floyd算法_floyd是几层循环-CSDN博客

本文链接：https://blog.csdn.net/weixin_45436831/article/details/119053926

前言

建模时候遇到了一个多源路线最短问题，想到了floyd算法，尝试用python记录了下来，也算是python的一个学习过程。(实际上python上手还是挺容易的，python有一个强大的社区，你遇到不懂得问题只需要搜索，然后调用相关API即可)。

算法原理

Dijkstra

我们先回顾一下图论中另外一种算法：Dijkstra算法
在图论中，寻找最短路径除了Dijkstra算法以外，还有Floyd算法也非常经典，Floyd算法主要计算多元最短路径。
在求单元正权值最短路径时，我们会用Dijkstra算法来求解，算法思想也很简单——贪心算法：传送门
，Dijkstra算法的思想很容易接收，但实际上实现是非常麻烦的，而对于多源（n）结点最短路径中，Dijkstra算法也能求解，只需要将Dijkstra封装一下，然后执行n次即可，但是代码量巨大，对我来说实现困难。

Floyd

Floyd算法又称为插点法，是一种利用动态规划（dp）的思想寻找给定的加权图中多源点之间最短路径的算法。>

    for k in range(0,92):
        for i in range(0, 92):
            for j in range(0, 92):
                len=distance[i][k]+distance[k][j]
                distance[i][j]=min(distance[i][j],distance[i][k]+distance[k][j])

如上，Floyd算法就是三层for循环第一层为一次遍历每个结点，二三层：如果ij两点之间的距离<i经过k再到j的距离，那么就修改ij之间的距离。算法简单,但需要理解，简单来说就是对邻接矩阵进行遍历，所以我们在此之前需要提前构建好邻接矩阵（n阶的一个方阵）。
如果你已经有各个结点之间的关系对和各个结点的左边，那么用python构建邻接矩阵相当方便
如下例
我已从excel中获取了各个结点的编号和坐标，以[(编号,x坐标,y坐标)]的形式存放在AllPoint这个list中。共92个结点
接着我又从excel中获取了结点关系对，即两两直接相连结点的编号，以[(A结点编号,B结点编号)]的形式存放在road这个list中。共140条道路。

生成92阶 0方阵

#先生成0矩阵
    relation_matrix = [[0 for i in range(92)] for j in range(92)]
# 转成int
    for i in range(0, 92):
        for j in range(0, 92):
            relation_matrix[i][j] = (int)(relation_matrix[i][j])

生成邻接矩阵

遍历road列表，把直接相连的两个点的距离算出，改写进邻接矩阵

#################   道路关系邻接矩阵矩阵   ##############   92*92
    for i in range(0,len(road)):
        x_index=(int)(road[i][0])
        y_index=(int)(road[i][1])
        relation_matrix[x_index-1][y_index-1]=relation_matrix[y_index-1][x_index-1]=math.sqrt((AllPoint[x_index-1][1]-AllPoint[y_index-1][1])**2+(AllPoint[x_index-1][2]-AllPoint[y_index-1][2])**2)

将邻接矩阵正对角线置为0，其余不能直达的两点置为inf（无穷）

    for i in range(0,92):
        for j in range(0,92):
            if relation_matrix[i][j]==0:
                relation_matrix[i][j]=float("inf")
        relation_matrix[i][i]=0
        # 打印输出邻接矩阵
        print(relation_matrix[i])

由于矩阵比较大，暂截一部分，可以看到邻接矩阵构造完毕，明显看出此为一个对称方阵
在这里插入图片描述
我们对邻接矩阵深拷贝进distance中，distance用来存放最终的各个点之间最短距离

distance=copy.deepcopy(relation_matrix)

准备工作就绪，我们开始执行我们的Floyd算法：

##########################  弗洛伊德算法  ##############
    for k in range(0,92):
        for i in range(0, 92):
            for j in range(0, 92):
                len=distance[i][k]+distance[k][j]
                distance[i][j]=min(distance[i][j],distance[i][k]+distance[k][j])
    for i in range(0,92):
 		距离矩阵输出
        print(distance[i])

输出结果：

可以看到各点之间的距离都已算出
在这里插入图片描述

实际上，这种邻接矩阵的构造并不是很好，邻接矩阵是一个对称方正，这样构造矩阵多占用了一半的内存资源，造成浪费。

在跑程序的时候，如果矩阵长度太大，稍微多两层循环，matlab会报错matrix长度过大，java会栈溢出，python则会出现超时现象。如果你不想花费时间想其他算法（但也大多会出现同样情况），这时候就要对矩阵进行压缩处理。

邻接矩阵压缩存储

让我们再来回看一下邻接矩阵形式。
在这里插入图片描述
很显然，矩阵中的上三角或下三角是多余的。我们这里去掉上三角，保留下三角，并给他转换成一维的形式（如果只是单纯对上三角赋空，还是用二维矩阵的方式存储，开辟空间不变，达不到优化效果）
在这里插入图片描述
我们很容易看出，第i行我们需要去前i个元素，存储到一维数组中。
我们稍微用一下脑子就可得出：
第i行j列的元素（注意：此处的ij是下标索引），转化到一维数组坐标为
i*(i-1)/2+j-1

具体转化代码如下图：

for i in range(matrix) :
	for j in range(matirx):
			matrix_new[i*(i-1)/2+j-1] = matrix[i][j]
	}