弗洛伊德算法简介
1) 和 Dijkstra 算法一样,弗洛伊德(Floyd)算法也是一种用于寻找给定的加权图中顶点间最短路径的算法。
2) 弗洛伊德算法(Floyd)计算图中各个顶点之间的最短路径
3) 迪杰斯特拉算法用于计算图中某一个顶点到其他顶点的最短路径。
4) 弗洛伊德算法 VS 迪杰斯特拉算法:迪杰斯特拉算法通过选定的被访问顶点,求出从出发访问顶点到其他顶点的最短路径;弗洛伊德算法中每一个顶点都是出发访问点,所以需要将每一个顶点看做被访问顶点,求出从每 一个顶点到其他顶点的最短路径。
弗洛伊德算法分析
算法基本流程
1) 设置顶点 vi 到顶点 vk 的最短路径已知为 Lik,顶点 vk 到 vj 的最短路径已知为 Lkj,顶点 vi 到 vj 的路径为 Lij, 则 vi 到 vj 的最短路径为:min((Lik+Lkj),Lij),vk 的取值为图中所有顶点(作为中间顶点),则可获得 vi 到 vj 的最短路径。
2) 至于 vi 到 vk 的最短路径 Lik 或者 vk 到 vj 的最短路径 Lkj,是以同样的方式获得。
3)通过迭代遍历即可得到最短路径。
举例说明
1) 胜利乡有 7 个村庄(A, B, C, D, E, F, G)
2) 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5 公里
3) 问:如何计算出各村庄到 其它各村庄的最短距离?
分析
1.在还未迭代时,首先要给出初始各个顶点的距离表,根据村庄的图即可获取,其实就是图的邻接矩阵,其中未连通的用极大值表示,如用N表示。初始各顶点之间的距离表如下:
2.初始顶点的前驱节点表也要列出来,便于后续遍历迭代寻找新的前驱节点,初始情况下,顶点的前驱节点就是自己本身,初始顶点前驱节点表如下:
3.接着开始循环寻找:
第一轮循环中,以 A(下标为:0)作为中间顶点【即把 A 作为中间顶点的所有情况都进行遍历, 就会得到更新距离表 和 前驱关系】, 距离表和前驱关系更新为新的情况,分析如下:
1) 以 A 顶点作为中间顶点是,B->A->C 的距离由 N->9,同理 C 到 B;C->A->G 的距离由 N->12,同理 G 到 C,因此将距离值替换成较小的距离值,并将前驱节点进行更新。
替换更新过程如下:
得到新的距离表和前驱节点表如下:
2) 接着,更换中间顶点,循环执行操作,直到所有顶点都作为中间顶点更新后,计算结束。
后续循环更新的过程如下图分析:
通过上述图解可以发现,遍历得到每个顶点到其他顶点的最短路径,需要三层循环,因此弗洛伊德算法的复杂度为: O(n^3),时间复杂度较高。
代码实现
代码如下:
-
package com.study.Floyd;
-
import java.util.Arrays;
-
/**
-
* @author 漂亮小小
-
* @version 1.0
-
* 弗洛伊德算法
-
*/
-
public class FloydAlgorithm {
-
public static void main(String[] args) {
-
//测试图是否创建成功
-
char[] vertex = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
-
//创建原始邻接矩阵
-
int[][] matrix = new int[vertex.length][vertex.length];
-
final int N = 65535;//表示最大,走不通
-
matrix[0] = new int[]{0, 5, 7, N, N, N, 2};
-
matrix[1] = new int[]{5, 0, N, 9, N, N, 3};
-
matrix[2] = new int[]{7, N, 0, N, 8, N, N};
-
matrix[3] = new int[]{N, 9, N, 0, N, 4, N};
-
matrix[4] = new int[]{N, N, 8, N, 0, 5, 4};
-
matrix[5] = new int[]{N, N, N, 4, 5, 0, 6};
-
matrix[6] = new int[]{2, 3, N, N, 4, 6, 0};
-
//创建图对象
-
Graph graph = new Graph(vertex.length, matrix, vertex);
-
graph.show();
-
//调用弗洛伊德算法
-
System.out.println("===========弗洛伊德算法后的最短路径===============");
-
graph.floyd();
-
graph.show();
-
}
-
}
-
//创建图
-
class Graph {
-
private char[] vertex;//存放顶点的数组
-
private int[][] dis;//存放 从各个顶点出发,到其他顶点的距离;;最终结果存放在这
-
private int[][] pre;//保存到达目标顶点的前驱顶点 动态变化,,相当于存放中间节点
-
//构造器
-
/**
-
* @param length 大小
-
* @param matrix 初始邻接矩阵
-
* @param vertex 顶点数组
-
*/
-
public Graph(int length, int[][] matrix, char[] vertex) {
-
this.vertex = vertex;
-
this.dis = matrix;//接收邻接矩阵
-
this.pre = new int[length][length];//动态生成 new
-
//对前驱pre初始化,存放前驱顶点的下标
-
for (int i = 0; i < length; i++) {
-
Arrays.fill(pre[i], i);//下标初始化就是自己
-
}
-
}
-
//显示pre数组和dis数组
-
public void show() {
-
//为了提高可读性,优化一下
-
char[] vertex = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
-
for (int k = 0; k < dis.length; k++) {
-
//先将pre数组输出
-
//pre数组的一行数据
-
for (int i = 0; i < dis.length; i++) {
-
System.out.print(vertex[pre[k][i]] + " ");
-
}
-
System.out.println();
-
//dis数组的一行数据
-
for (int i = 0; i < dis.length; i++) {
-
System.out.print("(" + vertex[k] + "-" + vertex[i] + "最短路径" + dis[k][i] + ") ");
-
}
-
System.out.println();//换行
-
}
-
}
-
//弗洛伊德算法
-
public void floyd() {
-
int len = 0;//保存距离
-
//3层for循环
-
//对中间顶点的遍历 k是中间顶点的下标
-
for (int k = 0; k < dis.length; k++) {//中间顶点 依次为 A-B-C-D-E-F-G
-
for (int i = 0; i < dis.length; i++) {//出发顶点 依次为 A-B-C-D-E-F-G
-
for (int j = 0; j < dis.length; j++) {//终点 依次为 A-B-C-D-E-F-G
-
len = dis[i][k] + dis[k][j];//出发到中间到终点的距离
-
if(len < dis[i][j]) {//len < dis[i][j]表示当前距离小,则要更新距离
-
dis[i][j] = len;//更新
-
pre[i][j] = pre[k][j];//更新前驱顶点
-
}
-
}
-
}
-
}
-
}
-
}
结果