离散数学中Warshall算法简析
最近学了离散数学的图论,突然感觉离散数学的作用十分强大,相信学好离散数学中的算法,编程的魅力也不言而喻。闲话不多说,这篇博客中记录的是Warshall算法的简单解析及C++代码实现。
问题引出:在一个图结构中,常常需要找两个节点之间有没有一条通路(通路长任意),也就是任意两点之间的可达情况,我们很自然会联想到用邻接矩阵来求可达矩阵,从而得出两点之间的可达情况。如:
在这个图中,可以写出其邻接矩阵为:
0 1 1 1
1 0 0 0
1 0 0 1
1 0 1 0
记为矩阵A。那么很明显在图中,V2与V1存在直接通路(即长是1),V1与V4之间也有直接通路,但是V2与V4之间没有长度是1的通路,但是存在边长是2的通路,然而这在矩阵A中没有相应的体现,因为矩阵元素M(2,4) == 0,于是我们找任意图中一点Vk,只要满足V(2k)乘以V(k4)!= 0[注意:括号中指的是下标],则证明V2可以借助Vk(此图中指的是V1)与V4连通。
以此类推,当想得到任意一点与其他各点通路是2的连接的时候(这里指的是Vi,Vj两点)就可以逐个计算满足:V(ik)乘以V(kj)!= 0的,而V(ik)乘以V(kj)正好是求矩阵A乘以矩阵A的过程,所以矩阵A的平方就可以反应出通过边长为2图中各点之件的可达情况,以此类推,A的3次方、A的4次方……,分别表示了边长是3、边长是4……的可达情况,现在把所有可能长度的通路可达情况加起来(即A1方 + A2方 + A3方 +……),就可以得到近似可达矩阵。
为什么这里说是近似的可达矩阵?因为一个复杂的图中(如互联网模型),通路的长度成千上百都可能,那到底应该加到A的几次方才算有保证呢?很明显,这个算法存在局限性,对于简单的图还凑合,复杂的图就没有全面的保障了。Warshall算法就是为了求一个可靠的可达矩阵。
算法的自己的语言描述:依次遍历邻接矩阵中的所有元素(M[i,j]),比如按照先列后行进行,如果M[i,j] != 0,那么就把i行加到第j行上。
算法的代码描述:
#include <iostream>
using namespace std;
#define COLUMNS 4
#define ROWS 4
void Warshall(int nearArra[ROWS][COLUMNS]);
int main()
{
//定义邻接矩阵
//此处手动输入图的矩阵表示数据
int nearArra[4][4] = { { 1, 1, 0, 0 },
{ 0, 0, 1, 0 },
{ 0, 1, 0, 0 },
{ 0, 1, 0, 0 } };
Warshall(nearArra);
//输出...
for (int i = 0; i < 4; i++) {
for (int j = 0; j < 4; j++) {
if (nearArra[i][j] != 0) {
cout << 1 << " ";
}
else {
cout << 0 << " ";
}
}
cout << endl;
}
system("pause");
return 0;
}
void Warshall(int nearArra[ROWS][COLUMNS]) {
//Warshall算法求运用邻接矩阵求图中所有可能的通路(即可达矩阵)
//参数 : 图的邻接矩阵
for (int i = 0; i < COLUMNS; i++) {
for (int j = 0; j < ROWS; j++) {
if (0 != nearArra[j][i]) {
//若此位置是1,此位置对应的列序号的行(即i)加到当前位置的行(即j)上
for (int k = 0; k < COLUMNS; k++) {
nearArra[j][k] += nearArra[i][k];
}
}
}
}
}
还是代码更容易理解些,就是首先运用于二重循环做矩阵的遍历,然后如果满足条件就开始执行I行加到j行的操作,最终在主函数中输出。(注意这里是给定一个矩阵)代码输入
。经过算法处理后矩阵是:
当然这只是单纯的方法,他有许多其他的应用,后续研究时会继续更新,有错误和疑问及时讨论,希望大家支持!最后附上一个不错的关文章:
Warshall算法的C语言实现