图的应用 ---- 最短路径

1、

  》》 广度优先搜索查找最短路径只是对无权图而言的，若图是带权图，则把从一个顶点 V0 到图中

       其余任一个顶点 Vi 的一条路径（可能不止一条）上所经过边上的权值之和定义为该路径的带权

        路径长度，把带权路径长度最短的那条路径称作最短路径。

   》》 求解最短路径的算法通常都依赖于一种性质：两点之间的最短路径也包含了路径上其他顶点间

        的最短路径。

   》》 带权有向图的最短路径问题，一般情况下分为两类：

          一类：单源最短路径，即求图中的某一顶点到其他各顶点的最短路径。经典的算法：Dijkstra 算法

                     【迪杰斯特拉算法】。

          二类：每一对顶点间的最短路径 。算法实现： Floyd-Warshall 算法【弗洛伊德算法】

2、Dijkstra 算法求单源最短路径【Dijkstra 算法也是基于“ 贪心策略”的】

     》》 案例：

            

           ***上图的邻接矩阵表示法：【横坐标是１～５；纵坐标是　１～５】

                下面的矩阵用 arcs 表示

　　　　　

　　　　　　补充：如果两个点之间存在有向边，则用权值表示

　　　　　　　　　如果两点之间不存在有向边，则用　∞　表示

　　　　**** 以数字 1 为源头，分别求出 1 到 2、3、4、5 的最短路径

                  ### 借助数组 S[ ] 、数组 dist[ ]

                         数组 S[ ] : 表示的是最短路径的顶点

                         数组 dist[ ] ： 表示的是从源点 1 到其他各顶点当前的最短路径 

                  ### 以 1 到 2 求最短路径为例：

                          1）、初始化。 数组 S[ ] 中的值为 { 1  ， 2 } 

                                                   dist = arcs[1] [2]  = 10  【初始化设置最短路径为 10 】

                          2）、寻找从 1 出发最短路径的终点。从上面的矩阵中得知，此终点是 5 

                          3）、从 5 出发 ， 发现从 5 可以到达 2 。此时计算一次【1-->5 --> 2】

                                                   arcs[1][5] + arcs[5][2] = 8 

                                    发现  arcs[1][5] + arcs[5][2]  < dist ，那么会将 dist 的值设置为 8 。

                           4）、由上的推导可知，从源头 1 到 2 的最短路径为 8 。

                         【1 到其他点的最短路径计算思路与此类似】

   》》注意：如果边上带有负权值， Dijkstra 算法并不适用。

 3、Floyd 算法求各顶点之间最短路径

    》》 Floyd 算法的基本思想：初始时，对于任意两个顶点 Vi 和 Vj ，若它们之间存在边，则以此

           边上的权值作为它们之间的最短路径长度；若它们之间不存在有向边，则以 ∞ 作为它们之间

           的最短路径长度。以后逐步尝试在原路径中加入顶点 k （k= 0 ,1 , 2 ,,,）作为中间顶点。如果

           增加中间顶点后，得到的路径比原来的路径长度减少了，则以此新路径代替原来的路径。

     》》 注意：Floyd 算法允许图中有带负权值的边，但不允许有包含带负权值的边组成的回路。

            Floyd 算法同样也适用于带权无向图，因为带权无向图可以看做是有往返二重边的有向图，

             只要在顶点 Vi 和 Vj 之间存在无向边，就可以看成是在这两个顶点之间存在值相同的两条

             有向边<Vi , Vj> 和 <Vj , Vi> 。