图论：最短路径——Floyd（弗洛伊德）算法

求任意两点间的最短路径

思路——动态规划

1. 假设一个邻接矩阵 M，初始时刻，任意两个节点之间的距离就是邻接矩阵，因此将 dp 矩阵初始化为邻接矩阵，也就是边界条件。定义一个 path 矩阵记录任意两个节点之间的第一个中转节点，path 矩阵的初始值是终点节点自身。
2. 然后每次选择一个节点加入路径作为中转节点，并更新 dp 矩阵，状态转移方程为：M[i][j] = min(M[i][j], M[i][k] + M[k][i])。将 dp 矩阵中路径值发生变化的两个节点的 path 更新为 : path[i][j] = path[i][k]。
3. 直到最后选择完所有节点加入路径作为中转节点，最后的 dp 矩阵就是任意两点间的最短路径，path 矩阵就是任意两个节点之间的第一个中转节点。
4. 想要知道两个节点 u 和 v 之间最短路径上的节点，可以通过 path 矩阵。
   4.1 首先查询 path 矩阵中，节点 u 和节点 v 之间的第一个中转节点 path[u][v] = k，加入栈。
   4.2 然后查询该中转节点 k 和节点 v 之间的中转节点 path[k][v]，加入栈。
   4.3 重复查询中转节点，直到找到终点节点 j，加入栈。
   4.4 最后栈底到栈顶就是节点 u 到节点 v 的最短路径上的节点。

python代码

import copy
import math


def floyd(graph):
    node_num = len(graph)
    dist = copy.deepcopy(graph)
    path = [[i for i in range(node_num)] for _ in range(node_num)]
    for k in range(node_num):
        for i in range(node_num):
            for j in range(node_num):
                temp, dist[i][j] = dist[i][j], min(dist[i][j], dist[i][k] + dist[k][j])
                if dist[i][j] != temp:
                    path[i][j] = path[i][k]

    return dist, path


if __name__ == '__main__':
    graph = [[0, 3, 4],
             [3, 0, math.inf],
             [4, math.inf, 0]]
    dist, path = floyd(graph)