm>
#include<vector>
#include<queue>
#include<stack>
#include<map>
#include<set>
using namespace std;
#define INFINITE 1000 // 最大值
#define MAX_VERTEX_COUNT 20// 最大顶点个数
//struct Graph
{int arrArcs[MAX_VERTEX_COUNT][MAX_VERTEX_COUNT]; // 邻接矩阵int nVertexCount; // 顶点数量int nArcCount; // 边的数量
};
//void readGraphData( Graph *_pGraph )
{std::cout << "请输入顶点数量和边的数量: ";std::cin >> _pGraph->nVertexCount;std::cin >> _pGraph->nArcCount;std::cout << "请输入邻接矩阵数据:" << std::endl;for ( int row = 0; row < _pGraph->nVertexCount; ++row ){for ( int col = 0; col < _pGraph->nVertexCount; ++col ){std::cin >> _pGraph->arrArcs[row][col];}}
}void floyd( int _arrDis[][MAX_VERTEX_COUNT], int _arrPath[][MAX_VERTEX_COUNT], int _nVertexCount )
{// 先初始化_arrPathfor ( int i = 0; i < _nVertexCount; ++i ){for ( int j = 0; j < _nVertexCount; ++j ){_arrPath[i][j] = i;}}//for ( int k = 0; k < _nVertexCount; ++k ){for ( int i = 0; i < _nVertexCount; ++i ){for ( int j = 0; j < _nVertexCount; ++j ){if ( _arrDis[i][k] + _arrDis[k][j] < _arrDis[i][j] ){// 找到更短路径_arrDis[i][j] = _arrDis[i][k] + _arrDis[k][j];_arrPath[i][j] = _arrPath[k][j];}}}}
}void printResult( int _arrDis[][MAX_VERTEX_COUNT], int _arrPath[][MAX_VERTEX_COUNT], int _nVertexCount )
{std::cout << "Origin -> Dest Distance Path" << std::endl;for ( int i = 0; i < _nVertexCount; ++i ){for ( int j = 0; j < _nVertexCount; ++j ){if ( i != j ) // 节点不是自身{std::cout << i+1 << " -> " << j+1 << "\t\t";if ( INFINITE == _arrDis[i][j] ) // i -> j 不存在路径{std::cout << "INFINITE" << "\t\t";}else{std::cout << _arrDis[i][j] << "\t\t";// 由于我们查询最短路径是从后往前插,因此我们把查询得到的节点// 压入栈中,最后弹出以顺序输出结果。std::stack<int> stackVertices;int k = j;do {k = _arrPath[i][k];stackVertices.push( k );} while ( k != i );//std::cout << stackVertices.top()+1;stackVertices.pop();unsigned int nLength = stackVertices.size();for ( unsigned int nIndex = 0; nIndex < nLength; ++nIndex ){std::cout << " -> " << stackVertices.top()+1;stackVertices.pop();}std::cout << " -> " << j+1 << std::endl;}}}}
}int main()
{Graph myGraph;readGraphData( &myGraph );//int arrDis[MAX_VERTEX_COUNT][MAX_VERTEX_COUNT];int arrPath[MAX_VERTEX_COUNT][MAX_VERTEX_COUNT];// 先初始化arrDisfor ( int i = 0; i < myGraph.nVertexCount; ++i ){for ( int j = 0; j < myGraph.nVertexCount; ++j ){arrDis[i][j] = myGraph.arrArcs[i][j];}}floyd( arrDis, arrPath, myGraph.nVertexCount );//printResult( arrDis, arrPath, myGraph.nVertexCount );//return 0;
}
转自:
Floyd算法详讲
弗洛伊德(Floyd)算法求解图的最短路径相关推荐
- Dijkstra算法求解图中最短路径距离
前言:这里是自学内容,讲解的是用python来实现Dijkstra算法,算是入门求解图中最短路径问题的典型案例. 算法简介: 迪杰斯特拉(Dijkstra)算法是一个按照路径长度递增的次序产生的最短路 ...
- 数据结构与算法(7-4)最短路径(迪杰斯特拉(Dijkstra)算法、弗洛伊德(Floyd)算法)
目录 一.最短路径概念 二.迪杰斯特拉(Dijkstra)算法(单源最短路径) 1.原理 2.过程 3.代码 三.弗洛伊德(Floyd)算法(多源最短路径) 1.原理 2.存储 3.遍历 4.代码 参 ...
- Floyd算法求解最短路径
Floyd算法求解最短路径 1.算法概述 2.算法实例 3.算法实战 3.1 算法描述 3.2 解题思路 3.3 代码实现 1.算法概述 Floyd算法又称为插点法,是一种利用动态规划的思想寻找给 ...
- 060.弗洛伊德(Floyd)算法的原理以及解决最短路径问题
1. 弗洛伊德(Floyd)算法的原理 1.1. 基本介绍 1.1.1. 弗洛伊德算法和迪杰斯特拉算法比较 1.2. 算法步骤 1.3. 步骤图解 1.3.1. 第一轮循环 1.3.2. 找出每个点作 ...
- floyd算法求解地铁路线问题
题目描述Description 假设有两条地铁线路,1 号线为直线线路,2 号线为环线线路, 假设 1 号线的各个站点名称分别为 "A" "B" "C ...
- 算法其实很简单—弗洛伊德(Floyd)算法
目录 1.弗洛伊德(Floyd)算法介绍 2.弗洛伊德(Floyd)算法最佳应用-最短路径 3.弗洛伊德(Floyd)算法图解分析 3.1 弗洛伊德算法的步骤: 4.代码实现 1.弗洛伊德(Floyd ...
- Java迪杰斯特拉(Dijkstra)算法与弗洛伊德(Floyd)算法
1.Java迪杰斯特拉(Dijkstra)算法与弗洛伊德(Floyd)算法 1.1 迪杰斯特拉(Dijkstra)算法 1.1.1 迪杰斯特拉(Dijkstra)算法介绍 迪杰斯特拉(Dijkstra ...
- Java实现之弗洛伊德(Floyd)算法
一.问题引入 1.问题引入 1)胜利乡有7个村庄(A,B,C,D,E,F, G) 2)各个村庄的距离用边线表示(权),比如A-B距离5公里3)问:如何计算出各村庄到其它各村庄的最短距离? 二.基本介绍 ...
- Floyd算法求解最短距离
1.问题 用Floyd算法求解下图各个顶点的最短距离.写出Floyd算法的伪代码和给出距离矩阵(顶点之间的最短距离矩阵). 2.解析 Floyd算法又称为插点法,是一种利用动态规划的思想寻找给定的加权 ...
最新文章
- 印度小哥“神剑”:PDF提取表格so easy!
- windows域设计best practice
- 卓有成效的管理者应该借助哪些团队协作工具?
- 自动驾驶汽车“定位”技术
- 开闭操作进行平滑处理与边缘提取
- 特征工程(3):特征选择
- PAT乙类1007之素数对猜想
- 帝国 标签模板 使用程序代码 自定义 时间显示方式
- 【Tensorflow】深度学习实战06——Tensorflow实现ResNet
- 天梯赛L2-014 列车调度(set和简单贪心)
- SAP License:MIRO
- 辐射校正:像元DN值—辐照度—表观反射率—地表反射率
- 7的整除特征 三位一截_7的倍数特征
- js 禁止鼠标菜单键及键盘快捷键
- 网上商城的功能模块架构设计之(一)
- C语言程序设计现代方法第二版,第八章课后编程题——第9题生成贯穿10乘10字符组的随机步法
- android wifi 共享网络,手机与电脑之间共享网络的设置方法(Android无线网络共享设置指南)...
- c#调用触滑输入法实现触摸屏键盘功能
- SwiftUI系列教程第1章第4节:Text的Padding属性
- ElasticSerach 出现 high disk watermark [90%] exceeded on