图算法——求最短路径(Floyd算法)

目录

一、什么是最短路径

二、弗洛伊德(Floyd)算法

三、测试程序


        求图的最短路径在实际生活中有许多应用,比如说在你在一个景区的某个景点,参观完后,要怎么走最少的路程到你想参观的下个景点,这就利用到了求图最短路径的算法。求图的最短路径有很多算法,这里介绍一种弗洛伊德(Floyd)算法来求图的最短路径。

        在介绍算法前,需要掌握一点图的基本知识,比如说什么是路径,什么是路径长度等。如果对这些不了解的话,建议先了解一下。

        这是我写的一篇博客,对图的一些基本知识的简介——图的一些基本知识。

一、什么是最短路径

        在网图和非网图中,最短路径的含义是不同的。由于非网图没有边上的权值,所谓最短路径,其实指的就是两个顶点之间经过的边数最少的路劲(即可以理解为把每一条边的权值看作是1)。

        对于网图来说,所谓最短路径,就是指两顶点之间经过的边上的权值之和最少的路径,并且我们称路径上的第一个顶点是源点,最后一个顶点是终点。

        求带权有向图G的最短路径问题一般可分为两类:一是单源最短路径,即求图中某一个顶点到其它顶点的最短路径,可以通过经典的 Dijkstra(迪杰斯特拉)算法求解(这是我写的一篇博客,有兴趣的同学可以看下,Dijkstra算法);二是求每对顶点间的最短路径,可通过Floyd(弗洛伊德)算法(也是我接下来要讲解的算法)来求解。

二、弗洛伊德(Floyd)算法

        Floyd算法需要两个二维数组 D[vexNum][vexNum] 和 P[vexNum][vexNum],其中 vexNum代表的是图中结点的个数,D代表顶点到顶点的最短路径权值和的矩阵P代表对应顶点的最短路径的前驱矩阵,用来存储路径。

        Floyd算法的基本思路是:递推产生一个 n 阶方阵序列D^{(-1)}D^{(0)},... ,D^{(k)},...,D^{(n-1)}P^{(-1)}P^{(0)},...,P ^{(k)},...,P^{(n-1)}。其中 D^{(k)}[v][w] 表示从顶点 v 到顶点 w 的路径长度,k表示绕行第 k 个顶点的运算步骤,P^{(k)}[v][w]表示从顶点 v 到顶点 w 的最短路径所需要经过的一个中间结点。

        初始时,对于任意两个顶点 v 和 w,若它们之间存在边,则以此边上的权值作为它们之间的最短路径长度;若它们之间不存在有向边,则以  ∞ 作为它们之间的最短路径,此过程用于初始化矩阵D。以后逐步在原路径中加入顶点 k(k=0,1,...,n-1)作为中间顶点。若增加中间顶点后,得到的路径比原来的路径长度减少了,则以此新路径代替原路劲并且修改矩阵 P。算法描述如下:

       定义一个 n 阶方阵序列 D^{(-1)}D^{(0)},...,D^{(n-1)},其中,

                    D^{(k)}[v][w] = Min{D^{(k-1)}[v][w],D^{(k-1)}[v][k] + D^{(k-1)}[k][w]}

                     P^{(k)}[v][w] = P^{(k)}[v][k]                      

上式中,D^{(0)}[v][w]是从顶点 v 到 w、中间顶点是 V_{0} 的最短路径长度,D^{(k)}[v][w]是从顶点 v 到 w,中间顶点的序号不大于 k 的最短路径长度。Floyd算法是一个迭代的过程,每迭代一次,在从 v

到 w 的最短路径上就多考虑了一个顶点;经过 n 次迭代后,所得到的 D^{(n-1)}[v][w]就是 v 到 w 的最短路径长度,即方阵D^{(n-1)}中就保存了任意一对顶点之间的最短路径长度。方阵 P^{(n-1)} 可以求出顶点 v 到 顶点 w 的最短路径。

        可能这么说,很多人可能是云里雾里的(其实我感觉我也表达不出那个意思,但通过下面这个实例我相信你们会理解这个算法的执行过程),上面的说法主要还是表明两个结点之间的距离可能并不是直线最短,可能两个结点通过中间结点会比两个结点之间原本直线的距离还短,然后按照这个思路得出最短路径。下面我将用一个实例,来模拟Floyd算法每一步的执行流程。在此之前先看下Floyd算法的代码实现:

/* Floyd算法 */
void ShortestPath_Floyd(MGraph G, Patharc P, ShortPathTable D)
{
	int v, w, k;
	for (v = 0; v < G.vexNum; v++)					// 初始化 D与P
	{
		for (w = 0; w < G.vexNum; w++)
		{
			D[v][w] = G.Edge[v][w];					// D[v][w]值即为对应点间的权值
			P[v][w] = w;
		}
	}
	/* Floyd算法的主要部分 */
	for (k = 0; k < G.vexNum; k++)
	{
		for (v = 0; v < G.vexNum; v++)
		{
			for (w = 0; w < G.vexNum; w++)
			{
				if (D[v][w] > (D[v][k] + D[k][w]))
				{	/* 如果经过下标为 k 顶点的路径比原来两点间路径更短 */
					D[v][w] = D[v][k] + D[k][w];	// 将当前两点间权值设更小一个
					P[v][w] = P[v][k];				// 路径设置为经过下标为 k 的顶点
				}
			}
		}
	}
	return;
}

实例

图算法——求最短路径(Floyd算法)_第1张图片

 算法执行流程:

初始化

for (v = 0; v < G.vexNum; v++)					// 初始化 D与P
{
	for (w = 0; w < G.vexNum; w++)
	{
		D[v][w] = G.Edge[v][w];					// D[v][w]值即为对应点间的权值
		P[v][w] = w;
	}
}

图算法——求最短路径(Floyd算法)_第2张图片第一轮图算法——求最短路径(Floyd算法)_第3张图片

         将 V_{0} 作为中间顶点,并对所有顶点对{v,w],如果有 D^{(-1)}[v][w] > D^{(-1)}[v][0] + D^{(-1)}[0][w],则将 D^{(-1)}[v][w] 更新为  D^{(-1)}[v][0] + D^{(-1)}[0][w],发现无符合情况,不用更新,得到矩阵 D^{(0 )}P^{(0)}

其计算过程是,列中的单个元素与中间顶点所对应的行的每个单个元素进行相加,并与其对应的列进行比较,如果小于,就进行更新D矩阵和P矩阵,否则不进行更新。如 列中的单个元素 6,它与 V0 对应的行的每个元素相加后,再与对应的列比较,发现 6 + 0 = 6 == 6,6 + 6 = 12 > 0,6 + 3 = 9 > 2,然后依次类推发现没有符合的情况,故这V1一行不需要修改,接着往下也是如此进行下去。                

第二轮图算法——求最短路径(Floyd算法)_第4张图片

        将 V_{1} 作为中间顶点,继续检测全部顶点对{v,w},利用上述的计算方法,可以得出以上结果。

紧接着依次执行第三、第四、、、第六轮,得出以下结果:

图算法——求最短路径(Floyd算法)_第5张图片

图算法——求最短路径(Floyd算法)_第6张图片

图算法——求最短路径(Floyd算法)_第7张图片图算法——求最短路径(Floyd算法)_第8张图片图算法——求最短路径(Floyd算法)_第9张图片

         至此算法结束。

三、测试程序

/*
使用此程序需输入以下内容创建图G:
第一步:7 12
第二步:0123456
第三步:依次输入下面的内容,输入完一行就按下换行键
0 1 6
0 2 3
1 2 2
1 3 1
1 4 4
2 3 5
2 5 7
3 4 3
3 5 6
4 5 2
4 6 2
5 6 3
*/
#include 
#include 
#include 

#define MaxVerterNum 100		// 顶点数目的最大值
#define INFINITY 65535			// 用65535代表 ∞

typedef char VertexType;		// 顶点的数据类型
typedef int EdgeType;			// 带权图中边上权值的数据类型

/* 邻接矩阵的存储结构 */
typedef struct
{
	VertexType Vexs[MaxVerterNum];					// 顶点表
	EdgeType Edge[MaxVerterNum][MaxVerterNum];		// 邻接矩阵
	int vexNum, arcNum;								// 图当前顶点数和弧数
}MGraph;

/*清除缓冲区的换行符*/
void Clean(void)
{
	while (getchar() != '\n')
		continue;
}

/* 建立无向网图的邻接矩阵表示 */
void CreateMGraph(MGraph* G);

/* 弗洛伊德(Floyd) 算法*/
typedef int Patharc[MaxVerterNum][MaxVerterNum];			// 用于存储最短路径下标的数组,从源点Vi到顶点Vj之间的最短路径的前驱
typedef int ShortPathTable[MaxVerterNum][MaxVerterNum];		// 用于存储到各点最短路径的权值和
void ShortestPath_Floyd(MGraph G, Patharc P, ShortPathTable D);

/* 输出最短路径 */
/* Floyd算法的结果输出 */
void Show_ShortestPath_Floyd(Patharc path, ShortPathTable dist, MGraph G);

/* 将Patharc矩阵和ShortPathTable矩阵输出出来 */
void Show_Matrix(int vexNum, Patharc P, ShortPathTable D);

int main(void)
{
	MGraph G;
	Patharc path;
	ShortPathTable dist;
	CreateMGraph(&G);
	ShortestPath_Floyd(G, path, dist);
	Show_ShortestPath_Floyd(path, dist, G);
	return 0;
}

/* 建立无向网图的邻接矩阵表示 */
void CreateMGraph(MGraph* G)
{
	int i, j, k, w;
	printf("请输入顶点数和边数:");
	scanf("%d %d", &G->vexNum, &G->arcNum);			// 获取无向图顶点数和边数
	printf("请输入全部顶点信息:\n");
	Clean();									    // 将换行符去除
	for (i = 0; i < G->vexNum; i++)					// 读取顶点信息,建立顶点表
		scanf("%c", &G->Vexs[i]);
	for (i = 0; i < G->vexNum; i++)
		for (j = 0; j < G->vexNum; j++)
			G->Edge[i][j] = INFINITY;				// 邻接矩阵初始化
	for (i = 0; i < G->vexNum; i++)
		G->Edge[i][i] = 0;
	for (k = 0; k < G->arcNum; k++)					// 读入arcNum条边,建立邻接矩阵
	{
		printf("请输入边(Vi, Vj)上的下标i,下标j和权w:\n");
		scanf("%d %d %d", &i, &j, &w);				// 获取边和权
		G->Edge[i][j] = w;							// 无向图矩阵对称
		G->Edge[j][i] = G->Edge[i][j];
	}
	return;
}

/* Floyd算法 */
void ShortestPath_Floyd(MGraph G, Patharc P, ShortPathTable D)
{
	int v, w, k;
	for (v = 0; v < G.vexNum; v++)					// 初始化 D与P
	{
		for (w = 0; w < G.vexNum; w++)
		{
			D[v][w] = G.Edge[v][w];					// D[v][w]值即为对应点间的权值
			P[v][w] = w;
		}
	}
	/* Floyd算法的主要部分 */
	for (k = 0; k < G.vexNum; k++)
	{
		for (v = 0; v < G.vexNum; v++)
		{
			for (w = 0; w < G.vexNum; w++)
			{
				if (D[v][w] > (D[v][k] + D[k][w]))
				{	/* 如果经过下标为 k 顶点的路径比原来两点间路径更短 */
					D[v][w] = D[v][k] + D[k][w];	// 将当前两点间权值设更小一个
					P[v][w] = P[v][k];				// 路径设置为经过下标为 k 的顶点
				}
			}
		}
		printf("中间结点为V%d时的 D 和 P 矩阵如下:\n", k);
		Show_Matrix(G.vexNum, P, D);
	}
	return;
}

/* 输出最短路径 */
/* Floyd算法的结果输出 */
void Show_ShortestPath_Floyd(Patharc path, ShortPathTable dist, MGraph G)
{
	int v, w, k;
	printf("各顶点间最短路径如下:\n");
	for (v = 0; v < G.vexNum; v++)
	{
		for (w = v + 1; w < G.vexNum; w++)
		{
			printf("V%d-V%d  weight:  %d ", v, w, dist[v][w]); // 打印顶点 v 到 顶点 w 的距离
			k = path[v][w];									 // 获得第一个路径顶点下标
			printf(" path: V%d", v);						// 打印源点
			while (k != w)									// 如果路径顶点下标不是终点,执行循环
			{
				printf(" -> V%d", k);						// 打印路径顶点
				k = path[k][w];								// 获得下一个路径顶点下标
			}
			printf(" -> V%d\n", w);							// 打印终点
		}
		printf("\n\n");
	}
	printf("\n");
}

/* 将Patharc矩阵和ShortPathTable矩阵输出出来 */
void Show_Matrix(int vexNum, Patharc P, ShortPathTable D)
{
	int i, j;
	printf("输出 D 矩阵:\n\n\n");
	for (i = 0; i < vexNum; i++) {
		for (j = 0; j < vexNum; j++)
			printf("%7d", D[i][j]);
		printf("\n");
	}
	printf("输出 P 矩阵:\n\n\n");
	for (i = 0; i < vexNum; i++) {
		for (j = 0; j < vexNum; j++)
			printf("%7d", P[i][j]);
		printf("\n");
	}
	return;
}

你可能感兴趣的:(数据结构,数据结构,动态规划,图论)