Java数据结构----图--最短路径解法Dijkstra算法和Floyd算法

最短路径—Dijkstra算法和Floyd算法

1、Dijkstra算法

1.1、定义概览
Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法，在很多专业课程中都作为基本内容有详细的介绍，如数据结构，图论，运筹学等等。注意该算法要求图中不存在负权边。

问题描述：在无向图 G=(V,E) 中，假设每条边 E[i] 的长度为 w[i]，找到由顶点 V0 到其余各点的最短路径。（单源最短路径）

1.2、算法描述
1)算法思想：设G=(V,E)是一个带权有向图，把图中顶点集合V分成两组，第一组为已求出最短路径的顶点集合（用S表示，初始时S中只有一个源点，以后每求得一条最短路径 , 就将加入到集合S中，直到全部顶点都加入到S中，算法就结束了），第二组为其余未确定最短路径的顶点集合（用U表示），按最短路径长度的递增次序依次把第二组的顶点加入S中。在加入的过程中，总保持从源点v到S中各顶点的最短路径长度不大于从源点v到U中任何顶点的最短路径长度。此外，每个顶点对应一个距离，S中的顶点的距离就是从v到此顶点的最短路径长度，U中的顶点的距离，是从v到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。

2)算法步骤：
a.初始时，S只包含源点，即S＝{v}，v的距离为0。U包含除v外的其他顶点，即:U={其余顶点}，若v与U中顶点u有边，则<u,v>正常有权值，若u不是v的出边邻接点，则<u,v>权值为∞。
b.从U中选取一个距离v最小的顶点k，把k，加入S中（该选定的距离就是v到k的最短路径长度）。
c.以k为新考虑的中间点，修改U中各顶点的距离；若从源点v到顶点u的距离（经过顶点k）比原来距离（不经过顶点k）短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边上的权。
d.重复步骤b和c直到所有顶点都包含在S中。

执行动画过程如下图

                                                

代码实现如下：

[java]  view plain  copy

1. public class GraphByMatrix {  
2.     public static final boolean UNDIRECTED_GRAPH = false;//无向图标志  
3.     public static final boolean DIRECTED_GRAPH = true;//有向图标志  
4.   
5.     public static final boolean ADJACENCY_MATRIX = true;//邻接矩阵实现  
6.     public static final boolean ADJACENCY_LIST = false;//邻接表实现  
7.   
8.     public static final int MAX_VALUE = Integer.MAX_VALUE;  
9.     private boolean graphType;  
10.     private boolean method;  
11.     private int vertexSize;  
12.     private int matrixMaxVertex;  
13.   
14.     //存储所有顶点信息的一维数组  
15.     private Object[] vertexesArray;  
16.     //存储图中顶点之间关联关系的二维数组,及边的关系  
17.     private int[][] edgesMatrix;  
18.   
19.     // 记录第i个节点是否被访问过  
20.     private boolean[] visited;  
21.   
22.     /** 
23.      * @param graphType 图的类型：有向图/无向图 
24.      * @param method    图的实现方式：邻接矩阵/邻接表 
25.      */  
26.     public GraphByMatrix(boolean graphType, boolean method, int size) {  
27.         this.graphType = graphType;  
28.         this.method = method;  
29.         this.vertexSize = 0;  
30.         this.matrixMaxVertex = size;  
31.   
32.         if (this.method) {  
33.             visited = new boolean[matrixMaxVertex];  
34.             vertexesArray = new Object[matrixMaxVertex];  
35.             edgesMatrix = new int[matrixMaxVertex][matrixMaxVertex];  
36.   
37.             //对数组进行初始化，顶点间没有边关联的值为Integer类型的最大值  
38.             for (int row = 0; row < edgesMatrix.length; row++) {  
39.                 for (int column = 0; column < edgesMatrix.length; column++) {  
40.                     edgesMatrix[row][column] = MAX_VALUE;  
41.                 }  
42.             }  
43.   
44.         }  
45.     }  
46.   
47.     /********************最短路径****************************/  
48.     //计算一个顶点到其它一个顶点的最短距离  
49.     public void Dijkstra(Object obj) throws Exception {  
50.         Dijkstra(getVertexIndex(obj));  
51.     }  
52.     public void Dijkstra(int v0) {  
53.         int[] dist = new int[matrixMaxVertex];  
54.         int[] prev = new int[matrixMaxVertex];  
55.   
56.         //初始化visited、dist和path  
57.         for (int i = 0; i < vertexSize; i++) {  
58.             //一开始假定取直达路径最短  
59.             dist[i] = edgesMatrix[v0][i];  
60.             visited[i] = false;  
61.   
62.             //直达情况下的最后经由点就是出发点  
63.             if (i != v0 && dist[i] < MAX_VALUE)  
64.                 prev[i] = v0;  
65.             else  
66.                 prev[i] = -1; //无直达路径  
67.         }  
68.   
69.         //初始时源点v0∈visited集，表示v0 到v0的最短路径已经找到  
70.         visited[v0] = true;  
71.   
72.         // 下来假设经由一个点中转到达其余各点,会近些,验证之  
73.         // 再假设经由两个点中转,会更近些,验证之,.....  
74.         // 直到穷举完所有可能的中转点  
75.         int minDist;  
76.         int v = 0;  
77.         for (int i = 1; i < vertexSize; i++) {  
78.             //挑一个距离最近经由点,下标装入 v  
79.             minDist = MAX_VALUE;  
80.   
81.             for (int j = 0; j < vertexSize; j++) {  
82.                 if ((!visited[j]) && dist[j] < minDist) {  
83.                     v = j;                             // 经由顶点j中转则距离更短  
84.                     minDist = dist[j];  
85.                 }  
86.             }  
87.             visited[v] = true;  
88.   
89.             /*顶点v并入S，由v0到达v顶点的最短路径为min. 
90.               假定由v0到v，再由v直达其余各点，更新当前最后一个经由点及距离*/  
91.             for (int j = 0; j < vertexSize; j++) {  
92.                 if ((!visited[j]) && edgesMatrix[v][j] < MAX_VALUE) {  
93.   
94.                     if (minDist + edgesMatrix[v][j] <= dist[j]) {  
95.                         //如果多经由一个v点到达j点的 最短路径反而要短,就更新  
96.                         dist[j] = minDist + edgesMatrix[v][j];  
97.   
98.                         prev[j] = v;                    //经由点的序号  
99.                     }  
100.   
101.                 }  
102.             }  
103.   
104.         }  
105.   
106.         for (int i = 1; i < matrixMaxVertex; i++) {  
107.             System.out.println("**" + vertexesArray[v0] + "-->" +vertexesArray[i] + " 的最短路径是：" + dist[i]);  
108.         }  
109.     }  
110.   
111.     //获取顶点值在数组里对应的索引  
112.     private int getVertexIndex(Object obj) throws Exception {  
113.         int index = -1;  
114.         for (int i = 0; i < vertexSize; i++) {  
115.             if (vertexesArray[i].equals(obj)) {  
116.                 index = i;  
117.                 break;  
118.             }  
119.         }  
120.         if (index == -1) {  
121.             throw new Exception("没有这个值！");  
122.         }  
123.   
124.         return index;  
125.     }  
126.   
127.     /** 
128.      * 单源最短路径算法，用于计算一个节点到其他!!所有节点!!的最短路径 
129.      */  
130.     public void Dijkstra2(int v0) {  
131.         // LinkedList实现了Queue接口 FIFO  
132.         Queue<Integer> queue = new LinkedList<Integer>();  
133.         for (int i = 0; i < vertexSize; i++) {  
134.             visited[i] = false;  
135.         }  
136.   
137.         //这个循环是为了确保每个顶点都被遍历到  
138.         for (int i = 0; i < vertexSize; i++) {  
139.             if (!visited[i]) {  
140.                 queue.add(i);  
141.                 visited[i] = true;  
142.   
143.                 while (!queue.isEmpty()) {  
144.                     int row = queue.remove();  
145.                     System.out.print(vertexesArray[row] + "-->");  
146.   
147.                     for (int k = getMin(row); k >= 0; k = getMin(row)) {  
148.                         if (!visited[k]) {  
149.                             queue.add(k);  
150.                             visited[k] = true;  
151.                         }  
152.                     }  
153.   
154.                 }  
155.             }  
156.         }  
157.     }  
158.   
159.     private int getMin( int row) {  
160.         int minDist = MAX_VALUE;  
161.         int index = 0;  
162.         for (int j = 0; j < vertexSize; j++) {  
163.             if ((!visited[j]) && edgesMatrix[row][j] < minDist) {  
164.                 minDist = edgesMatrix[row][j];  
165.                 index = j;  
166.             }  
167.         }  
168.         if (index == 0) {  
169.             return -1;  
170.         }  
171.         return index;  
172.     }  
173.   
174.     public boolean addVertex(Object val) {  
175.         assert (val != null);  
176.         vertexesArray[vertexSize] = val;  
177.         vertexSize++;  
178.         return true;  
179.     }  
180.   
181.     public boolean addEdge(int vnum1, int vnum2, int weight) {  
182.         assert (vnum1 >= 0 && vnum2 >= 0 && vnum1 != vnum2 && weight >= 0);  
183.   
184.         //有向图  
185.         if (graphType) {  
186.             edgesMatrix[vnum1][vnum2] = weight;  
187.   
188.         } else {  
189.             edgesMatrix[vnum1][vnum2] = weight;  
190.             edgesMatrix[vnum2][vnum1] = weight;  
191.         }  
192.   
193.         return true;  
194.     }  
195.   
196. }  

测试：

[java]  view plain  copy

1. @Test  
2. public void testWeight() throws Exception {  
3.     GraphByMatrix graph = new GraphByMatrix(Graph.UNDIRECTED_GRAPH, Graph.ADJACENCY_MATRIX, 6);  
4.   
5.     graph.addVertex("1");  
6.     graph.addVertex("2");  
7.     graph.addVertex("3");  
8.     graph.addVertex("4");  
9.     graph.addVertex("5");  
10.     graph.addVertex("6");  
11.   
12.     graph.addEdge(0, 1,7);  
13.     graph.addEdge(0, 2,9);  
14.     graph.addEdge(0, 5,14);  
15.   
16.     graph.addEdge(1, 3,15);  
17.     graph.addEdge(1, 2,10);  
18.   
19.     graph.addEdge(2, 3,11);  
20.     graph.addEdge(2, 5,2);  
21.   
22.     graph.addEdge(3, 4,6);  
23.     graph.addEdge(4, 5,9);  
24.   
25.     graph.Dijkstra(0);  
26.     System.out.println();  
27.     graph.Dijkstra("1");  
28.     System.out.println();  
29.     graph.Dijkstra2(0);  
30.     System.out.println();  
31. }  

**1-->2 的最短路径是：7
**1-->3 的最短路径是：9
**1-->4 的最短路径是：20
**1-->5 的最短路径是：20
**1-->6 的最短路径是：11

**1-->2 的最短路径是：7
**1-->3 的最短路径是：9
**1-->4 的最短路径是：20
**1-->5 的最短路径是：20

**1-->6 的最短路径是：11

1-->2-->3-->6-->4-->5-->

2、Floyd算法：读弗洛伊德

1.定义概览
Floyd-Warshall算法（Floyd-Warshall algorithm）又称为插点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负权的最短路径问题，同时也被用于计算有向图的传递闭包。Floyd-Warshall算法的时间复杂度为O(N3)，空间复杂度为O(N2)。

2.算法描述：

1)算法思想原理：
     Floyd算法是一个经典的动态规划算法。用通俗的语言来描述的话，首先我们的目标是寻找从点i到点j的最短路径。从动态规划的角度看问题，我们需要为这个目标重新做一个诠释（这个诠释正是动态规划最富创造力的精华所在）

    从任意节点i到任意节点j的最短路径不外乎2种可能，1是直接从i到j，2是从i经过若干个节点k到j。所以，我们假设Dis(i,j)为节点u到节点v的最短路径的距离，对于每一个节点k，我们检查Dis(i,k) + Dis(k,j) < Dis(i,j)是否成立，如果成立，证明从i到k再到j的路径比i直接到j的路径短，我们便设置Dis(i,j) = Dis(i,k) + Dis(k,j)，这样一来，当我们遍历完所有节点k，Dis(i,j)中记录的便是i到j的最短路径的距离。

2).算法描述：
a.从任意一条单边路径开始。所有两点之间的距离是边的权，如果两点之间没有边相连，则权为无穷大。 　　
b.对于每一对顶点 u 和 v，看看是否存在一个顶点 w 使得从 u 到 w 再到 v 比己知的路径更短。如果是更新它。

3).Floyd算法过程矩阵的计算----十字交叉法
方法：两条线，从左上角开始计算一直到右下角 如下所示

给出矩阵，其中矩阵A是邻接矩阵，而矩阵Path记录u,v两点之间最短路径所必须经过的点

      

相应计算方法如下：

最后A₃即为所求结果

代码如下：

[java]  view plain  copy

1. public void shortestPath_FLOYD() {  
2.      int n = vertexSize;  
3.      int[][] D = new int[n][n];//保存从i到j的最小路径值  
4.      int[][] p = new int[n][n];//保存经过的中间节点  
5.      for (int i = 0; i < n; i++) {//初始化D，p  
6.          for (int j = 0; j < n; j++) {  
7.              if (edgesMatrix[i][j] < Integer.MAX_VALUE) {  
8.   
9.                  p[i][j] = j;  
10.              } else {  
11.                  p[i][j] = -1;  
12.              }  
13.              D[i][j] = edgesMatrix[i][j];  
14.          }  
15.      }  
16.   
17.      for (int x = 0; x < n; x++) {//进行Floyd算法，从0到n-1所有可能进行遍历  
18.          for (int i = 0; i < n; i++) {  
19.              for (int j = 0; j < n; j++) {  
20.                  if (D[i][j] > D[i][x] + D[x][j]) {  
21.                      D[i][j] = D[i][x] + D[x][j];  
22.                      p[i][j] = p[i][x];  
23.                  }  
24.              }  
25.          }  
26.      }  
27.      // 下面对获得的结果进行展示  
28.      for (int i = 0; i < n; i++) {  
29.          for (int j = 0; j < n; j++) {  
30.              System.out.print(" " + D[i][j]);  
31.          }  
32.          System.out.println();  
33.      }  
34.      System.out.println("++++++++++++++++++++++++++++++++++++");  
35.      for (int i = 0; i < n; i++) {  
36.          for (int j = 0; j < n; j++) {  
37.              System.out.print(" " + p[i][j]);  
38.          }  
39.          System.out.println();  
40.      }  
41.      System.out.println("+++++++++++++++++++++++++++++++++++");  
42.      for (int i = 0; i < n; i++) {  
43.          for (int j = 0; j < n; j++) {  
44.              System.out.println("输出i=" + i + "到j=" + j + "最短路径：");  
45.              int k = p[i][j];  
46.              if (k == -1) {  
47.                  System.out.println("没有最短路径");  
48.              } else {  
49.                  System.out.print(" " + k);  
50.                  while (k != j) {  
51.                      k = p[k][j];  
52.                      System.out.print(" " + k);  
53.                  }  
54.                  System.out.println(" "+k);  
55.                  System.out.println();  
56.              }  
57.          }  
58.      }  
59.  }