图论之Flody

  • Flody算法就是暴力算法,时间复杂度为o(n3),一般数据不超200,是解决任意两点间的最短路径的一种算法,可以正确处理有向图或负权的最短路径问题,同时也被用于计算有向图的传递闭包。
  • 代码如下:
  • 初始化:
  •  #define inf 999999999
            for(i=0;i<n;i++)
                for(j=0;j<n;j++)
                {
                    if(i==j)
                        pic[i][j]=0;
                    else
                        pic[i][j]=inf;
                }
    核心算法:
  • <span style="font-size:18px;"> for(i=0;i<n;i++)//Floyd算法,暴力,但一般数据不能超过200
                for(j=0;j<n;j++)
                    for(k=0;k<n;k++)
                        pic[j][k]=min(pic[j][k],pic[j][i]+pic[i][k]);</span>

    这里还要明白pic【i】【j】的意思,表示的是i点到j点的最小路径
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Floyd算法是一种用于解决图最短路径问题的经典算法之一。在MATLAB,你可以通过以下步骤来实现Floyd算法: 1. 定义图的邻接矩阵表示。假设图有n个顶点,那么可以创建一个n×n的矩阵来表示图的连接情况,矩阵元素值表示两个顶点之间边的权重。如果两个顶点不直接相连,则可以用一个很大的值(比如inf)表示它们之间没有直接连接。 2. 初始化距离矩阵。创建一个与邻接矩阵相同大小的矩阵,用来存储任意两个顶点之间的最短路径距离。初始时,将距离矩阵初始化为邻接矩阵。 3. 使用双重循环进行迭代更新。通过遍历每一个顶点作为间节点,更新距离矩阵任意两个顶点之间的最短路径距离。具体更新方法是通过比较当前路径和经过间节点路径的距离,选择最小值进行更新。 4. 迭代完成后,距离矩阵的值就是图任意两个顶点之间的最短路径距离。 下面是一个MATLAB示例代码实现Floyd算法: ```matlab function shortestPaths = floyd(adjMatrix) n = size(adjMatrix, 1); shortestPaths = adjMatrix; for k = 1:n for i = 1:n for j = 1:n shortestPaths(i,j) = min(shortestPaths(i,j), shortestPaths(i,k) + shortestPaths(k,j)); end end end end ``` 在这个示例,`adjMatrix`是输入的邻接矩阵,`shortestPaths`是输出的最短路径距离矩阵。通过调用`floyd`函数,你可以得到一个计算出的最短路径距离矩阵。请确保你提供的邻接矩阵是合法的,并且没有负权重边,因为Floyd算法不支持负权重边。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值