floyd最短路径算法 java_最短路径—Dijkstra算法和Floyd算法

原文链接：http://www.cnblogs.com/biyeymyhjob/archive/2012/07/31/2615833.html

最后边附有我根据文中Dijkstra算法的描述使用java写的算法实现。

Dijkstra算法

1.定义概览

Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。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。Dijkstra算法是很有代表性的最短路径算法，在很多专业课程中都作为基本内容有详细的介绍，如数据结构，图论，运筹学等等。注意该算法要求图中不存在负权边。

问题描述：在无向图 G=(V,E) 中，假设每条边 E[i] 的长度为 w[i]，找到由顶点 V0 到其余各点的最短路径。(单源最短路径)

2.算法描述

1)算法思想：设G=(V,E)是一个带权有向图，把图中顶点集合V分成两组，第一组为已求出最短路径的顶点集合(用S表示，初始时S中只有一个源点，以后每求得一条最短路径 , 就将加入到集合S中，直到全部顶点都加入到S中，算法就结束了)，第二组为其余未确定最短路径的顶点集合(用U表示)，按最短路径长度的递增次序依次把第二组的顶点加入S中。在加入的过程中，总保持从源点v到S中各顶点的最短路径长度不大于从源点v到U中任何顶点的最短路径长度。此外，每个顶点对应一个距离，S中的顶点的距离就是从v到此顶点的最短路径长度，U中的顶点的距离，是从v到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。

2)算法步骤：

a.初始时，S只包含源点，即S＝{v}，v的距离为0。U包含除v外的其他顶点，即:U={其余顶点}，若v与U中顶点u有边，则正常有权值，若u不是v的出边邻接点，则权值为∞。

b.从U中选取一个距离v最小的顶点k，把k，加入S中(该选定的距离就是v到k的最短路径长度)。

c.以k为新考虑的中间点，修改U中各顶点的距离；若从源点v到顶点u的距离(经过顶点k)比原来距离(不经过顶点k)短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边上的权。

d.重复步骤b和c直到所有顶点都包含在S中。

执行动画过程如下图

3.算法代码实现：

const int MAXINT = 32767;

const int MAXNUM = 10;

int dist[MAXNUM];

int prev[MAXNUM];

int A[MAXUNM][MAXNUM];

void Dijkstra(int v0)

{

bool S[MAXNUM]; // 判断是否已存入该点到S集合中

int n=MAXNUM;

for(int i=1; i<=n; ++i)

{

dist[i] = A[v0][i];

S[i] = false; // 初始都未用过该点

if(dist[i] == MAXINT)

prev[i] = -1;

else

prev[i] = v0;

}

dist[v0] = 0;

S[v0] = true;

for(int i=2; i<=n; i++)

{

int mindist = MAXINT;

int u = v0; 　　 // 找出当前未使用的点j的dist[j]最小值

for(int j=1; j<=n; ++j)

if((!S[j]) && dist[j]

{

u = j; // u保存当前邻接点中距离最小的点的号码

mindist = dist[j];

}

S[u] = true;

for(int j=1; j<=n; j++)

if((!S[j]) && A[u][j]

{

if(dist[u] + A[u][j] < dist[j]) //在通过新加入的u点路径找到离v0点更短的路径

{

dist[j] = dist[u] + A[u][j]; //更新dist

prev[j] = u; //记录前驱顶点

}

}

}

}

4.算法实例

先给出一个无向图

用Dijkstra算法找出以A为起点的单源最短路径步骤如下

Floyd算法

1.定义概览

Floyd-Warshall算法(Floyd-Warshall algorithm)是解决任意两点间的最短路径的一种算法，可以正确处理有向图或负权的最短路径问题，同时也被用于计算有向图的传递闭包。Floyd-Warshall算法的时间复杂度为O(N3)，空间复杂度为O(N2)。

2.算法描述

1)算法思想原理：

Floyd算法是一个经典的动态规划算法。用通俗的语言来描述的话，首先我们的目标是寻找从点i到点j的最短路径。从动态规划的角度看问题，我们需要为这个目标重新做一个诠释(这个诠释正是动态规划最富创造力的精华所在)

从任意节点i到任意节点j的最短路径不外乎2种可能，1是直接从i到j，2是从i经过若干个节点k到j。所以，我们假设Dis(i,j)为节点u到节点v的最短路径的距离，对于每一个节点k，我们检查Dis(i,k) + Dis(k,j) < Dis(i,j)是否成立，如果成立，证明从i到k再到j的路径比i直接到j的路径短，我们便设置Dis(i,j) = Dis(i,k) + Dis(k,j)，这样一来，当我们遍历完所有节点k，Dis(i,j)中记录的便是i到j的最短路径的距离。

2).算法描述：

a.从任意一条单边路径开始。所有两点之间的距离是边的权，如果两点之间没有边相连，则权为无穷大。

b.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。如果是更新它。

3).Floyd算法过程矩阵的计算----十字交叉法

方法：两条线，从左上角开始计算一直到右下角 如下所示

给出矩阵，其中矩阵A是邻接矩阵，而矩阵Path记录u,v两点之间最短路径所必须经过的点

相应计算方法如下：

最后A3即为所求结果

3.算法代码实现

typedef struct

{

char vertex[VertexNum]; //顶点表

int edges[VertexNum][VertexNum]; //邻接矩阵,可看做边表

int n,e; //图中当前的顶点数和边数

}MGraph;

void Floyd(MGraph g)

{

int A[MAXV][MAXV];

int path[MAXV][MAXV];

int i,j,k,n=g.n;

for(i=0;i

for(j=0;j

{

A[i][j]=g.edges[i][j];

path[i][j]=-1;

}

for(k=0;k

{

for(i=0;i

for(j=0;j

if(A[i][j]>(A[i][k]+A[k][j]))

{

A[i][j]=A[i][k]+A[k][j];

path[i][j]=k;

}

}

}

算法时间复杂度:O(n3)

前面是原文使用C语言的实现，我根据描述使用java实现了Dijkstra算法，已测试正确：

packagetest2;importjava.util.ArrayList;importjava.util.Arrays;importjava.util.HashSet;importjava.util.List;importjava.util.Set;public classRouteCaculateTest {public static voidmain(String[] args) {

Set set = new HashSet();

Point[] points= new Point[6];

Route[] routs= new Route[9];

init(points, routs);

Point start= points[0]; //最短路径起始点

start.sPoints= newPoint[]{start};

start.sLens= new int[]{0};

deal(start, routs, set);

System.out.println(points[3]); //计算结束后，每一个节点中的points就是该节点到起始点的最短路径

String deepToString =Arrays.deepToString(points);

System.out.println(deepToString);

}//回调遍历处理每一个节点

private static void deal(Point curr, Route[] routs, Setset) {

set.add(curr);

List list = new ArrayList();for(Route rout : routs){if(rout.p1 == curr && !set.contains(rout.p2)){

rout.p2.caculate(curr, rout.length);

list.add(rout.p2);

}else if(rout.p2 == curr && !set.contains(rout.p1)){

rout.p1.caculate(curr, rout.length);

list.add(rout.p1);

}

}for(Point p : list){

deal(p, routs, set);

}

}//构建节点和路径

static voidinit(Point[] points, Route[] routs){for(int i = 0; i < 6; i++){

points[i]= new Point(i + 1);

}

routs[0] = new Route(points[0], points[1], 7);

routs[1] = new Route(points[0], points[2], 9);

routs[2] = new Route(points[0], points[5], 14);

routs[3] = new Route(points[1], points[2], 10);

routs[4] = new Route(points[1], points[3], 15);

routs[5] = new Route(points[2], points[5], 2);

routs[6] = new Route(points[2], points[3], 11);

routs[7] = new Route(points[3], points[4], 6);

routs[8] = new Route(points[4], points[5], 9);

}

}classRoute{

Point p1;

Point p2;intlength;public Route(Point p1, Point p2, intlength){this.p1 =p1;this.p2 =p2;this.length =length;

}

}classPoint{

Point[] sPoints= null;int[] sLens = null;public Point(intindex){this.index =index;

}public void caculate(Point lastP, intlength) {int old =Integer.MAX_VALUE;if(sLens != null){

old= 0;for(intlen : sLens){

old+=len;

}

}int nLen = 0;for(intlen : lastP.sLens){

nLen+=len;

}

nLen+=length;if(nLen

System.arraycopy(lastP.sPoints,0, this.sPoints, 0, lastP.sPoints.length);this.sPoints[this.sPoints.length - 1] = this;this.sLens = new int[lastP.sLens.length + 1];

System.arraycopy(lastP.sLens,0, this.sLens, 0, lastP.sLens.length);this.sLens[this.sLens.length - 1] =length;

}

}private int index = -1;

@OverridepublicString toString() {

String pointIndexs= "[";for(Point p : sPoints){

pointIndexs+= p.index + ",";

}

pointIndexs= pointIndexs.substring(0, pointIndexs.length() - 1);

pointIndexs+= "]";int tt = 0;for(intlen : sLens){

tt+=len;

}

String lenText= Arrays.toString(sLens) + "(total:" + tt + ")";return "index:" + index + "; path:" + pointIndexs + "; length:" +lenText;

}

}