Floyd算法

Floyd最短路算法

当初学这个算法的时候，都说是DP思想……但是当时学的匆匆，具体是怎么个DP法确实不大清楚，但是理解这个东西，一旦出了偏差，代码就会莫名爆炸……

其实对于最短路的算法，最重要的步骤其实就是松弛，比如Dijkstra算法，贪心策略就是，每次让到源点距离最近的那个点，去松弛其他的点。

而弗洛伊德算法的基操也是松弛操作，但和单源最短路径的只松弛源点到其他点的距离不同，Floyd算法每次选取一个点，去松弛其他任意两点的最短路径

具体过程可以描述为这样：

整个过程可分为n个阶段，n为图中点的个数
在阶段 $k$，对于$DP[k][i][j]$，我们可以理解为，已经考虑了前 $k$ 个点并使用了第 $k$ 个点做松弛后，点$i$到点$j$的最短距离
则有转移方程：
$DP[k][i][j]=min(DP[k][i][j],DP[k-1][i][k]+DP[k-1][k][j])$

当然，目前看到的算法大多是$DP[i][j]=min(DP[i][j],DP[i][k]+DP[k][j])$，也就是经过了降维。因为对于$DP[k][i][j]$，依赖的历史状态只有 $DP[k-1][i][k]$ 和 $DP[k-1][k][j]$，如果我们进行降维，只要保证在更新$DP[k][i][j]$时，$DP[k-1][i][k]$ 和 $DP[k-1][k][j]$没有被第K阶段更新过即可。

而只有当 $k=i$ 或 $k=j$ 时，$DP[i][j]=min(DP[i][j],DP[i][k]+DP[k][j])$中依赖的两个历史状态可能被第K阶段更新，但是……$k=i$ 或 $k=j$的情况，其实就等价于并没有引入第三点，也就是单纯的两点间距离(比如$k=i$, 则 $DP[i][j]=min(DP[i][j],DP[i][i]+DP[i][j]=DP[i][j])=DP[i][j],$) ，所以即使降了维，算法还是正确的。

既然K表示状态，所以理应在最外层循环……不要学我这个傻傻的把K写在最内层还对程序WA表示一脸懵逼的傻X

code

for(k = 0; k < n; ++ k) { 
	for(i = 0; i < n; ++ i) {
		for(j = 0; j < n; ++ j) {
			if(DP[i][j] > (DP[i][k] + DP[k][j])) {
                 DP[i][j] = DP[i][k] + DP[k][j];
                 path[i][j] = k;//顺便可以记录路径
			}
		}
	}
}