弗洛伊德算法（每一对顶点之间的最短路径）

for( int i = 1 ;i <= vtxnum; ++i )
	for( int j = 1; j <= vtxnum; ++j)  {
		dist[i][j] = cost[i][j];
		if( dist[i][j] < INFINITE) //i到j有边 
			path[i,j] = [i]+[j];
	}
for( k = 1; k <= vtxnum; ++k) //中间点
	for( int i = 1; i <= vtxnum; ++i)
		for(int j = 1; j <= vtxnum ; ++j)
			if( dist[i][k] + dist[k][j] < dist[i][j]) {
				dist[i][j] = dist[i][k]+dist[k][j];
				path[i,j] = path[i,k]+path[k,j];
			}
//dist是两点间最短距离,cost是边权值，path是路径

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：