最短路径算法之三：多源带权图，Floyd算法，python实现

士多碧莉

已于 2022-08-11 11:52:21 修改

阅读量981

点赞数 1

分类专栏： Python 文章标签：算法数据结构图论

于 2022-08-11 10:55:16 首次发布

本文链接：https://blog.csdn.net/weixin_40647516/article/details/126279861

版权

Python 专栏收录该内容

21 篇文章 1 订阅

订阅专栏

其他图的最短路径可以看下我的这两篇：

1、求单源无权图的最短路径，BFS算法，python实现

2、求单源带权图最短路径，Dijkstra算法，python实现

求多源带权图最短路径，就是求任意两个顶点的最短路径，常见的实现思路有很多种，这里介绍两种

对图所有顶点循环一遍 Dijkstra，因为一遍Dijkstra可以求到给定一个起点到任意顶点的最短路径，所以循环一遍所有顶点即可以求任意两顶点的最短路径。
Floyd算法

Floyd算法介绍

$D^{k}[i][j]$ 表示从顶点 Vi 到顶点 Vj 的路径上经过的顶点序号不大于 k 的最短路径长度：

当k=0时， $D^{0}[i][j]$ 表示任意两个结点，仅可能经过顶点0的最短距离

当k=1时， $D^{1}[i][j]$ 表示任意两个结点，仅可能经过顶点0、1的最短距离

当k=k-1时， $D^{k-1}[i][j]$ 表示任意两个结点，仅可能经过顶点0、1、...、k-1的最短距离

当k=k时， $D^{k}[i][j]$ 表示任意两个结点，全图的最短距离

可见，当k=顶点数时，我们即可以求得任意两个顶点的全图最短距离，否则只能求到k-i个顶点的最短距离，不是真正的最短距离。

当 $D^{k-1}$ 已经完成，递推到 $D^{k}$ 时：

如果 Vi -> Vj 的最短路径不经过 k，那么 $D^{k}$ = $D^{k-1}$

反之，如果 Vi -> Vj 的最短路径经过 k，即 { i -> { l<=k } > j } ，那么这条路径必然由两部分组成 $D^{k}[i][j] = D^{i-1}[i][k] + D^{i-1}[k][j]$

代码实现：

class Floyd(IVisitGraph):

    INFINITY = 9999999

    def __init__(self):
        super(Floyd, self).__init__()
        self.dist = [[]]  # dist矩阵 存储i->j的最短路径

    def initVisted(self, g):
        """
        g: 图，矩阵实现
        """
        super(Floyd, self).initVisted(g)

        self.dist = [ [-1 for i in range(g.nV)] for j in range(g.nV)]

        for i in range(g.nV):
            for j in range(g.nV):
                if j == i:
                    self.dist[i][j] = 0
                elif g.G[i][j] < 0:  # 没有边的情况下要更新为无穷大，因为选最短路径
                    self.dist[i][j] = self.INFINITY  
                else:  # 有边则更新为权重
                    self.dist[i][j] = g.G[i][j]  

    def visit(self, g, v: int):
        """
        佛洛伊德算法，解决图的多源最短路问题
        """
        self.g = g
        # 显然时间复杂度V^3
        for k, v in enumerate(range(g.nV)):
            for i, v in enumerate(range(g.nV)):
                for j, v in enumerate(range(g.nV)):
                    # 是否存在顶点K，导致 i->k->j 才是i->j的最短路径
                    # self.dist[i][j] 上一次 D（k-1) 的最短距离
                    # k 影响因子
                    if (self.dist[i][j] > self.dist[i][k]+self.dist[k][j]):
                        self.dist[i][j] = self.dist[i][k]+self.dist[k][j]

以下图为例，拆分一下 $D^{k}$