一、算法介绍
算法的特点:
弗洛伊德算法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有向图或负权(但不可存在负权回路)的最短路径问题,同时也被用于计算有向图的传递闭包。
Floyd算法适用于APSP(All Pairs Shortest Paths,多源最短路径),是一种动态规划算法,稠密图效果最佳,边权可正可负。此算法简单有效,由于三重循环结构紧凑,对于稠密图,效率要高于执行|V|次Dijkstra算法,也要高于执行|V|次SPFA算法。
优点:容易理解,可以算出任意两个节点之间的最短距离,代码编写简单。
缺点:时间复杂度比较高,不适合计算大量数据。
二、示例演示
三、程序代码分析
建立两个矩阵,一个为存放图的顶点和边的邻接矩阵,一个为存放任意两个顶点之间经过的顶点的矩阵。
注意的是P矩阵里面的数据b[i][j]的值以j为准,所以每一列到哪里都是以j为准。
假设图G中顶点个数为N,则需要对矩阵D和矩阵P进行N次更新。
这里的N就是中间的中介点,总共三个for循环,其中最外面的就是中介点的for循环。
四、程序编写
#pragma once
#include<iostream>
using namespace std;
#include<string>
#define INTMAX 65535
//存储图信息:6个顶点8条边
int a[6][6] =
{ { 0, INTMAX, 10, INTMAX, 30, 100 },
{ INTMAX, 0, 5, INTMAX, INTMAX, INTMAX },
{ INTMAX, INTMAX, 0, 50, INTMAX, INTMAX },
{ INTMAX, INTMAX, INTMAX, 0, INTMAX, 10 },
{ INTMAX, INTMAX, INTMAX, 20, 0, 60 },
{ INTMAX, INTMAX, INTMAX, INTMAX, INTMAX, 0 }
};
//存储每个点到各个顶点的最短路径经过的顶点(分步完成)
int b[6][6] =
{ { 0, 1, 2, 3, 4, 5 },
{ 0, 1, 2, 3, 4, 5 },
{ 0, 1, 2, 3, 4, 5 },
{ 0, 1, 2, 3, 4, 5 },
{ 0, 1, 2, 3, 4, 5 },
{ 0, 1, 2, 3, 4, 5 }
};
//floyd算法
void floyd(){
//经过中介点的值是否小于
for (int i = 0; i < 6; i++){
for (int j = 0; j < 6; j++){
for (int k = 0; k < 6; k++){
if (a[j][i] + a[i][k] < a[j][k]){
a[j][k] = a[j][i] + a[i][k];
b[j][k] = b[j][i];
}
}
}
}
}
void main(){
floyd();
int row = 0;
int col = 0;
int temp = 0;
for (row = 0; row < 6; row++) {
for (col = row + 1; col < 6; col++) {
cout << "v" << to_string(row + 1) << "---" << "v" << to_string(col + 1) << " weight: "
<< a[row][col] << " path: " << " v" << to_string(row + 1);
temp = b[row][col];
//循环输出途径的每条路径。
while (temp != col) {
cout << "-->" << "v" << to_string(temp + 1);
temp = b[temp][col];
}
cout << "-->" << "v" << to_string(col + 1) << endl;
}
}
system("pause");
}