首页 > 编程语言 >Floyd算法

Floyd算法

时间:2023-10-21 17:00:23浏览次数:41  
标签:nVertexCount int 路径 ++ 算法 Floyd 节点 Dis

Floyd算法

 

正如我们所知道的,Floyd算法用于求最短路径。Floyd算法可以说是Warshall算法的扩展,三个for循环就可以解决问题,所以它的时间复杂度为O(n^3)。

Floyd算法的基本思想如下:从任意节点A到任意节点B的最短路径不外乎2种可能,1是直接从A到B,2是从A经过若干个节点X到B。所以,我们假设Dis(AB)为节点A到节点B的最短路径的距离,对于每一个节点X,我们检查Dis(AX) + Dis(XB) < Dis(AB)是否成立,如果成立,证明从A到X再到B的路径比A直接到B的路径短,我们便设置Dis(AB) = Dis(AX) + Dis(XB),这样一来,当我们遍历完所有节点X,Dis(AB)中记录的便是A到B的最短路径的距离。

(程序员副业--编程学习--业务交流--公众号: 匠心程序定制)

很简单吧,代码看起来可能像下面这样:

 

for ( int i = 0; i < 节点个数; ++i ) {     for ( int j = 0; j < 节点个数; ++j )     {         for ( int k = 0; k < 节点个数; ++k )         {             if ( Dis[i][k] + Dis[k][j] < Dis[i][j] )             {                 // 找到更短路径                 Dis[i][j] = Dis[i][k] + Dis[k][j];             }         }     } }

 

但是这里我们要注意循环的嵌套顺序,如果把检查所有节点X放在最内层,那么结果将是不正确的,为什么呢?因为这样便过早的把i到j的最短路径确定下来了,而当后面存在更短的路径时,已经不再会更新了。

让我们来看一个例子,看下图:

图中红色的数字代表边的权重。如果我们在最内层检查所有节点X,那么对于A->B,我们只能发现一条路径,就是A->B,路径距离为9。而这显然是不正确的,真实的最短路径是A->D->C->B,路径距离为6。造成错误的原因就是我们把检查所有节点X放在最内层,造成过早的把A到B的最短路径确定下来了,当确定A->B的最短路径时Dis(AC)尚未被计算。所以,我们需要改写循环顺序,如下:

for ( int k = 0; k < 节点个数; ++k ) {     for ( int i = 0; i < 节点个数; ++i )     {         for ( int j = 0; j < 节点个数; ++j )         {             if ( Dis[i][k] + Dis[k][j] < Dis[i][j] )             {                 // 找到更短路径                 Dis[i][j] = Dis[i][k] + Dis[k][j];             }         }     } }

这样一来,对于每一个节点X,我们都会把所有的i到j处理完毕后才继续检查下一个节点。

(程序员副业--编程学习--业务交流--公众号: 匠心程序定制)

那么接下来的问题就是,我们如何找出最短路径呢?这里需要借助一个辅助数组Path,它是这样使用的:Path(AB)的值如果为P,则表示A节点到B节点的最短路径是A->...->P->B。这样一来,假设我们要找A->B的最短路径,那么就依次查找,假设Path(AB)的值为P,那么接着查找Path(AP),假设Path(AP)的值为L,那么接着查找Path(AL),假设Path(AL)的值为A,则查找结束,最短路径为A->L->P->B。

那么,如何填充Path的值呢?很简单,当我们发现Dis(AX) + Dis(XB) < Dis(AB)成立时,就要把最短路径改为A->...->X->...->B,而此时,Path(XB)的值是已知的,所以,Path(AB) = Path(XB)。

好了,基本的介绍完成了,接下来就是实现的时候了,这里我们使用图以及邻接矩阵:

#define INFINITE 1000           // 最大值 #define MAX_VERTEX_COUNT 20   // 最大顶点个数 //////////////////////////////////////////////////////////////////////////   struct Graph {     int     arrArcs[MAX_VERTEX_COUNT][MAX_VERTEX_COUNT];    // 邻接矩阵     int     nVertexCount;                                 // 顶点数量     int     nArcCount;                                    // 边的数量 }; //////////////////////////////////////////////////////////////////////////

首先,我们写一个方法,用于读入图的数据:

void readGraphData( Graph *_pGraph ) {     std::cout << "请输入顶点数量和边的数量: ";     std::cin >> _pGraph->nVertexCount;     std::cin >> _pGraph->nArcCount;       std::cout << "请输入邻接矩阵数据:" << std::endl;     for ( int row = 0; row < _pGraph->nVertexCount; ++row )     {         for ( int col = 0; col < _pGraph->nVertexCount; ++col )         {             std::cin >> _pGraph->arrArcs[row][col];         }     } }

接着,就是核心的Floyd算法:

void floyd( int _arrDis[][MAX_VERTEX_COUNT], int _arrPath[][MAX_VERTEX_COUNT], int _nVertexCount ) {     // 先初始化_arrPath     for ( int i = 0; i < _nVertexCount; ++i )     {         for ( int j = 0; j < _nVertexCount; ++j )         {             _arrPath[i][j] = i;         }     }     //////////////////////////////////////////////////////////////////////////       for ( int k = 0; k < _nVertexCount; ++k )     {         for ( int i = 0; i < _nVertexCount; ++i )         {             for ( int j = 0; j < _nVertexCount; ++j )             {                 if ( _arrDis[i][k] + _arrDis[k][j] < _arrDis[i][j] )                 {                     // 找到更短路径                     _arrDis[i][j] = _arrDis[i][k] + _arrDis[k][j];                       _arrPath[i][j] = _arrPath[k][j];                 }             }         }     } }

OK,最后是输出结果数据代码:

void printResult( int _arrDis[][MAX_VERTEX_COUNT], int _arrPath[][MAX_VERTEX_COUNT], int _nVertexCount ) {     std::cout << "Origin -> Dest   Distance    Path" << std::endl;       for ( int i = 0; i < _nVertexCount; ++i )     {         for ( int j = 0; j < _nVertexCount; ++j )         {             if ( i != j )   // 节点不是自身             {                 std::cout << i+1 << " -> " << j+1 << "\t\t";                 if ( INFINITE == _arrDis[i][j] )    // i -> j 不存在路径                 {                     std::cout << "INFINITE" << "\t\t";                 }                 else                 {                     std::cout << _arrDis[i][j] << "\t\t";                       // 由于我们查询最短路径是从后往前插,因此我们把查询得到的节点                     // 压入栈中,最后弹出以顺序输出结果。                     std::stack<int> stackVertices;                     int k = j;                                           do                     {                         k = _arrPath[i][k];                         stackVertices.push( k );                     } while ( k != i );                     //////////////////////////////////////////////////////////////////////////                       std::cout << stackVertices.top()+1;                     stackVertices.pop();                       unsigned int nLength = stackVertices.size();                     for ( unsigned int nIndex = 0; nIndex < nLength; ++nIndex )                     {                         std::cout << " -> " << stackVertices.top()+1;                         stackVertices.pop();                     }                       std::cout << " -> " << j+1 << std::endl;                 }             }         }     } }

好了,是时候测试了,我们用的图如下:

测试代码如下:

int main( void ) {     Graph myGraph;     readGraphData( &myGraph );     //////////////////////////////////////////////////////////////////////////       int arrDis[MAX_VERTEX_COUNT][MAX_VERTEX_COUNT];     int arrPath[MAX_VERTEX_COUNT][MAX_VERTEX_COUNT];       // 先初始化arrDis     for ( int i = 0; i < myGraph.nVertexCount; ++i )     {         for ( int j = 0; j < myGraph.nVertexCount; ++j )         {             arrDis[i][j] = myGraph.arrArcs[i][j];         }     }       floyd( arrDis, arrPath, myGraph.nVertexCount );     //////////////////////////////////////////////////////////////////////////       printResult( arrDis, arrPath, myGraph.nVertexCount );     //////////////////////////////////////////////////////////////////////////       system( "pause" );     return 0; }

如图:

 (程序员副业--编程学习--业务交流--公众号: 匠心程序定制)

标签:nVertexCount,int,路径,++,算法,Floyd,节点,Dis
From: https://www.cnblogs.com/dalaoban/p/17779212.html

相关文章

  • 算法篇---java算法应用
    算法篇---java算法应用 算法应用之百钱买白鸡(程序员副业--编程学习--业务交流--公众号:匠心程序定制)  案列说明:主要内容是:公鸡5元一只,母鸡3元一只,小鸡1元三只,问100元怎样可以买100鸡?思想:想要实现此算法,只要明白各种条件的关系即可,而且知道公鸡最多买20只,母鸡最多买33只......
  • 1.NCC算法实现及其优化[基础实现篇]
    NCC算法实现及其优化本文将集中探讨一种实现相对简单,效果较好的模板匹配算法(NCC)\[R(x,y)=\frac{\sum_{x',y'}(T'(x',y')\cdotI'(x+x',y+y'))}{\sqrt{\sum_{x',y'}T'(x',y')^2\cdot\sum_{x',y'}I'(x+x&......
  • Matching Network算法概述
    什么是MatchingNetwork1.论文地址:MatchingNetworksforOneShotLearning2.简介:基于MetricLearning部分思想,使用外部记忆来增强网络,提高网络的学习能力。3.创新点借鉴了注意力和外部记忆方面的经验来搭建网络基于meta-learning用task来训练,而不是metric-learning输入......
  • 棋盘覆盖——分治算法的典例
    问题描述在一个\({2^k}\times{2^k}(K\geqslant0)\)个方格组成的棋盘中,恰有一个方格与其他方格不同,称该方格为特殊方格。棋盘覆盖问题要求用图所示的4种不同形状的\(L\)型骨牌覆盖给定棋盘上除特殊方格以外的所有方格,且任何2个\(L\)型骨牌不得重叠覆盖。问题分析算法设计......
  • 贪心算法实现
    贪心算法顾名思义,贪心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑,它所作出的选择只是在某种意义上的局部最优选择。当然,希望贪心算法得到的最终结果也是整体最优的。虽然贪心算法不能对所有问题都得到整体最优解,但对许多问题它能产生整体最优解。如单......
  • 边缘检测算法
    边缘检测算法是在数字图像处理中常用的一种技术,用于检测图像中物体边缘的位置。以下是几种常见的边缘检测算法:Sobel算子:Sobel算子是一种基于梯度的算法,通过计算图像的水平和垂直方向的梯度值,并将其组合起来得到边缘强度。Sobel算子具有简单、快速的特点,常用于实时应用。Prewitt算子......
  • 【图像分割】基于回溯搜索算法BSA的多阈值图像分割算法研究附Matlab代码
    ✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。......
  • 算法训练day39LeetCode738.968.
    算法训练day39LeetCode738.968.738.单调递增的数字题目738.单调递增的数字-力扣(LeetCode)题解代码随想录(programmercarl.com)classSolution{public:intmonotoneIncreasingDigits(intn){stringstrNum=to_string(n);//int转换string......
  • 什么是Nagle 算法和延迟确认
    一、Nagle算法和延迟确认是干什么的?当我们TCP报⽂的承载的数据⾮常⼩的时候,例如⼏个字节,那么整个⽹络的效率是很低的,因为每个TCP报⽂中都会有20个字节的TCP头部,也会有20个字节的IP头部,⽽数据只有⼏个字节,所以在整个报⽂中有效数据占有的比例就会⾮常低。这就好像快递......
  • 部分算法总结
    小部分算法总结部分题目请见:https://github.com/ZhangFirst1/Algorithm-problem-code异或运算a^=b相当于a=a^b,将十进制数字转化为二进制进行运算,相同为0,相异为1,0和任何数异或运算都是原来的那个数。可以用来判断数组中哪个数字只出现过一次(通过将所有数与0进行异或运算)快......