Floyd-Warshall 算法是用于解决全点对最短路径问题的一种经典算法。该算法的目标是计算一个图中每一对顶点之间的最短路径,适用于加权图,并且可以处理有向图和无向图。与 Dijkstra 算法不同,Floyd-Warshall 算法可以处理负权边,但不允许图中存在负权环。
Floyd-Warshall 算法基本思想
Floyd-Warshall 算法通过动态规划的方式逐步改进顶点间的路径估计值,最终找到从任意一个顶点到另一个顶点的最短路径。其核心思想是,依次将每个顶点作为中间点,更新通过这个中间点的可能更短的路径。
关键思想
对于每一对顶点 i
和 j
,如果顶点 k
是一个中间顶点,那么路径 i -> j
的最短距离 dist[i][j]
可以通过比较以下两者来更新:
- 直接从
i
到j
的距离dist[i][j]
。 - 通过顶点
k
作为中间点的路径,即dist[i][k] + dist[k][j]
。
通过不断增加新的中间点,Floyd-Warshall 算法能够在三重循环的过程中更新每一对顶点之间的最短路径。
算法步骤
-
初始化:
- 使用邻接矩阵表示图,其中
dist[i][j]
表示从顶点i
到顶点j
的初始距离。如果i
和j
之间没有边,则dist[i][j]
设为 ∞(代表不可达);如果i == j
,则dist[i][j] = 0
(到自身的距离为 0)。
- 使用邻接矩阵表示图,其中
-
动态规划过程:
- 对于每个中间顶点
k
,尝试通过顶点k
来更新每对顶点i
和j
之间的距离。如果dist[i][k] + dist[k][j] < dist[i][j]
,则更新dist[i][j]
。
- 对于每个中间顶点
-
重复更新:
- 遍历所有可能的中间顶点,最终得到每对顶点之间的最短路径。
伪代码
下面是 Floyd-Warshall 算法的伪代码:
for k from 1 to n: // k 是中间顶点
for i from 1 to n: // i 是起点
for j from 1 to n: // j 是终点
if dist[i][j] > dist[i][k] + dist[k][j]:
dist[i][j] = dist[i][k] + dist[k][j]
时间复杂度
-
时间复杂度:Floyd-Warshall 算法的时间复杂度为 O(n3)O(n^3)O(n3),其中 nnn 是图中顶点的数量。由于该算法需要三重嵌套循环,效率相对较低,但适合处理密集图或当边数接近顶点数平方的情况下使用。
-
空间复杂度:需要 O(n2)O(n^2)O(n2) 的空间来存储所有顶点之间的距离。
适用场景
Floyd-Warshall 算法适用于以下场景:
- 当图中包含负权边时(但不能有负权环)。
- 需要计算所有顶点对之间的最短路径时。
- 图是密集图(顶点之间的边比较多)。
Java 实现
下面是 Floyd-Warshall 算法的 Java 实现:
import java.util.Arrays;
public class FloydWarshallAlgorithm {
// 定义一个常量表示无穷大(不可达)
private static final int INF = 99999;
// Floyd-Warshall 算法实现
public static void floydWarshall(int[][] graph) {
int numVertices = graph.length; // 顶点数量
int[][] dist = new int[numVertices][numVertices];
// 初始化距离数组
for (int i = 0; i < numVertices; i++) {
for (int j = 0; j < numVertices; j++) {
dist[i][j] = graph[i][j];
}
}
// 三重循环更新每一对顶点的最短路径
for (int k = 0; k < numVertices; k++) {
for (int i = 0; i < numVertices; i++) {
for (int j = 0; j < numVertices; j++) {
// 通过 k 更新 i 到 j 的最短路径
if (dist[i][k] + dist[k][j] < dist[i][j]) {
dist[i][j] = dist[i][k] + dist[k][j];
}
}
}
}
// 打印最终的最短路径矩阵
printSolution(dist);
}
// 打印最终的最短路径矩阵
private static void printSolution(int[][] dist) {
System.out.println("从各个顶点到其他顶点的最短距离矩阵:");
for (int i = 0; i < dist.length; i++) {
for (int j = 0; j < dist.length; j++) {
if (dist[i][j] == INF) {
System.out.print("INF ");
} else {
System.out.print(dist[i][j] + " ");
}
}
System.out.println();
}
}
public static void main(String[] args) {
// 示例图的邻接矩阵表示
int[][] graph = {
{0, 3, INF, INF},
{2, 0, INF, 5},
{INF, 1, 0, 2},
{INF, INF, 3, 0}
};
// 执行 Floyd-Warshall 算法
floydWarshall(graph);
}
}
代码解读
-
输入:
- 使用一个二维数组
graph
表示图,其中graph[i][j]
表示从顶点i
到顶点j
的边权值。如果顶点之间没有边,设为INF
表示不可达。
- 使用一个二维数组
-
floydWarshall 方法:
- 初始化距离矩阵
dist
为邻接矩阵。 - 三重循环遍历每个中间顶点
k
,然后尝试更新i -> j
之间的最短路径。
- 初始化距离矩阵
-
路径更新:
- 通过中间顶点
k
,尝试更新dist[i][j]
。如果dist[i][k] + dist[k][j] < dist[i][j]
,则更新为较小的值。
- 通过中间顶点
-
结果输出:
- 使用
printSolution
方法输出最终的最短路径矩阵,若某对顶点之间不可达,则输出INF
。
- 使用
测试数据
示例图的邻接矩阵为:
0 3 INF INF
2 0 INF 5
INF 1 0 2
INF INF 3 0
该矩阵表示:
- 节点 0 到节点 1 的边权为 3,节点 1 到节点 0 的边权为 2。
- 节点 1 到节点 3 的边权为 5,节点 2 到节点 3 的边权为 2,等等。
算法会最终计算出所有顶点对之间的最短路径。
输出结果
执行完 Floyd-Warshall 算法后,最终的最短路径矩阵如下:
0 3 4 6
2 0 3 5
3 1 0 2
5 3 3 0
负权边和负权环
- 负权边:Floyd-Warshall 算法可以处理负权边,因为它在每一步中比较不同路径的权重并选择最小值。然而,它不能处理负权环(从某个顶点出发,经过一系列顶点又回到该顶点,且路径总权重为负)。
- 负权环检测:在 Floyd-Warshall 算法执行结束后,若存在
dist[i][i] < 0
的情况,则说明图中存在负权环。
复杂度分析
- 时间复杂度:由于 Floyd-Warshall 算法需要三重循环遍历所有顶点对和中间顶点,因此时间复杂度为 O(n3),适用于密集图。
- 空间复杂度:需要存储一个 n×n 的距离矩阵,因此空间复杂度为 O(n2)。
总结
Floyd-Warshall 算法是求解全点对最短路径的经典算法,适用于需要处理负权边的场景。它的时间复杂度较高,因此适合处理顶点较少的密集图,而不是稀疏图。如果图中存在负权环,该算法可以用来检测。