漫画：图的 “多源” 最短路径

 

 

—————  第二天  —————

 

 

 

 

 

 

小灰的思路如下：

第一步，利用迪杰斯特拉算法的距离表，求出从顶点A出发，到其他各个顶点的最短距离：

 

 

第二步，继续使用迪杰斯特拉算法，求出从顶点B出发，到其他各个顶点的最短距离。

第三步，从顶点C出发，到各个顶点的最短距离。

第四步，从顶点D出发......

.......

就像这样，一直遍历到顶点G。

这个思路的时间复杂度是多少呢？

假如图中有n个顶点，如果不考虑堆优化，一次迪杰斯特拉算法的时间复杂度是O（n^2）。所以，把每一个顶点都计算一遍，总的时间复杂度是O（n^3）。

 

 

 

 

————————————

 

 

 

 

 

 

 

举一个栗子：

 

上图的顶点A和顶点C没有直接相连的边，它们之间的直接距离是无穷大。

如果以B作为“中继顶点”，此时A到C的最短路径就是A-B-C，最短距离是3+2=5。

 

 

再举一个栗子：

 

 

上图的顶点A和顶点C直接相连，距离是6。但是存在一条“迂回”路径A-B-C，距离是3+2=5<6。

所以，经过中继顶点B，从A到C的最短距离可以是5。

 

 

 

 

下面我们来看一看Floyd算法的详细步骤。

1.要实现Floyd算法，首先需要构建带权图的邻接矩阵：

在邻接矩阵当中，每一个数字代表着从某个顶点到另一个顶点的直接距离，这个距离是没有涉及到任何中继顶点的。

2.此时假定只允许以顶点A作为中继顶点，那么各顶点之间的距离会变成什么样子呢？

B和C之间的距离原本是无穷大，此时以A为中继，距离缩短为AB距离+AC距离=

5+2=7。

更新对应矩阵元素（橙色区域代表顶点A到其他顶点的临时距离）：

3.接下来以顶点A、B作为中继顶点，那么各顶点之间的距离会变成什么样子呢？

A和D之间的距离原本是无穷大，此时以B为中继，距离缩短为AB距离+BD距离=5+1=6。

A和E之间的距离原本是无穷大，此时以B为中继，距离缩短为AB距离+BE距离=5+6=11。

更新对应矩阵元素（橙色区域代表顶点B到其他顶点的临时距离）：

 

 

4.接下来以顶点A、B、C作为中继顶点，那么各顶点之间的距离会变成什么样子呢？

A和F之间的距离原本是无穷大，此时以C为中继，距离缩短为AC距离+CF距离=2+8=10。

更新对应矩阵元素（橙色区域代表顶点C到其他顶点的临时距离）：

 

.........

.........

以此类推，我们不断引入新的中继顶点，不断刷新矩阵中的临时距离。

最终，当所有顶点都可以作为中继顶点时，我们的距离矩阵更新如下：

 

 

此时，矩阵中每一个元素，都对应着某顶点到另一个顶点的最短距离。

 

为什么这么说呢？让我们回顾一下动态规划的两大要素：

问题的初始状态
问题的状态转移方程式

对于寻找图的所有顶点之间距离的问题，初始状态就是顶点之间的直接距离，也就是邻接矩阵。

而问题的状态转移方程式又是什么呢？

假设新引入的中继顶点是n，那么：

顶点i 到 顶点j 的新距离 = Min（顶点i 到 顶点j 的旧距离，顶点i 到 顶点n 的距离+顶点n 到 顶点j 的距离）

 

final static int INF = Integer.MAX_VALUE;	
public static void floyd(int[][] matrix){	
    //循环更新矩阵的值	
    for(int k=0; k<matrix.length; k++){	
        for(int i=0; i<matrix.length; i++){	
            for(int j=0; j<matrix.length; j++){	
                if(matrix[i][k] == INF || matrix[k][j] == INF) {	
                    continue;	
                }	
                matrix[i][j] = Math.min(matrix[i][j], matrix[i][k] + matrix[k][j]);	
            }	
        }	
    }	
    // 打印floyd最短路径的结果	
    System.out.printf("最短路径矩阵: \n");	
    for (int i = 0; i < matrix.length; i++) {	
        for (int j = 0; j < matrix.length; j++)	
            System.out.printf("%3d  ", matrix[i][j]);	
        System.out.printf("\n");	
    }	
}	
public static void main(String[] args) {	
    int[][] matrix = {	
            {0, 5, 2, INF, INF, INF, INF},	
            {5, 0, INF, 1, 6, INF, INF},	
            {2, INF, 0, 6, INF, 8, INF},	
            {INF, 1, 6, 0, 1, 2, INF},	
            {INF, 6, INF, 1, 0, INF, 7},	
            {INF, INF, 8, 2, INF, 0, 3},	
            {INF, INF, INF, INF, 7, 3, 0}	
    };	
    floyd(matrix);	
}

 

如何在短时间内成为Python工程师？

https://edu.csdn.net/topic/python115?utm_source=cxrs_bw

 

文章来自小灰，小灰的《漫画算法》上市后销量疯涨，出版社加印了好几次！占据各大电商图书板块第一位！

扫码查看详情

小灰把两年多以来积累的漫画作品进行了筛选和优化，并加上了一些更为基础和系统的入门章节，最终完成了本书的六大篇章：

 

第一章 算法概述

介绍了算法和数据结构的相关概念，告诉大家算法是什么，数据结构又是什么，它们有哪些用途，如何分析时间复杂度，如何分析空间复杂度。

第二章 数据结构基础

介绍了最基本的数据结构，包括数组、链表、栈、队列、哈希表的概念和读写操作。

第三章 树

介绍了树和二叉树的概念、二叉树的各种遍历方式、二叉堆和优先队列的应用。

第四章 排序算法

介绍了几种典型的排序算法，包括冒泡排序、快速排序、堆排序、计数排序、桶排序。

第五章 面试中的算法

介绍了10余道职场上流行的算法面试题及详细的解题思路。例如怎样判断链表有环、怎样计算大整数相加等。

掀翻半边天的996又上热搜了，还有往上爬的趋势。这次，你怎么看？

https://edu.csdn.net/topic/ai30?utm_source=cxrs_bw

第六章 算法的实际应用

介绍了算法在职场上的一些应用，例如使用LRU算法来淘汰冷数据，使用Bitmap算法来统计用户特征等。

 

本书是全彩印制，书中的每一章、每一节、每一句话、每一幅图、每一行代码，都经过了小灰和编辑们的精心打磨，力求用最为直白的方式把知识讲明白、讲透彻。

---

扫码或者点击阅读原文购买

添加下方工作人员的微信还可领取优惠券哦

 

码书商店是CSDN专为我们的用户建立的一个商店，这里提供大量的技术书籍，除了书籍我们也提供生活类的相关产品，如耳机、键盘等，或者你们如果有需求也可以联系码书商店的客服或者在公众号下留言你们需要的产品，我们尽量满足大家需求哦。

作为码书商店的运营人员，诚邀你们进入我们的“CSDN码书福利群”，群里会不定时的给大家赠书书籍、优惠券等，有书籍推荐或者物流方面信息也可群里咨询~目前群已满100人，需要加群的请扫下方二维码添加微信，拉你入群哦~