数据结构——图的最短路径之弗洛伊德FLOYD算法的理解和实现

弗洛伊德FLOYD算法的理解
它能实现所有顶点到所有顶点最短路径

但是它的时间复杂度高,代码却比较简洁(少)

首先定义一个数组D记录各个顶点之间的权值
然后定义一个数组P记录顶点的后继顶点值

for (v = 0; v < G.NumVer; ++v)
	{
		for (w = 0; w < G.NumVer; ++w)
		{
			(D)[v][w] = G.Arc[v][w];//记录权值
			(P)[v][w] = w;
		}
	}

寻找最短路径部分

for (k = 0; k < G.NumVer; ++k)
	{
		for (v = 0; v < G.NumVer; ++v)
		{
			for (w = 0; w < G.NumVer; ++w)
			{
				if ((D)[v][w] > ((D)[v][k] + (D)[k][w]))
				{//k是一个中间过程  中间路径判断一下经过k时 会不会更新
					//否则将权值改为经过k时的路径
					//P保存该结点的后继  根据权值大小和终点选择
					(D)[v][w] = ((D)[v][k] + (D)[k][w]);
					(P)[v][w] = (P)[v][k];
				}
			}
		}
	}

k是一个中间过程 中间路径判断一下经过k时 会不会更新

全部代码
和之前写的差不多
但是有一个未解的就是 如果定义一个指针数组,但是如何将其初始化呢 ???

#include<iostream>
#include <iomanip>
using namespace std;

typedef char Vertextype;//顶点类型
typedef int Edgetype;//边缘权值
typedef int Status;
#define MAXVER 9//最大顶点数
#define INF 65535//代表无穷
#define NULL 0

typedef int Pathmatirx[MAXVER][MAXVER];
typedef int ShortPathTable[MAXVER][MAXVER];

typedef struct Graph
{
	Vertextype Ver[MAXVER];
	Edgetype Arc[MAXVER][MAXVER];
	int NumVer, NumEdg;
}MGraph;

//生成图——邻接矩阵
Status CreatGraph(MGraph &G)
{
	int i, j, w;
	cout << "Please enter the number of verticesof the graph : " << endl;
	cin >> G.NumVer;
	cout << "Please enter the number of edges the graph : " << endl;
	cin >> G.NumEdg;
	cout << "Please enter the name of vex : " << endl;
	for (i = 0; i < G.NumVer; i++){
		//cout << "Please enter the NO." << i + 1 << "%d name of vex : " << endl;
		cin >> G.Ver[i];
	}

	cout << "Diagonal infinity ..." << endl;
	for (i = 0; i < G.NumVer; i++)
		for (j = 0; j < G.NumVer; j++)
		{
		G.Arc[i][j] = INF;//简单图  不循环
		}
	cout << "...Diagonal infinity" << endl;

	for (int k = 0; k < G.NumEdg; k++){//因为具体哪条边存在不一定 所以选择性输入边
		cout << "Enter the subscripts and weights from vertex vi to vertex vj : " << endl;
		cin >> i >> j >> w;
		/*cout << "Please enter the subscript j of the edge : " << endl;
		cin >> j;
		cout << "Please enter the weight from vertex "<<i<<" to vertex "<<j<<" : " << endl;
		cin >> w;*/

		G.Arc[i][j] = w;
		G.Arc[j][i] = G.Arc[i][j];//无向图  边的信息  是对称的  //有向图的话 无需设置

	}
	return 0;
}

Status ShortestPath_Floyd(MGraph &G, Pathmatirx &P,ShortPathTable &D)
{
	int v, w, k;
	
	//初始化
	for (v = 0; v < G.NumVer; ++v)
	{
		for (w = 0; w < G.NumVer; ++w)
		{
			(D)[v][w] = G.Arc[v][w];//记录权值
			(P)[v][w] = w;
		}
	}

	
	for (k = 0; k < G.NumVer; ++k)
	{
		for (v = 0; v < G.NumVer; ++v)
		{
			for (w = 0; w < G.NumVer; ++w)
			{
				if ((D)[v][w] > ((D)[v][k] + (D)[k][w]))
				{//k是一个中间过程  中间路径判断一下经过k时 会不会更小
					//否则将权值改为经过k时的路径
					//P保存该结点的前驱或者后继  根据权值大小和终点选择
					(D)[v][w] = ((D)[v][k] + (D)[k][w]);
					(P)[v][w] = (P)[v][k];
				}
			}
		}
	}
	return 0;
}

int main()
{
	MGraph G;
	Pathmatirx P;
	ShortPathTable D;
	CreatGraph(G);
	ShortestPath_Floyd(G,P,D);

	system("pause");
	return 0;
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最短路径算法论中的经典问题,常用于计算从一个节点到另一个节点的最短路径。以下是两种常见的最短路径算法实现: 1. Dijkstra算法 Dijkstra算法是基于贪心思想的最短路径算法,用于计算从一个源节点到所有其他节点的最短路径。具体实现步骤如下: - 初始化源节点到所有其他节点的距离为无穷大,源节点到自身的距离为0。 - 将源节点加入已访问集合,并将源节点到相邻节点的距离加入最短路径集合。 - 选择最短路径集合中距离最小的节点,将其加入已访问集合。 - 更新未访问节点到源节点的距离:如果从源节点到该节点的距离经过已访问节点更短,则更新该节点的距离。 - 重复步骤3和4,直到所有节点都被加入已访问集合。 以下是Dijkstra算法的Python代码实现: ```python import heapq def dijkstra(graph, source): # 初始化距离 dist = {v: float('inf') for v in graph} dist[source] = 0 # 将节点加入堆,并设置优先级为距离 heap = [(0, source)] while heap: # 弹出距离最小的节点 (d, u) = heapq.heappop(heap) # 如果该节点已经被访问,则继续下一次循环 if d > dist[u]: continue # 更新相邻节点到源节点的距离 for v, w in graph[u].items(): if dist[u] + w < dist[v]: dist[v] = dist[u] + w heapq.heappush(heap, (dist[v], v)) return dist ``` 2. Floyd算法 Floyd算法是一种动态规划算法,用于计算所有节点之间的最短路径。具体实现步骤如下: - 初始化距离矩阵为邻接矩阵,如果两个节点之间没有边,则距离为无穷大。 - 依次考虑所有节点作为中间节点时,更新距离矩阵:如果从节点i到节点j经过节点k更短,则更新距离矩阵。 - 最终距离矩阵即为所有节点之间的最短路径。 以下是Floyd算法的Python代码实现: ```python def floyd(graph): dist = graph.copy() n = len(dist) for k in range(n): for i in range(n): for j in range(n): if dist[i][k] + dist[k][j] < dist[i][j]: dist[i][j] = dist[i][k] + dist[k][j] return dist ``` 以上就是两种常见的最短路径算法实现

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值