求基于Floyd算法的图各顶点间最短距离矩阵
1.问题
给定一有向图G = <V, E> ,其中V为G的顶点集,E为G的边集,<u, v> 代表从顶点 u 到顶点 v 的有向边,w<u, v> 代表此有向边的权重。(无向图类似,此文不再赘述)
如何得到有向图中各顶点间的最短距离?
2.解析
举个栗子
给定一有4顶点的有向图G = <V, E> ,顶点和边的对应关系及各边权重如下图所示:
若要得到点V2到V1的最短距离,从图中不难发现有两种走法:
- V2–>V3–>V1 该路径权值为:3+7=10.
- V2–>V3–>V4–>V1 该路径权值为:3+1+5=9.
因此在该图中,我们选择路径2作为V2到V1的最短路径,权值9作为V2到V1的最短距离。
Floyd算法的核心思想
a) 初始化:copy<V,E>=G<V,E>.
不存在的边以极大数表示,矩阵主对角线为0.
b) For k:=1 to n
For i:=1 to n
For j:=1 to n
If copy[i,j]>copy[i,k]+copy[k,j]
Then copy[i,j]:=copy[i,k]+copy[k,j];
c) 算法结束:D即为所有点对的最短路径矩阵
Floyd算法值得注意的是:若if语句不变,i, j, k三个循环的位置不得随意交换。三者位置不同,算法的意义截然不同,得到的结果矩阵自然也会不同。
Part 1
若按i, j, k循环嵌套(最左边是大循环),所得并非最短距离矩阵。因为,先更新的距离(如 copy[2, 1]等)只判断了途经过一个点的最短路径情况,并没有判断途径 0 ~(n-2) 个点的所有情况,所以得到的最短距离不一定准确。而后续以这些并不完全正确的距离为基础而更新的距离,正确性自然不能保证。
以上图为例,这样写的算法输出的最短路径为路径1,而非实际路径最短的路径2.
Part 2
按k, i, j循环嵌套(最左边是大循环),整个矩阵可以达到同步更新的效果。该算法意义是:整个最短距离矩阵同一阶段更新以当前点k为路径中点的最短距离,再进入下一阶段。
这就避免了Part 1中出现的问题——先更新的距离判断不到图的全部情况,以先更距离为基础的后更距离可能会因前者的不精准而不准确。
下面看看代码。
3.设计
vector<vector<int>> Floyd(vector<vector<int>> mat) {
//用二维向量存储矩阵
vector<vector<int>> copy(N, vector<int>(N));
//初始化, 复制矩阵,避免损坏原矩阵
copy[u,v]=mat[u,v];
for (k from 0 to N-1)
for (i from 0 to N-1)
for (j from 0 to N-1)
//如果i,j两点间的直接距离大于两点经过点k的间接距离,
//更新最短距离矩阵copy。
return copy; //返回最短距离矩阵
}
4.分析
从代码块容易得出,Floyd算法的复杂度为:Floyd()=O(n3).
5.源码
https://github.com/KabgRs/F-SDDR/tree/%E7%AE%97%E6%B3%95%E5%88%86%E6%9E%90%E4%B8%8E%E8%AE%BE%E8%AE%A1%E4%BD%9C%E4%B8%9A/03%E6%B1%82%E5%9B%BE%E5%90%84%E7%82%B9%E9%97%B4%E6%9C%80%E7%9F%AD%E8%B7%9D%E7%A6%BB_Floyd%E7%AE%97%E6%B3%95