C++图论之常规最短路径算法的花式玩法（Floyd、Bellman、SPFA、Dijkstra算法合集）

VIP文章一枚大果壳

已于 2024-04-25 22:15:07 修改

阅读量822

点赞数 18

分类专栏： C++编程之美文章标签： c++ 图论算法最短路径 bellman floyd

于 2023-12-01 11:36:37 首次发布

本文链接：https://blog.csdn.net/y6123236/article/details/134730974

版权

权重图中的最短路径有两种，多源最短路径和单源最短路径。多源指任意点之间的最短路径。单源最短路径为求解从某一点出到到任意点之间的最短路径。多源、单源本质是相通的，可统称为图论的最短路径算法，最短路径算法较多：

Floyd-Warshall算法。也称为插点法，是一种利用动态规划思想寻找权重图中多源点之间[最短路径的算法，与Dijkstra算法类似。该算法名称以创始人之一、1978年图灵奖获得者、斯坦福大学计算机科学系教授[罗伯特·弗洛伊德命名。
Bellman_ford算法。贝尔曼-福特算法取自于创始人理查德.贝尔曼和莱斯特.福特，暴力穷举法，算法效率较低。但是，能解决的问题范围较大，如负权问题。
SPFA算法。Bellman-Ford的队列优化版，本质一样。
Dijkstra算法。迪杰斯特拉算法(Diikstra) 是由荷兰计算机科学家狄克斯特拉于1959 年提出的，因此又叫狄克斯特拉算法。经典算法，本质是贪心算法。

下面逐一介绍这三种算法。

权重图中，任意两点之间的路径可能存在多条，但是最短的是哪条？

如果你现在想从城市1去城市2，固然是想找一条最短路径的，找出量短路径，意味着省时、省钱、省精力……

本质上就是做选择题。面对这样的情况，你首先要做的便是绘制地图，描绘出与城市1和城市2直接、间接相邻的城市。并初始化城市与城市之间的已知权重。如下图所示。

先得到两点直接相连时的路径。如上图的1和2两点之间，不存在直接相连的边，初始可认为是很大、很大……

使用矩阵描述为 graph[1][2]=INF。INF是一个自定义的常量，存储一个较大的值。

现实生活中，当直接不能到达，或直接到达的成本很高时，会考虑经过一个中转站。这样可能会降低成本。到底经过那个中转站能降低成本。这个只能逐一试试。可以把除了1和2之外的所有节点做为中转站，然后比较是否比之前的路径更短。比如，在1和2之间插入3号节点。

这样你的旅行路就分割成了两段，一段是从1到3、一段是从3到2。如下图，标注红色的为新路线。1->3的权重为4、3->2的权重为7。累加权重为11。显然，比之前的INF要短的，想必你是不会犹豫地选择这条新路线。

这时在你的脑海中，应该使用如下的式子获取到1->2的新的权重。

//因为走 1->3后、再走`3->2`的路线要比之前路径短
//    必然要选择新的路线
if(graph[1][3]+graph[3][2]<graph[1][2])
    graph[1][2]=graph[1][3]+graph[3][2];

原理很简单，这时你应该会思考，可能经过2个或多个或其它中转站比经过1个中转站更省成本。是的，现在还不是最终的选择。

每一次更新后，你需要继续试着添加其它节点做为中转站。检查是否更短，如果更短，继续更新，如果更远，就不用更新。如可以试着把4号点做为中转站。这时路线权重变成 graph[1][4]+graph[4][2]=15，并没有比之前经3为中转站中的值更小，以4为中转站这个方案要淘汰掉。

选择5做为中转站，你会发现graph[1][5]+graph[5][2]=11。既然发现了更短的路径，更新邻接矩阵中graph[1][2]的值。这时你应该有所感悟，下图中的邻接矩阵不就是一张动态规划表吗？

**Tips：**在不断的插入节点，得到新路线后，节点之间的权重值会发生变化。如果需要保留原始图中的节点之间的信息，可以再创建独立的动态规划表。

在1和2之间把其它节点都插入了，然后得到了现阶段的最短权得和10。是不是就是最终的结果呢？

如果你善于观察，从1->3、然后3->5、再5->2，其权重和为7。这条路径才是1->2之间的最短路径。也就是说，经过多个中转站也许比只经过一个中转站会让路径更短。

现在的问题是，我们直接朝目标而来，其实没有考虑，你所经过的中间路径也有可能有更短的。如现阶段，我们认为的1->5然后5->2是最短的，但是，是否忽视了1->5也许也存在最短路径。只有最短加最短才能得到真正的最短。

其实，这也符合动态规划思想，必须存在最优子结构吗！最终问题必然是前面的的子问题一步一步推导出来的。所以，Floyd算法告诉我们，必须更新任意两点之间的路径，才能得到你希望的两点之间的最短路径。

也就是说，当分别插入1、2、3、4、5号节点时，对其它任意两点的距离影响都要记录在案。比如，在插入1号节点时，对其它任意两点的影响如下图所示。对3-4和4-5之间的影响是较大。

选择3号点做作插入点，检查其它任意两点之间经过3号点是否能让路线变得更短。发现，1-5之间的距离被缩短了。

当选择5号点做为插入点，计算1-2点间的距离时，此时会发现1->3->5->2才是最终的最短距离。

理解Floyd算法的关键，动态规划本质是穷举算法，只有当所有可能都计算一次，才能得到最终结果。

编码实现：

#include <iostream>
using namespace std;
//图
int gra

关注