春季开学第一篇（Graph图+Floyd - Warshall 多源最短路径 + Dijkstra单源最短路径 ）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

有一部分的内容是寒假博客的延申

---

一、关于图的各自术语、概念

图的定义：

一个图（一般记作 G {\displaystyle G} G）由两类元素构成，分别称为“顶点”（或节点、结点）和“边”。每条边有两个顶点作为其端点，我们称这条边“连接”了它的两个端点。因此，边可定义为由两个顶点构成的集合 ----维基百科

通俗地说：许多的点用线连起来 所构成的图形。

有向、无向图：连起节点的线段，可以是有方向的，也可以是无方向的。
上图就是无向图（默认两边都可以到达），加个特定的箭头就是有向的。

加权图：图的边可以赋予各自具体的长度，这就是各自的“权重”

二、存储图的数据结构

1.二维数组（最基本的方法）

map[a][b] 代表从a点到达b点是否有路
1为可以到达，0为不可达到。

先忽略图中的箭头，看成是无向图。
举例：2点与4点是联通的，那么map[2][4]就为1（因为无向，所以map[4][2]也是一样的）。

不难发现，无向图得到的二维数组是以对角线对称的。
毕竟map[a][b]和map[b][a]一样。

接下来看一个有向图
那么得到的就（基本上）不会是对称的了-----图出自《啊哈！算法》

一般像图里的都做如下规定：
map[a][b] 是从a到b
反过来map[b][a]从b到a
毕竟是有向图，所以就不会像之前那样对称了。

三、一些具体问题和算法

1.多源最短路径问题

问题先来个简单的情况：
（我自己画的草图）
A、B两城之间的道路如下，其中很明显可以看到
A可以直接到B，但是绕弯路很远。
A也可以经过C城到达B城，很明显虽然不是直达但是路程近了。
生活经验告诉我们肯定优先选择A-C-B
但是计算机不知道啊！我们如果存放数组肯定就是:
map【A】【B】,map【C】【B】，map【A】【C】
如此存放，哪怕我们知道实际上AC+CB<AB，但是计算机不知道啊！
所以这个算法的任务，就是学会—“看起来绕路、实际上路程更短”
绕路，这个简单的例子中绕的是C。
而真正的问题中可能会有很多的城市，像C这样被绕反而路程短了。
这么些个C，就是**“多源最短路径问题”的“源”**
可能还有D城，让A、B更短，这时候C城我们又不要了；有E、F…
一个个找，直到找到最短的。

当然，“改编不是乱编，戏说不是胡说” ，绕路也不是看见个城市就绕，至少你得保证C城同时和A、B都联通吧！比如：
这咋办？？？
想绕也饶不了。
没路可走肯定不行，有路就一定可以吗？

这种呢？AC有路啊！那map【A】【C】就可行嘛？
不对吧！C—>A可以，A—C 可没路！注意箭头！
所以我们在构建二维数组的时候，就得注意这类情况
map【A】【C】=9999999（即无限大）。

---

通俗例子讲完了，就来说说严谨的解释。

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负权（但不可存在负权回路）的最短路径问题 ----维基百科

此图是《啊哈！算法》的例子
这是根据图上的直接路径得到的路径（即未经过优化的）
现在只允许经过1号顶点，求任意两点的最短路径
**此时我们只需判断e[i][1] + e[1][j] 是否比e[i][j] 要小即可。

for(i=1;i<=n;i++)
    for(j=1;j<=n;j++)
      if ( e[i][j] > e[i][1]+e[1][j] )
           e[i][j] = e[i][1]+e[1][j];
        

代码很简单，遍历二维数组，然后一个个尝试，看i–>j这个路径可否被1号点优化。即：（1号点帮得上忙就来帮）
这时候我们发现，虽然不是全部路线都派上用场了，但是至少也有所收获。

1号点的完成了，那在此基础上，二号点也来帮忙，所以在此前基础上，把二号点也加进来。

//经过1号顶点
for(i=1;i<=n;i++)
   for(j=1;j<=n;j++)
        if (e[i][j] > e[i][1]+e[1][j])
            e[i][j]=e[i][1]+e[1][j];
//经过2号顶点
for(i=1;i<=n;i++)
    for(j=1;j<=n;j++)
        if (e[i][j] > e[i][2]+e[2][j])
            e[i][j]=e[i][2]+e[2][j];

嗯，又好了些。
那么接下来，让三号、四号节点也来帮忙的过程就自然不必多说了。

然后，把1、2、3、4节点 都来帮忙 的过程压缩到一个for循环里，就算是大功告成啦~~~

for(int k = 1 ; k <= n ; k ++)
        for(int i = 1 ; i <= n ; i ++)
                for(int j = 1 ; j <= n ; j ++)
                        if(e[i][j] > e[i][k] + e[k][j])
                                e[i][j] = e[i][k] + e[k][j];

k代表几个节点来帮忙
i、j用来遍历下标。

总结

优点：比较容易容易理解，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(n3)，不适合计算大量数据，当数据稍微大点儿的时候就可以选择其他的算法来解决问题了，不然也会是超时。

2、单源最短路 Dijkstra

话接上文说到最短路径，上次是任意俩点都得给他优化。那这次我们指定一个顶点，以他为C位 ，就想知道他到剩下其他顶点的最短路径，用floyd好像duck不必 O（n³）的时间复杂度，这谁顶的住啊

所以可否空间换时间呢？可以！接下来请出来Dijkstra算法！

老规矩，先上图。这个图，咱们就以一号点为源点，找出剩下其他点，各自与1点的最短路径。

先存储一下图中的信息，老规矩e【A】【B】是A–>B的距离。


dis[2]，就是目前已知的最短的从1到2的路径。

目前已知1–>2 和1–>3，选小的那个:1–>2.
然后找2可以到4点和3点。即2–>4,2–>3也已知了
这时候发现3点好像有两条路：1–>3 和1–>2–>3，依然选择小的那个，
刚才4点也确定了。
到此为止，2的所有出度都已经结束，那么就在已知到1号点距离的点中，找离一号点最近的那个点发起新一轮拓展攻势—4号点目前离一号点最近，就决定是你了！

4–>34、4–>513、4–>615都确定了，找最小的那个！。
4–>34最小！开始比对原来的1—>3,嗯短了些！更新数据！
4–>513次之！开始比对原来的1–>5,好像没变短，嗯不更新！
4–>615最后，之前6号点默认为∞（毕竟没到达过嘛，无历史记录 ），那就勉为其难的先更新一下吧！1—>6==19

四号点的历史使命也完成啦！再一次看谁（2、4都完成使命了，就不管了）离1最近。周而复始~

到最后所有的点都会更新好，这时候，1到所有点的最短距离都有啦~！