c++floyd算法

Floyd算法，又称为Floyd-Warshall算法，是一种经典的动态规划算法，用于求解加权图中所有顶点对之间的最短路径问题。该算法由Robert Floyd和Stephen Warshall在1962年分别独立提出。以下是对Floyd算法的详细剖析：

一、算法原理

Floyd算法的基本思想是通过逐步尝试所有顶点作为中间点，来更新任意两点之间的最短路径。算法假设Dis(i,j)为节点i到节点j的最短路径的距离，对于图中的每一个节点k，算法检查是否通过节点k可以使i到j的路径更短，即检查Dis(i,k) + Dis(k,j) < Dis(i,j)是否成立。如果成立，则更新Dis(i,j)为Dis(i,k) + Dis(k,j)。

二、算法步骤

Floyd算法的实现步骤可以归纳如下：

1. 初始化：
   • 创建一个二维数组dist，用于存储任意两点之间的最短路径长度。初始时，dist[i][j]被设置为节点i到节点j的直接距离（如果节点i和节点j之间有直接连接），否则被设置为无穷大（表示两点之间无直接路径）。
   • 创建一个二维数组path（可选），用于记录最短路径上的中间节点，以便后续恢复最短路径。
2. 逐步更新：
   • 对于图中的每一个节点k（作为中间点）：
     • 遍历所有节点对(i, j)：
       • 如果dist[i][k] + dist[k][j] < dist[i][j]，则更新dist[i][j]为dist[i][k] + dist[k][j]，并更新path[i][j]为k（如果使用了path数组）。
3. 重复更新：
   • 重复步骤2，直到所有节点都作为中间点被考虑过，此时dist数组中存储的就是所有顶点对之间的最短路径长度。
4. 输出结果：
   • 输出更新后的dist数组，即所有顶点对之间的最短路径长度。
   • 如果需要，还可以根据path数组恢复任意两点之间的最短路径。

三、算法复杂度

Floyd算法的时间复杂度为O(n^3)，其中n是图中顶点的数量。这是因为算法需要三层嵌套循环来遍历所有顶点对和中间点。尽管时间复杂度较高，但Floyd算法实现简单，且能够一次性求出所有顶点对之间的最短路径，因此在某些场景下非常有用。

四、算法特点

• 全局性：Floyd算法能够一次性求出图中所有顶点对之间的最短路径，而不仅仅是单个源点到其他所有点的最短路径。
• 动态规划：Floyd算法采用了动态规划的思想，通过逐步更新最短路径长度来求解问题。
• 易于实现：Floyd算法的算法逻辑相对简单，容易理解和实现。

五、应用场景

Floyd算法适用于求解任意两点之间的最短路径问题，特别是在需要频繁查询不同顶点对之间最短路径的场景下。然而，由于其较高的时间复杂度，Floyd算法可能不适合处理大规模图数据。

六、示例

假设有一个简单的加权图，其邻接矩阵如下：

0   INF 3   INF  
INF 0   2   INF  
3   2   0   1  
INF INF 1   0

其中INF表示无穷大，即两点之间无直接路径。应用Floyd算法后，可以得到更新后的最短路径长度矩阵：

0   INF 3   2  
INF 0   2   3  
3   2   0   1  
INF 3   1   0

这表明，例如从顶点0到顶点3的最短路径长度为2，且该路径可能经过顶点2（具体路径取决于path数组的内容）。