最短路径Floyd算法.docVIP

最短路径Floyd 如果给定一个出发点（单源点）和一个有向网 G=(V,E),欲求出源点到其他各定点之间的最短路径，迪杰斯特拉（ Dijkstra）提出了按路径长度的递增次序，逐步产生最短路径的算法。算法思想：设集合S存放已经求出的最短路径的终点，初始状态时，集合S中只有一个源点，不妨设为V0。以后每求得一条最短路径(V0,V1,…,Vk),就将Vk加入到集合S中，直到全部顶点都加入到集合S中。 为此引入一个附助数组dist[],它的每一个分量dist[i]表示当前从源点V0到Vi的最短路径长度。它的初始状态：若从源点V0到顶点Vi有边，则dist[i]为该边上的权值；若从源点到顶点Vi没有边，则dist[i]为MAXNUM。 显然，路径长度为dist[j]=min{dist[I]|Vi∈V-v0}的路径是从V0出发的长度最短路径，即为(V0,Vj),随即将Vj加入到集合S中。如何求得下一条最短路径？由于V0到Vj的最短路径已求得，可能引起V0到其余顶点的当前最短路径长度发生变化，V0到Vk的当前最短路径长度只能是(V0,Vk)和(V0,Vj,Vk)的小者。 假设S是已求得的最短路径的终点集合，可以证明：下一条最短路径(设终点为Vt)或者是(V0,Vt),或者是中间只经过S中顶点便可到达顶点Vt的路径。这可以用反证法证明：设在此路径上存在一个顶点Vp不在S中，则说明V0到Vp的路径长度比V0到Vt的最短路径长度还短。然而这是不可能的，因为我们是按照最短路径长度递增的次序来逐次产生各条最短路径的，因此，长度比这条路径短的所有路径均已产生，而且它们的终点也一定已在集合S中，故假设不成立。 因此，在一般情况下，下一条长度最短最短路径长度为dist[k]=min{dist[i]/Vi∈V-S} 在每次求得一条最短路径之后，其终点Vk加入集合S，然后对所有的Vi∈V－S，修改其当前最短路径长度dist[i]=min{dist[i],dist[k]+Edge[k][i]},其中，Edge[k][i]是边（Vk,Vi）上的权值。下面给出Dijkstra算法： const int NumVer=0;// class Graph { private: float Edge[NumVex][NumVex];//图的临接矩阵 　float dist[NumVex];//存放从顶点V到其它各顶点的当前最短路径长度。 int path[NumVex]; int S[NumVex];//存放已求得的在最短路径上的顶点 public: void ShortestPath_Dijkstra(int ,int); int choose(int); }; void Graph::ShortestPath_ Dijkstra(int n ,int v) { for(int i=0;in;i++) { //dist,path,S的初始化 　 dist[i]=Edge[v][i]; S[i]=0; If(I!=v;dist[I]MAXNUM) path[I]=v; else Path[I]=-1; } s[v]=1; dist[v]=0;//顶点v加入已求出最短路径的顶点集合 for(i=0;in-1;i++) { float min=MAXNUM; int u=v; for(int j=0;jn;j++)//选择当前不在集合S中具有最短路径的顶点u if(!S[j]dist[j]min)] { u=j; min=dist[j]; } S[u]=1;//顶点u加入已求出最短路径的顶点集合 for(int w=0;wn;w++) //修改其余顶点的当前最短路径 if(!S[w]Edge[u][w]MAXNUMdist[u]+Edge[u][w]dist[w]) { dist[w]=dist[u]+Edge[u][w]; path[w]=u; } } } 如果要按求出每对顶点之间的最短路径，须分别以每个顶点为源点，重复执行Dijkstra算法。这样就求得每对顶点之间的最短路径及最短路径长度.我们使用更直接求解算法，称为Floyd（弗洛伊德）算法。 　 带权有向图仍然用邻接矩阵Edge[n][n]表示，Dijkstra算法的基本思想是：设置一个n＊n的方阵dist[n][n],初始化时，对角线的元素都等于零，表示顶点到自己的路径长度为0，其他元素dist[i][j]为Edge[i][j]的值，表示从顶点Vi到的顶点Vj的初试路径长度。该路径不一定是最短路径，尚需进行n次试探。首先考虑顶点V0作为中间顶点，判断路径(Vi,V0,Vj)是否存在，即（Vi,V0）和(V0,Vj)是否存在。