最短路径—Dijkstra算法和Floyd算法
原文链接：http://www.cnblogs.com/biyeymyhjob/archive/2012/07/31/2615833.html
最后边附有我根据文中Dijkstra算法的描述使用java写的算法实现。
Dijkstra算法
1.定义概览
Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法，在很多专业课程中都作为基本内容有详细的介绍，如数据结构，图论，运筹学等等。注意该算法要求图中不存在负权边。
问题描述：在无向图 G=(V,E) 中，假设每条边 E[i] 的长度为 w[i]，找到由顶点 V0 到其余各点的最短路径。（单源最短路径）
2.算法描述
1)算法思想：设G=(V,E)是一个带权有向图，把图中顶点集合V分成两组，第一组为已求出最短路径的顶点集合（用S表示，初始时S中只有一个源点，以后每求得一条最短路径 , 就将加入到集合S中，直到全部顶点都加入到S中，算法就结束了），第二组为其余未确定最短路径的顶点集合（用U表示），按最短路径长度的递增次序依次把第二组的顶点加入S中。在加入的过程中，总保持从源点v到S中各顶点的最短路径长度不大于从源点v到U中任何顶点的最短路径长度。此外，每个顶点对应一个距离，S中的顶点的距离就是从v到此顶点的最短路径长度，U中的顶点的距离，是从v到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。
2)算法步骤：
a.初始时，S只包含源点，即S＝{v}，v的距离为0。U包含除v外的其他顶点，即:U={其余顶点}，若v与U中顶点u有边，则<u,v>正常有权值，若u不是v的出边邻接点，则<u,v>权值为∞。
b.从U中选取一个距离v最小的顶点k，把k，加入S中（该选定的距离就是v到k的最短路径长度）。
c.以k为新考虑的中间点，修改U中各顶点的距离；若从源点v到顶点u的距离（经过顶点k）比原来距离（不经过顶点k）短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边上的权。
d.重复步骤b和c直到所有顶点都包含在S中。
执行动画过程如下图
3.算法代码实现：
const int MAXINT = 32767;
const int MAXNUM = 10;
int dist[MAXNUM];
int prev[MAXNUM];
int A[MAXUNM][MAXNUM];
void Dijkstra(int v0)
{
bool S[MAXNUM]; // 判断是否已存入该点到S集合中
int n=MAXNUM;
for(int i=1; i<=n; ++i)
{
dist[i] = A[v0][i];
S[i] = false; // 初始都未用过该点
if(dist[i] == MAXINT)
prev[i] = -1;
else
prev[i] = v0;
}
dist[v0] = 0;
S[v0] = true;
for(int i=2; i<=n; i++)
{
int mindist = MAXINT;
int u = v0; // 找出当前未使用的点j的dist[j]最小值
for(int j=1; j<=n; ++j)
if((!S[j]) && dist[j]<mindist)
{
u = j; // u保存当前邻接点中距离最小的点的号码
mindist = dist[j];
}
S[u] = true;
for(int j=1; j<=n; j++)
if((!S[j]) && A[u][j]<MAXINT)
{
if(dist[u] + A[u][j] < dist[j]) //在通过新加入的u点路径找到离v0点更短的路径
{
dist[j] = dist[u] + A[u][j]; //更新dist
prev[j] = u; //记录前驱顶点
}
}
}
}
4.算法实例
先给出一个无向图
用Dijkstra算法找出以A为起点的单源最短路径步骤如下
Floyd算法
1.定义概览
Floyd-Warshall算法（Floyd-Warshall algorithm）是解决任意两点间的最短路径的一种算法，可以正确处理有向图或负权的最短路径问题，同时也被用于计算有向图的传递闭包。Floyd-Warshall算法的时间复杂度为O(N3)，空间复杂度为O(N2)。
2.算法描述
1)算法思想原理：
Floyd算法是一个经典的动态规划算法。用通俗的语言来描述的话，首先我们的目标是寻找从点i到点j的最短路径。从动态规划的角度看问题，我们需要为这个目标重新做一个诠释（这个诠释正是动态规划最富创造力的精华所在）
从任意节点i到任意节点j的最短路径不外乎2种可能，1是直接从i到j，2是从i经过若干个节点k到j。所以，我们假设Dis(i,j)为节点u到节点v的最短路径的距离，对于每一个节点k，我们检查Dis(i,k) + Dis(k,j) < Dis(i,j)是否成立，如果成立，证明从i到k再到j的路径比i直接到j的路径短，我们便设置Dis(i,j) = Dis(i,k) + Dis(k,j)，这样一来，当我们遍历完所有节点k，Dis(i,j)中记录的便是i到j的最短路径的距离。
2).算法描述：
a.从任意一条单边路径开始。所有两点之间的距离是边的权，如果两点之间没有边相连，则权为无穷大。
b.对于每一对顶点 u 和 v，看看是否存在一个顶点 w 使得从 u 到 w 再到 v 比己知的路径更短。如果是更新它。
3).Floyd算法过程矩阵的计算----十字交叉法
方法：两条线，从左上角开始计算一直到右下角 如下所示
给出矩阵，其中矩阵A是邻接矩阵，而矩阵Path记录u,v两点之间最短路径所必须经过的点
相应计算方法如下：
最后A3即为所求结果
3.算法代码实现
typedef struct
{
char vertex[VertexNum]; //顶点表
int edges[VertexNum][VertexNum]; //邻接矩阵,可看做边表
int n,e; //图中当前的顶点数和边数
}MGraph;
void Floyd(MGraph g)
{
int A[MAXV][MAXV];
int path[MAXV][MAXV];
int i,j,k,n=g.n;
for(i=0;i<n;i++)
for(j=0;j<n;j++)
{
A[i][j]=g.edges[i][j];
path[i][j]=-1;
}
for(k=0;k<n;k++)
{
for(i=0;i<n;i++)
for(j=0;j<n;j++)
if(A[i][j]>(A[i][k]+A[k][j]))
{
A[i][j]=A[i][k]+A[k][j];
path[i][j]=k;
}
}
}
算法时间复杂度:O(n3)
前面是原文使用C语言的实现，我根据描述使用java实现了Dijkstra算法，已测试正确：
package test2; import java.util.ArrayList; import java.util.Arrays; import java.util.HashSet; import java.util.List; import java.util.Set; public class RouteCaculateTest { public static void main(String[] args) { Set<Point> set = new HashSet<Point>(); Point[] points = new Point[6]; Route[] routs = new Route[9]; init(points, routs); Point start = points[0]; //最短路径起始点 start.sPoints = new Point[]{start}; start.sLens = new int[]{0}; deal(start, routs, set); System.out.println(points[3]); //计算结束后，每一个节点中的points就是该节点到起始点的最短路径 String deepToString = Arrays.deepToString(points); System.out.println(deepToString); } //回调遍历处理每一个节点 private static void deal(Point curr, Route[] routs, Set<Point> set) { set.add(curr); List<Point> list = new ArrayList<Point>(); for(Route rout : routs){ if(rout.p1 == curr && !set.contains(rout.p2)){ rout.p2.caculate(curr, rout.length); list.add(rout.p2); }else if(rout.p2 == curr && !set.contains(rout.p1)){ rout.p1.caculate(curr, rout.length); list.add(rout.p1); } } for(Point p : list){ deal(p, routs, set); } } //构建节点和路径 static void init(Point[] points, Route[] routs){ for(int i = 0; i < 6; i++){ points[i] = new Point(i + 1); } routs[0] = new Route(points[0], points[1], 7); routs[1] = new Route(points[0], points[2], 9); routs[2] = new Route(points[0], points[5], 14); routs[3] = new Route(points[1], points[2], 10); routs[4] = new Route(points[1], points[3], 15); routs[5] = new Route(points[2], points[5], 2); routs[6] = new Route(points[2], points[3], 11); routs[7] = new Route(points[3], points[4], 6); routs[8] = new Route(points[4], points[5], 9); } } class Route{ Point p1; Point p2; int length; public Route(Point p1, Point p2, int length){ this.p1 = p1; this.p2 = p2; this.length = length; } } class Point{ Point[] sPoints = null; int[] sLens = null; public Point(int index){ this.index = index; } public void caculate(Point lastP, int length) { int old = Integer.MAX_VALUE; if(sLens != null){ old = 0; for(int len : sLens){ old += len; } } int nLen = 0; for(int len : lastP.sLens){ nLen += len; } nLen += length; if(nLen < old){ this.sPoints = new Point[lastP.sPoints.length + 1]; System.arraycopy(lastP.sPoints, 0, this.sPoints, 0, lastP.sPoints.length); this.sPoints[this.sPoints.length - 1] = this; this.sLens = new int[lastP.sLens.length + 1]; System.arraycopy(lastP.sLens, 0, this.sLens, 0, lastP.sLens.length); this.sLens[this.sLens.length - 1] = length; } } private int index = -1; @Override public String toString() { String pointIndexs = "["; for(Point p : sPoints){ pointIndexs += p.index + ","; } pointIndexs = pointIndexs.substring(0, pointIndexs.length() - 1); pointIndexs += "]"; int tt = 0; for(int len : sLens){ tt += len; } String lenText = Arrays.toString(sLens) + "(total:" + tt + ")"; return "index:" + index + "; path:" + pointIndexs + "; length:" + lenText; } }
