数据结构回顾与总结 图(3)Floyd算法(多源最短路问题)

在现实生活中也会经常碰到多源最短路的问题。比如说供货，我是一个连锁供应商的老板，我们的货从海外运过来，然后选择一个城市作为主要供货城市，别的城市的货源都由该城市提供，要求这个城市去其它城市的运输最便捷，这个城市的选择其实就是一个多源最短路问题。

解决多源最短路问题有两个思路，1是对每个节点使用单源最短路算法(dijkstra什么的)，2就是采用floyd算法。这里主要回顾floyd算法。

说实话，在最近一系列的图的练习中，有一点对我来说还是蛮重要的，可能说这点挺白痴的，但还是想说出来。那就是对于邻接矩阵的理解。乍一看邻接矩阵挺好理解的，D[i][j] 不就是表示i点和j点之间的距离么。但是细细想一想，我们经常不经意的把i和j之间连通与D[i][j] 的值为正常值(不是0，-1或者正无穷这样的值)划等号。但其实这是非常错误的，邻接矩阵仅表示“直接”相连的两点之间的关系(连不连通，权重是多少。)

而Floyd其实在一定程度上考察到了这一点，因为对于Floyd算法来说，对于所有K*K范围内的矩阵来说，其实都已经不算是邻接矩阵了，而是直接表示当前遍历程度(用K表示)下两个点之间的最短距离。Floyd通过不断更新邻接矩阵，慢慢将i与j(i与j在0到n-1内随意取值)之间的距离进行改变，最终当K取到n-1时，所有距离更新完毕，这时如果我们想知道某两个点之间的最短距离，直接进行遍历就好了。

说完小坑之后，我们一步步的说一下具体思路。先从整个邻接矩阵D的最小的子矩阵开始,D[0][0] 为1*1矩阵,也是第一个元素，没什么好说的跳过。然后是2*2矩阵，也没什么好说的，因为都是1对1的元素，和邻接矩阵没有区别。到了3*3矩阵就开始有变化了，因为D[i][j] 和D[i][k]+D[k][j] 开始不一定相等，于是我们需要逐个遍历并把D中对应的位置填上两者中的较小值。一直重复整个过程，直到整个矩阵更新完毕。

这是整个算法的python代码，假设图是无权图。

def floyd(n,mat):
    for k in range(n):
        for i in range(n):
            for j in range(n):
                if i==j or i==k or j==k:
                    continue
                pos = get_pos(i,j)
                a = mat[get_pos(i,k)]+mat[get_pos(k,j)]
                b = mat[get_pos(i,j)]
                if a<b:
                    mat[pos] = a
    return mat  

其中调用了一个get_pos(a,b)函数，源码如下：

def get_pos(a,b):
    if a>=b:
        return int(b+a*(a+1)/2)
    else:
        return int(a+b*(b+1)/2)

很容易看到，这个算法的时间复杂度是O(n^3)可以说复杂度是比较高的了，所以我用python做oj上的题老是超时！！！！！烦躁。

真的该严肃考虑一下是否要把cpp这种语言搞一下了，不然真的太烦了。