铁水调度的路径规划—最短路径的两种算法

背景介绍

小编接到一个铁水运输的调度任务，该任务暂定分为三部分，第一期定为较简单的路径规划（指定机车头的起始、终点位置），确定最优路径。
实际任务的路径规划，了解业务逻辑后发觉，其实往往现实生活中与算法有一定区别:比如客户有时候最关心的问题不是最短、最优，而是你在一个合理的范围内，安全、稳定是系统的首要前提，但是也不逼逼了，直接上今天我学到的这两个算法。

Dijkstra算法

一、最短路径
显而易见，在非网图中，最短路径是指两顶点经历的边数最少的路径；而在网图中，最短路径是指两顶点间经历的权值之后最短的路径。

AE：1 ADE：2 ADCE：3 ABCE：3

AE：100 ADE：90 ADCE：60 ABCE：70

然后该算法的思想很简单，属于贪心算法，具体如下：
1、指定一个节点，例如我们要计算 ‘A’ 到其他节点的最短路径
引入两个集合（S、U），S集合包含已求出的最短路径的点（以及相应的最短长度），U集合包含未求出最短路径的点（以及A到该点的路径，注意 如上图所示，A->C由于没有直接相连 初始时为∞）

2、初始化两个集合，S集合初始时 只有当前要计算的节点，A->A = 0，
U集合初始时为 A->B = 4, A->C = ∞, A->D = 2, A->E = ∞，敲黑板！！！接下来要进行核心两步骤了

3、从U集合中找出路径最短的点，加入S集合，例如 A->D = 2
4、更新U集合路径，if ( ‘D 到 B,C,E 的距离’ + ‘AD 距离’ < ‘A 到 B,C,E 的距离’ ) 则更新U
循环执行 4、5 两步骤，直至遍历结束，得到A 到其他节点的最短路径

其实吧（参考https://www.jianshu.com/p/ff6db00ad866）
就是如果确定了A-D的的距离最短为2，则下一步的更新条件为：“D到B、C、E的距离”+“AD最短距离”<A到B、C、E的距离 则更新

Floyd算法

今天我们讨论的是floyd算法,它用于解决多源最短路径问题,算法时间复杂度是O(n3).floyd算法为什么经典,因为它只有5行(或者4行)!!!
是的,没有特意的写成一行的代码.

这个算法短的离谱,以致于我们通常直接将它背了下来当模板使用,而不像学dijkstra那时候一步步理解它是如何贪心的。至于为什么这四步就能找到任意两点的最短路径呢？精妙之处，就是在K放在最外层。
我们可以利用归纳法，证明得到一个很致命的结论:
假设i和j之间的最短路径上的结点集里(不包含i,j),编号最大的一个是x.那么在外循环k=x时,d[i][j]肯定得到了最小值。
证明过程参考博客https://blog.csdn.net/xianpingping/article/details/79947091