本文介绍如何利用动态规划的思想解决有向无环图（DAG）的最短路径问题，通过Floyd-Warshall算法和中间节点的分析，阐述最优子结构的求解过程，并给出Python实现及测试案例。
【小品文】利用动态规划的思想解决DAG（有向无环图）的最短路径问题
为了方便起见，本文所有集合表示采用类似 i～j 的形式，以方便阅读
F l o y d − W a r s h a l l Floyd-Warshall Floyd−Warshall Algorithm
input: adjacency-matrix W
output: shortest path matrix for each node D
从输入输出可见， f l o y d − w a r s h a l l floyd-warshall floyd−warshall 相较 d i j k s t r a dijkstra dijkstra 算法，可以计算出有向无环图任意点与另一点的最短距离
并且运行时间达到了 O ( V 3 ) O(V^3) O(V3) (V为节点个数)
既然是动态规划思想，我们就按部就班地来求得DP的几个关键特征
如何取得最优子结构？
在 F l o y d − W a r s h a l l Floyd-Warshall Floyd−Warshall 算法中，考虑最短路径的中间节点
说白了，就是考虑某个点是否在最短路径上（这里不包括两头节点，即起点和终点）。
假设我们存在点[1, 2, 3, ..., N]
我们要求所有点（1～N）到任意一点（不包括自身）的最短路径，
然而问题似乎仍然相当复杂。
我们就把问题范围缩小
巧妙地考虑中间节点
那么为了方便说明，我们先假设已经求得了的其中一条（比如从 i i i 到 j j j，这里 i , j
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
