11.23 — 11.29 最短路径算法理解（Dijkstra算法和Floyd算法）

Dijkstra（迪杰斯特拉）算法

主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止，类似于BFS，prim算法。Dijkstra算法能得出最短路径的最优解，但由于它遍历计算的节点很多，所以效率低。 是很经典的最短路径算法。

搬运一个算法描述：
（1）S为已经找到的从v出发的最短路径的终点集合，它的初始状态为空集，那么从v出发到图中其余各顶点（终点）vi（vi∈V-S）可能达到的最短路径长度的初值为：

     d[i] = arcs[LocateVex(G, v)][i]，vi∈V

（2）选择vj，使得 d[j] = Min{d[i]|vi属于V-S}，vj就是当前求得的一条从v出发的最短路径的终点。令S=S∪{j}；

（3）修改从v出发到集合V-S上任一顶点vk可达的最短路径长度。如果 d[j] + arcs[j][k] < d[k]， 则修改d[k]为：d[k] = d[j] + arcs[j][k]；

（4）重复（2），知道所有顶点都包含在S中，此时得到v到图上其余各顶点的最短路径是依路径长度递增的序列。

个人理解是，将结点分为两个集合S和U，S集合中初始存放源结点，U中存放剩下的结点。从源结点向外层层扩展，选择权值sum最小的路径，属于一种贪心算法。扫描过的结点从U中取出放入S集合中，直至U集合为空为止。

具体图例与算法执行步骤：
（从A开始，到各节点的最短路径）

具体执行步骤如下图所示：

Floyd（弗洛伊德）算法

弗洛伊德（Floyd）算法是解决任意两点间的最短路径的一种经典的动态规划算法，可以正确处理有向图或有向图或负权（但不可存在负权回路)的最短路径问题，同时也被用于计算有向图的传递闭包。

算法描述
1）首先把初始化距离dist数组为图的邻接矩阵，路径数组path初始化为-1。其中对于邻接矩阵中的数首先初始化为正无穷，如果两个顶点存在边则初始化为权重 　　
2）对于每一对顶点 u 和 v，看看是否存在一个顶点 w 使得从 u 到 w 再到 v 比己知的路径更短。如果是就更新它。
假设Dis(i,j)为节点i到节点j的最短路径的距离
状态转移方程为
如果 dist [i][k] + dist [k][j] < dist[i][j]
则dist [i][j] = dist [i][k] + dist [k][j]

个人理解：从一个结点到另一个结点只会存在两种情况，一种是一个结点直接达到另一个结点（也就是不通过别的结点），另一种就是通过一个或者多个别的结点从而达到目标结点。 那么每一步骤只需要判断一下是否存在中间结点K 使得 Dis(i,k) + Dis(k,j) < Dis(i,j) 就行了。

搬运的执行步骤图解：

第一步，我们先初始化两个矩阵，得到下图两个矩阵（矩阵D中顶点a[i][j]的距离为顶点i到顶点j的权值，矩阵P中的元素b[i][j]，表示顶点i到顶点j经过了b[i][j]记录的值所表示的顶点。）：


第二步，以v1为中阶，更新两个矩阵：
发现，a[1][0]+a[0][6] < a[1][6] 和a[6][0]+a[0][1] < a[6][1]，所以我们只需要矩阵D和矩阵P，结果如下：


通过矩阵P，我发现v2–v7的最短路径是：v2–v1–v7

第三步：以v2作为中介，来更新我们的两个矩阵，使用同样的原理，扫描整个矩阵，得到如下图的结果：


他每次都会选择一个中介点，然后，遍历整个矩阵，查找需要更新的值。

过程图转载自：https://blog.csdn.net/qq_35644234/article/details/60875818