(转)Floyd算法
原文地址:http://www.cnblogs.com/twjcnblog/archive/2011/09/07/2170306.html
参考资料:http://developer.51cto.com/art/201403/433874.htm
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]; } } } } |
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)。
好了,基本的介绍完成了,接下来就是实现的时候了,这里我们使用图以及邻接矩阵:
#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 }; ////////////////////////////////////////////////////////////////////////// |
首先,我们写一个方法,用于读入图的数据:
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]; } } } |
接着,就是核心的Floyd算法:
void floyd( int _arrDis[][MAX_VERTEX_COUNT], int _arrPath[][MAX_VERTEX_COUNT], int _nVertexCount ) { // 先初始化_arrPath for ( 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]; } } } } } |
OK,最后是输出结果数据代码:
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; } } } } } |
好了,是时候测试了,我们用的图如下:
测试代码如下:
int main( void ) { Graph myGraph; readGraphData( &myGraph ); ////////////////////////////////////////////////////////////////////////// int arrDis[MAX_VERTEX_COUNT][MAX_VERTEX_COUNT]; int arrPath[MAX_VERTEX_COUNT][MAX_VERTEX_COUNT]; // 先初始化arrDis for ( 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 ); ////////////////////////////////////////////////////////////////////////// system ( "pause" ); return 0; } |
如图:
测试代码:VS2015 C#
int[][] pathArray = new int[][];
int[][] pathResult = new int[][];
string strData = "";
for(int i=;i<;i++)
{
pathArray[i] = new int[];
pathResult[i] = new int[];
}
for(int i=;i<;i++)
{
for (int j = ; j < ; j++)
{
if(i==j)
{
pathArray[i][j] = ; }
else
{
pathArray[i][j] = -;
}
pathResult[i][j] = ;
strData += pathArray[i][j].ToString() + " ";
}
strData += Environment.NewLine;
}
strData += Environment.NewLine;
textBox1.Text = strData;
Random rr = new Random();
for(int i=;i<;i++)
{
for(int j=;j<;j++)
{
if(pathArray[i][j] == -)
{
pathArray[i][j] = rr.Next(,);
}
}
}
string strtt = "";
for (int k = ; k < ; k++)
{
for (int i = ; i < ; i++)
{
for (int j = ; j < ; j++)
{ if(i!=j)
{
if (pathArray[i][j] > pathArray[i][k] + pathArray[k][j])
{
pathArray[i][j] = pathArray[i][k] + pathArray[k][j];
pathResult[i][j] = (i+) * + (k+) * + (j+);
}
} }
}
}
for (int i = ; i < ; i++)
{
for (int j = ; j < ; j++)
{
if(i!=j)
{
strData += pathResult[i][j].ToString() + " ";
}
}
strData += Environment.NewLine;
}
(转)Floyd算法的更多相关文章
- 最短路径之Floyd算法
Floyd算法又称弗洛伊德算法,也叫做Floyd's algorithm,Roy–Warshall algorithm,Roy–Floyd algorithm, WFI algorithm. Floy ...
- 最短路径—Dijkstra算法和Floyd算法
原文链接:http://www.cnblogs.com/biyeymyhjob/archive/2012/07/31/2615833.html 最后边附有我根据文中Dijkstra算法的描述使用jav ...
- 最短路径问题——floyd算法
floyd算法和之前讲的bellman算法.dijkstra算法最大的不同在于它所处理的终于不再是单源问题了,floyd可以解决任何点到点之间的最短路径问题,个人觉得floyd是最简单最好用的一种算法 ...
- floyd算法小结
floyd算法是被大家熟知的最短路算法之一,利用动态规划的思想,f[i][j]记录i到j之间的最短距离,时间复杂度为O(n^3),虽然时间复杂度较高,但是由于可以处理其他相似的问题,有着广泛的应用,这 ...
- Uvaoj 10048 - Audiophobia(Floyd算法变形)
1 /* 题目大意: 从一个点到达另一个点有多条路径,求这多条路经中最大噪音值的最小值! . 思路:最多有100个点,然后又是多次查询,想都不用想,Floyd算法走起! */ #include< ...
- Floyd算法(三)之 Java详解
前面分别通过C和C++实现了弗洛伊德算法,本文介绍弗洛伊德算法的Java实现. 目录 1. 弗洛伊德算法介绍 2. 弗洛伊德算法图解 3. 弗洛伊德算法的代码说明 4. 弗洛伊德算法的源码 转载请注明 ...
- Floyd算法(二)之 C++详解
本章是弗洛伊德算法的C++实现. 目录 1. 弗洛伊德算法介绍 2. 弗洛伊德算法图解 3. 弗洛伊德算法的代码说明 4. 弗洛伊德算法的源码 转载请注明出处:http://www.cnblogs.c ...
- Floyd算法(一)之 C语言详解
本章介绍弗洛伊德算法.和以往一样,本文会先对弗洛伊德算法的理论论知识进行介绍,然后给出C语言的实现.后续再分别给出C++和Java版本的实现. 目录 1. 弗洛伊德算法介绍 2. 弗洛伊德算法图解 3 ...
- 最短路径---Dijkstra/Floyd算法
1.Dijkstra算法基础: 算法过程比prim算法稍微多一点步骤,但思想确实巧妙也是贪心,目的是求某个源点到目的点的最短距离,总的来说dijkstra也就是求某个源点到目的点的最短路,求解的过程也 ...
- 最短路径(Floyd)算法
#include <stdio.h>#include <stdlib.h>/* Floyd算法 */#define VNUM 5#define MV 65536int P[VN ...
随机推荐
- IBM WebSphere MQ介绍安装以及配置服务详解
首先介绍一下MQ MQ消息队列的简称是一种应用程序对应用程序的通信方法.说白了也就是通过队列的方式来对应用程序进行数据通信.而无需专用链接来链接它们. MQ的通讯方式 1.数据报的方式 Datagra ...
- day 26 网络通讯流程 初识socke
一. *** C/S架构:客户端(client)/服务端(server)架构, B/S架构:浏览器(browser) / 服务端(server)架构 软件cs架构:浏览器,qq,微信,陌陌等等 硬件c ...
- 【转】iOS编译OpenSSL静态库(使用脚本自动编译)
原文网址:https://www.jianshu.com/p/651513cab181 本篇文章为大家推荐两个脚本,用来iOS系统下编译OpenSSL通用库,如果想了解编译具体过程,请参看<iO ...
- NET设计模式 第三部分 结构型模式(7):适配器模式(Adapter Pattern)
适配器模式(Adapter Pattern) ——.NET设计模式系列之八 Terrylee,2006年2月 概述 在软件系统中,由于应用环境的变化,常常需要将“一些现存的对象”放在新的环境中应用,但 ...
- MVC4.0,并完美结合Razor引擎
本文主要解决“当前上下文不存在ViewBag”的问题, 在View视图实际使用过程中,如果引用不正确会提示“当前上下文不存在ViewBag”,首先需要引入“Microsoft.CSharp”类库 然后 ...
- ML: 聚类算法R包-对比
测试验证环境 数据: 7w+ 条,数据结构如下图: > head(car.train) DV DC RV RC SOC HV LV HT LT Type TypeName 1 379 85.09 ...
- 1.linux6 x86-64 RPM包安装mysql5.7.20
注意版本和此次更新时间 2017-12-03 版本:mysql-5.7.20-1.el6.x86_64 环境:linux6.x 官方下载地址: wget https://dev.mysql.co ...
- 解决Windows远程桌面连接每次都提示输入密码的问题,远程桌面记不住密码
FROM:http://www.veryhuo.com/a/view/80444.html Windows 远程桌面连接几乎每天都用,所以使用的方便性非常重要.如果你经常用,也许会发现在某些系统中,每 ...
- DataGridView之编码列重绘
实现方式如下: private void dgvRelation_RowPostPaint(object sender, DataGridViewRowPostPaintEventArgs e) { ...
- sql Find_IN_SET 用法
字段以 1,2,3,4 格式存储的SELECT * from test where FIND_IN_SET('15',btype) GROUP_CONCAT + group_by