第07章_图C课件.pptVIP

Dijkstra算法可描述如下： (1) 初始化： S ← { v0 }; dist[j] ← Edge[0][j], j = 1, 2, …, n-1; // n为图中顶点个数 (2) 求出最短路径的长度： dist[k] ← min{ dist[i] }, i ? V- S ; S ← S U { k }; (3) 修改： dist[i] ← min{ dist[i], dist[k] + Edge[k][i] }, 对于每一个 i ? V- S ; (4) 判断： 若S = V, 则算法结束，否则转(2) 。 Dijkstra算法: 教材p189算法7.15 void Shortest_DIJ(MGraph G, int v0, PathMatrix P, ShortPathTable D) {// 用Dijkstra算法求有向图G的v0顶点到其余顶点v的最短路径 // P[v]及其带权路径长度D[v]。若P[v][w]为TRUE， 则w是从v0 // 到v当前求得最短路径上的顶点。final[v]为TRUE当且仅当 // v∈S，即求得从v0到v的最短路径 for (v=0; vG.vexnum; ++v){ final[v] = FALSE; D[v] = G.arcs[v0][v]; for (w=0; wG.vexnum; ++w) P[v][w] = FALSE; //设空路径 if (D[v]INFINITY) { P[v][v0] = TRUE; P[v][v] = TRUE];} }//for D[v0]=0; final[v0]=TRUE; //初始化，v0顶点属于S集 }//Shortest_DIJ Dijkstra算法: 教材p189算法7.15 //开始住循环，每次求得v0到某个v顶点的最短路径，并加v到S集 for (i=1; iG.vexnum; ++i) { //其余G.vexnum-1个顶点 min = INFINITY; //当前所知离v0顶点的最近距离 for (w=0; wG.vexnum; ++w) if (!final[w]) // w顶点在V-S中 if (D[w]min) { v=w; min = D[w] } //w顶点离v0顶点更近 final[v] = TURE; //离v0顶点最近的v加入S集 for (w=0; wG.vexnum; ++w) //更新当前最短路径及距离 if (!final[w] (min+G.arcs[v][w]D[w])) { //修改D[w]和P[w], w ∈V-S D[w] = min + G.arcs[v][w]; P[w] = P[v]; P[w][w] = TURE; // P[w]=P[v]+[w] }//for }//Shortest_DIJ (2) (3) 问题的提法：已知一个各边权值均大于0的带权有向图，对每一对顶点 vi ? vj，要求求出vi 与vj之间的最短路径和最短路径长度。 Floyd算法的基本思想： 定义一个n阶方阵序列：A(-1), A(0), …, A(n-1). A(-1) [i][j] = Edge[i][j]； A(k) [i][j] = min { A(k-1)[i][j], A(k-1)[i][k] + A(k-1)[k][j] }, k = 0,1,…, n-1 求每一对顶点之间的最短路径 A(0) [i][j]是从顶点vi 到vj , 中间顶点是v0的最短路径的长度, A(k) [i][j]是从顶点vi 到vj , 中间顶点的序号不大于k的最短路径的长度, A(n-1)[i][j]是从顶点vi 到vj 的最短路径长度。 弗洛伊德算法的基本思想是： 从 vi 到 vj 的所有可能存在的路径中，选出一条长度最短的路径。 n 次试探: 若vi,vj存在，则存在路径{vi,vj} // 路径中不含其它顶点 若vi,v0,v0,vj存在，则存在路径{vi,v0,vj} // 路径中所含顶点序号不大于0 若{vi,…,v1}, {v1,…,vj}存在，