简单图论:遍历所有最短路径

今天遇到了两道要求遍历所有最短路径的题,我一直做不对的原因竟是我把无向图当成了有向图,郁闷的要死。

解决遍历所有最短路径,其实思路很简单,首先通过经典算法[各种算法,Dijkstra,bellman,floyd求出最短路径的长度,然后就只能DFS来找寻起始点、终点一样,长度为最短路径长度的路径即可,在DFS中可以使用Path[]数组来保存路径。

DFS时注意要剪枝,路径上已经走过的点不要重复走,可以用Visited[]来保存。

这里要注意的是,如果边的权均为正,那么DFS的效率还是挺高的,可以在大于最短路时直接剪掉

如果边权存在负值,DFS就剪不了那么多枝了...

基本的算法如下:

初始时使用DFS(起点,0)即可,其中D表示的是终点,可以作为全局变量,start表示起始点,整个图都使用二维数组来存的,不过转成表算法也差不多。

ansdis表示的是之前求出来的最短路,而shortnum统计最短路径的条数。

void DFS(int start, int dis)
{
     int i,j;
     if(dis>ansdist) return;  //带负权则不可剪枝
     for(i=0;i<N;i++)
     {
         if(!Visited[i] && i!=start && Graph[start][i]!=Infinity)
         {
             if(dis + Graph[start][i] > ansdist) continue; //带负权则不可剪枝
             else if(i==D && dis+Graph[start][i]==ansdist)
             {
                 Path[start]=i;
                 shortnum++;
                 //此时就可以把Path[]路径打印或存储
             }
             else
             {
                 Visited[start]=true;
                 int temp=Path[start];
                 Path[start]=i;
                 DFS(i,dis+Graph[start][i]);
                 Visited[start]=false;
                 Path[start]=temp;
             }
         }
     }
}

 

  • 3
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 图论可以用来解决最短路径问题。最短路径问题是指在一个图中,从一个起点到达一个终点,需要经过若干个节点,每个节点之间有一定的距离或权值,求出从起点到终点的最短路径图论中有多种算法可以解决最短路径问题,其中最常用的是Dijkstra算法和Floyd算法。Dijkstra算法是一种贪心算法,通过不断更新起点到各个节点的距离,最终得到起点到终点的最短路径。Floyd算法则是一种动态规划算法,通过不断更新任意两个节点之间的距离,最终得到起点到终点的最短路径。这些算法可以应用于很多实际问题,如路线规划、网络优化等。 ### 回答2: 图论可以用于解决最短路径问题。最短路径问题是在一个加权有向图中找到从一个起点到一个终点的最短路径图论中的最短路径算法有很多种,其中最著名的是狄克斯特拉算法和弗洛伊德算法。 狄克斯特拉算法是一种单源最短路径算法,可用于解决从一个起点到其他所有顶点的最短路径问题。该算法基于贪心策略,通过逐步扩展当前已知的最短路径来找到从起点到每个顶点的最短路径。狄克斯特拉算法适用于没有负权边的图。 弗洛伊德算法是一种多源最短路径算法,可用于解决任意两个顶点之间的最短路径问题。该算法利用一个动态规划的思想,通过判断经过不同中间顶点的路径是否比直接连接的路径更短,来逐步更新每对顶点之间的最短路径。弗洛伊德算法适用于带负权边的图。 这些算法的核心思想是通过遍历图中的节点和边,使用适当的数据结构(如优先队列)来存储已知的最短路径和待处理的节点,从而逐步更新最短路径并找到最优解。 最短路径问题在现实生活中有很多应用,如导航系统中的最短驾驶路径、通信网络中的最短数据传输路径等。图论中的最短路径算法提供了一种有效的方式来解决这些实际问题,使得我们能够通过数学方法找到最短路径并进行优化。 ### 回答3: 图论是研究图的结构和性质的数学理论,而最短路径是在给定的图中找到两个顶点之间的最短路径图论中有许多算法可以用来解决最短路径问题。 其中最经典的算法是迪杰斯特拉算法(Dijkstra's algorithm)。该算法通过计算从起点到所有其他顶点的距离,并使用一个集合来记录已经找到的最短路径,逐步扩展这个集合,直到找到起点到其他所有顶点的最短路径。迪杰斯特拉算法使用了一个优先队列来选取下一个要处理的顶点,以保证每次都是处理当前距离起点最短的顶点,从而得到最短路径。 另外一个经常用于解决最短路径问题的算法是弗洛伊德算法(Floyd-Warshall algorithm)。该算法通过动态规划的方式计算出任意两个顶点之间的最短路径,在每一次的迭代中,算法选择是否使用中间顶点来缩短路径长度,最终得到最短路径矩阵。 除了这两个经典算法外,还有其他一些算法,如贝尔曼-福特算法(Bellman-Ford algorithm)、A*搜索算法(A* search algorithm)等,它们都可以用图论来解决最短路径问题。 总之,图论最短路径中的应用主要是通过不同的算法来计算出图中两个顶点之间的最短路径。这些算法都利用了图的结构和性质,通过不同的策略和方法来找到最短路径,从而解决实际中的问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值