数据结构与算法——图的最小路径之弗洛伊德算法

图的最小路径之弗洛伊德算法

实现源码：

typedef int Pathmatirx[MAXVER][MAXVER];
typedef int ShortPathTable[MAXVER][MAXVER];

void ShortestPath_Floyd(MGraph G, Pathmatirx *P, ShortPathTable *D)
{
    int v, w, k;
    for (v = 0; v < G.numVertexes; v++)
    {
        for (w = 0; w < G.numVertexes; w++)
        {
            (*D)[v][w] = G.arc[v][w];//初始话D二维数组为邻接矩阵
            (*P)[v][w] = w;//初始化前驱表的值为w
        }
    }

    for (k = 0; k < G.numVertexes; k++) 
    {
        for (v = 0; v < G.numVertexes; v++) 
        {
            for (w = 0; w < G.numVertexes; w++) 
            {
                if ((*D)[v][w] > (*D)[v][k] + (*D)[k][w]) 
                {
                    (*D)[v][w] = (*D)[v][k] + (*D)[k][w];
                    (*P)[v][w] = (*P)[v][k];
                }
            }
        }
    }

}

1. 初始化结束后D，P两个二维数组的信息如下：

2. 来看下核心循环的执行

    for (k = 0; k < G.numVertexes; k++) 
    {
        for (v = 0; v < G.numVertexes; v++) 
        {
            for (w = 0; w < G.numVertexes; w++) 
            {
                (*D)[v][w] = (*D)[v][k] + (*D)[k][w];
                (*P)[v][w] = (*P)[v][k];
            }
        }
    }

当k = 0时的执行过程分析:

a. 遍历顶点的边数组信息，由于我们在边数组形成的矩阵中使用了极大的不可能值，所以当不存在边的时候具有极大值，所以可以正常的进行如下判断：（两顶点不存在边时和具有极大值，判断已经过滤掉，下面分析不考虑这种不存边的情况）

        if ((*D)[v][w] > (*D)[v][k] + (*D)[k][w]) 
                {
                    (*D)[v][w] = (*D)[v][k] + (*D)[k][w];
                    (*P)[v][w] = (*P)[v][k];
                }

上述代码执行的意义:

• 顶点v-->w的路径是否可用经过顶点K的路径来表示，即是否存在 v-->k --->w；
• 如果存在该路径，比较v-->w的权值 和  v-->k --->w 的权值，如果小于v-->w的权值则更新D[v][w]权值为当前的最小值
• 记录当前存在最小路径经过的下标信息
• D[v][w]代表点到点的最小路径，P[v][w]记录前驱下标的信息

当k = 1 时:

  重复执行以上的判断。。。。

 

最后会得到一个顶点到顶点的最小路径表和下标信息表：

3. 有了D[v][w]和P[v][w]之后如何获取路径：

如v0--->v8的最短路径信息获取：

p[0][8] : v1  --->  p[1][8] : v2  ----> p[2][8] : v4 -----> p[4][8] : v3 ----->  p[3][8] : v6 ----->  p[6][8] : v7 -----> p[7][8] : v8

 

 

以上参考：

• 大话数据结构