1、问题
寻找图中两结点之间的最短路径。
2、解析
Floyd算法:
错误思想:
理解错了弗洛伊德算法三个for的功能:前两个for是为了固定两个顶点,第三个for在两顶点间找中断点以寻找最小路径。但其实这样找到的最短路径可能是不准确的,因为它只是在(一条边的权值,两条边的权值和)之间进行选择,而两点的最短路径包含的边可能在两条以上。
正确理解三个for:第一个for固定一个中断点v2,后两个for依次遍历图里的任意两个顶点v1和v3,以寻找v1和v3之间的最短路径(<v1,v3>,<v1,v2> + <v2,v3>)。
弗洛伊德的中心思想是:如果两顶点间直接连接的距离大于经过第三点的距离,那么这两点间的最短距离是经过第三点的距离而不是直接连接的距离。
该算法用到了动态规划的思想,其动态转移方程为:dp[i,j] = min(dp[i,j],dp[i,k]+dp[k,j]),
即 两点间的最短距离 = min(两点直接连接的距离,源点与第三点的距离+第三点与终点的距离)。
图解
Dijkstra算法:
Dijkstra算法将点集分成两个集合S和T,S为已求出最短路径的点的集合,T是未求出的集合。
和普鲁姆算法有点类似,Dijkstra算法分别用三个数组记录:
selected数组记录某点是否已找到源点到该点的最短路径。
distance记录某点和源点的最短路径。
parent数组记录源点到某点(终点)的最短路径中,终点的前一点。如路径a->b->c中,点c的parent记录为b。
该算法其实是在重复做三件事
①更新:更新distance数组和parent数组。
②扫描:扫描distance数组,找到selected为FALSE且在distance中最小的点v。
③添加:将点v添加入S集合(selected置为TRUE)。
图解
3、设计
void Floyd()
{
for(int i=1; i<Nv; ++i)
{
for(int j=1; j<Nv; ++j)
初始化最短路径矩阵
}
初始化中断点数组
for(k=1; k<Nv; ++k)
for(i=1; i<Nv; ++i)
for(j=1; j<Nv; ++j)
if(<i,j> 大于<i,k>+<k,j>) <i,j> = <i,k>+<k,j>
}
void Dijkstra()
{
初始化三个数组
修改源点在数组中的值
while(1)
{
for(i=1;i<Nv;++i)
{
更新
}
for(i=1;i<Nv;++i)
{
扫描
}
添加
源点=新添加入T的点
if(已找到终点)break;
}
}
4、分析
弗洛伊德算法时间复杂度:O(n^3)
迪杰斯特拉算法时间复杂度:O(n^2)