离散数学中Warshall算法简析

最近学了离散数学的图论，突然感觉离散数学的作用十分强大，相信学好离散数学中的算法，编程的魅力也不言而喻。闲话不多说，这篇博客中记录的是Warshall算法的简单解析及C++代码实现。
问题引出：在一个图结构中，常常需要找两个节点之间有没有一条通路（通路长任意），也就是任意两点之间的可达情况，我们很自然会联想到用邻接矩阵来求可达矩阵，从而得出两点之间的可达情况。如：

在这个图中，可以写出其邻接矩阵为：
0 1 1 1
1 0 0 0
1 0 0 1
1 0 1 0
记为矩阵A。那么很明显在图中，V2与V1存在直接通路（即长是1），V1与V4之间也有直接通路，但是V2与V4之间没有长度是1的通路，但是存在边长是2的通路，然而这在矩阵A中没有相应的体现，因为矩阵元素M（2，4） == 0，于是我们找任意图中一点Vk，只要满足V（2k）乘以V（k4）！= 0[注意：括号中指的是下标]，则证明V2可以借助Vk（此图中指的是V1）与V4连通。
以此类推，当想得到任意一点与其他各点通路是2的连接的时候（这里指的是Vi，Vj两点）就可以逐个计算满足：V（ik）乘以V（kj）！= 0的，而V（ik）乘以V（kj）正好是求矩阵A乘以矩阵A的过程，所以矩阵A的平方就可以反应出通过边长为2图中各点之件的可达情况，以此类推，A的3次方、A的4次方……,分别表示了边长是3、边长是4……的可达情况，现在把所有可能长度的通路可达情况加起来（即A1方 + A2方 + A3方 +……），就可以得到近似可达矩阵。
为什么这里说是近似的可达矩阵？因为一个复杂的图中（如互联网模型），通路的长度成千上百都可能，那到底应该加到A的几次方才算有保证呢？很明显，这个算法存在局限性，对于简单的图还凑合，复杂的图就没有全面的保障了。Warshall算法就是为了求一个可靠的可达矩阵。
算法的自己的语言描述：依次遍历邻接矩阵中的所有元素（M[i,j]），比如按照先列后行进行，如果M[i，j] ！= 0，那么就把i行加到第j行上。
算法的代码描述：

#include <iostream>
using namespace std;
#define COLUMNS 4
#define ROWS 4
void Warshall(int nearArra[ROWS][COLUMNS]);
int main()
{//定义邻接矩阵//此处手动输入图的矩阵表示数据int nearArra[4][4] = { { 1, 1, 0, 0 },{ 0, 0, 1, 0 },{ 0, 1, 0, 0 },{ 0, 1, 0, 0 } };Warshall(nearArra);//输出...for (int i = 0; i < 4; i++) {for (int j = 0; j < 4; j++) {if (nearArra[i][j] != 0) {cout << 1 << " ";}else {cout << 0 << " ";}}cout << endl;}system("pause");return 0;
}void Warshall(int nearArra[ROWS][COLUMNS]) {//Warshall算法求运用邻接矩阵求图中所有可能的通路（即可达矩阵）//参数 ： 图的邻接矩阵for (int i = 0; i < COLUMNS; i++) {for (int j = 0; j < ROWS; j++) {if (0 != nearArra[j][i]) {//若此位置是1，此位置对应的列序号的行（即i）加到当前位置的行（即j）上for (int k = 0; k < COLUMNS; k++) {nearArra[j][k] += nearArra[i][k];}}}}}

还是代码更容易理解些，就是首先运用于二重循环做矩阵的遍历，然后如果满足条件就开始执行I行加到j行的操作，最终在主函数中输出。（注意这里是给定一个矩阵）代码输入
。经过算法处理后矩阵是：

当然这只是单纯的方法，他有许多其他的应用，后续研究时会继续更新，有错误和疑问及时讨论，希望大家支持！最后附上一个不错的关文章：
Warshall算法的C语言实现

离散数学中Warshall算法简析相关推荐

STL中sort算法简析
STL里sort算法简析文章目录 STL里sort算法简析一.引入二.正解三.源码 **`sort的源码`**: **`其中,__introsort_loop便是内省式排序:`** 插入排序 ...
今晚直播 | 强化学习在比赛和自动机器学习中的应用简析
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
pythonimportre_python中re模块简析
python中re模块简析发布时间:2020-05-20 20:01:47 来源:51CTO 阅读:383 re的分组功能 python的re模块有一个分组功能.所谓的分组就是去已经匹配到的内容里面 ...
PHP+新浪微博开放平台+新浪云平台（SAE）开发微博应用——PHP SDK中Demo程序简析
PHP+新浪微博开放平台+新浪云平台(SAE) --新浪微博应用开发的一个解决方案一.PHP+新浪微博开放平台+新浪云平台(SAE)方案的基础二.建立微博应用的过程三.PHP SDK中Demo程 ...
离散数学传递闭包 Warshall算法
老师布置一个作业,要写Warshall算法课后,这里给写出来了. 这个算法本身很简单,倒是学习了一下参数为二维数组的传递方法,正确代码如下: /* Warshall算法 */ #include < ...
[scRNA-seq]单细胞转录因子分析——SCENIC算法简析
转录因子(transcription factors, TFs)是直接作用于转录组上,调控DNA转录的蛋白质.它通过与DNA特定区域结合,促进(activator)或阻止(repressor)DNA的 ...
基于python3.7 numpy scipy matplotlib sklearn的机器学习笔记5—监督学习之KNN、DT、NB算法简析
1.KNN :通过计算待分类数据点,与已有数据集中的所点距离.取距离最小的前 K个点,根据"少数服从多数"的原则,将这个据点划分为出现次数最多的那个类别. 在sklearnsk ...
完美洗牌算法简析与代码实现
题目需求数组[a1,a2,a3,a4,b1,b2,b3,b4],洗牌后变成[b1,a1,b2,a2,b3,a3,b4,a4]. 不得使用额外的空间,即空间复杂度要求为O(1).因为如果用线性空间,直 ...
TF-IDF的Matlab程序,TF-IDF算法简析 - osc_sjg81se7的个人空间 - OSCHINA - 中文开源技术交流社区...
TF-IDF算法可用来提取文档的关键词,关键词在文本聚类.文本分类.文献检索.自动文摘等方面有着重要应用. 算法原理 TF:Term Frequency,词频 IDF:Inverse Document ...

离散数学中Warshall算法简析

离散数学中Warshall算法简析

离散数学中Warshall算法简析相关推荐

最新文章

热门文章