顺德网站建设公司价格,网站怎么能被百度收录,住房城乡建设部门门户网站,wordpress 随机图文一、弗洛伊德沃肖尔算法
Floyd-Warshall算法是图的最短路径算法。与Bellman-Ford算法或Dijkstra算法一样#xff0c;它计算图中的最短路径。然而#xff0c;Bellman Ford和Dijkstra都是单源最短路径算法。这意味着他们只计算来自单个源的最短路径。另一方面#xff0c;Floy… 一、弗洛伊德·沃肖尔算法
Floyd-Warshall算法是图的最短路径算法。与Bellman-Ford算法或Dijkstra算法一样它计算图中的最短路径。然而Bellman Ford和Dijkstra都是单源最短路径算法。这意味着他们只计算来自单个源的最短路径。另一方面Floyd Warshall计算输入图中每对顶点之间的最短距离。
假设你有5个朋友比利、珍娜、卡西、艾丽莎和哈里。你知道有几条路连接他们的一些房子你知道这些路的长度。但是弗洛伊德·沃沙尔可以利用你所知道的并根据这些信息为你提供最佳路线。例如看看下面的图表它显示了从一个朋友到另一个朋友的路径以及相应的距离。
我们初始化解矩阵的第一步与输入图矩阵相同。然后我们通过将所有顶点视为中间顶点来更新解矩阵。其思想是一个接一个地拾取所有顶点并更新所有最短路径其中包括拾取的顶点作为最短路径中的中间顶点。当我们选取顶点数 k 作为中间顶点时我们已经考虑了顶点{012..k-1}作为中间顶点。对于源顶点和目标顶点的每一对(Ij)都有两种可能的情况。 1) k 在从 I 到 j 的最短路径中不是中间顶点我们保持 dist[i][j]的值不变。 2) k 是从 I 到 j 的最短路径中的中间顶点我们将 dist[i][j]的值更新为 dist[I][k]dist[k][j]if dist[I][j]dist[I][k]dist[k][j] 下图显示了以上全对最短路径问题中的最优子结构性质。 二、Floyd-Warshall算法的应用
1、最短距离
弗洛伊德·沃沙尔将告诉每对朋友之间的最佳距离。它将清楚地告诉您从Alyssa的房子到Harry的房子的最快路径是连接边其权重为1。但是它也会告诉你从比利家到珍娜家的最快方式是先经过卡西家然后是艾丽莎家然后是哈利家最后才到珍娜家。这就是弗洛伊德·华肖的力量无论你现在在哪所房子它都会告诉你去其他房子的最快方式。
Floyd-Warshall算法是动态规划的一个例子。它将问题分解为较小的子问题然后将这些子问题的答案结合起来以解决较大的初始问题。想法是这样的要么从A到C的最快路径是从A到C的最快路径要么是从A到B的最快路径加上从B到C的最快路径。
Floyd Warshall在网络方面非常有用类似于最短路径问题的解决方案。但是它在管理路线上的多个站点时更有效因为它可以计算所有相关节点之间的最短路径。事实上Floyd Warshall的一次运行可以为您提供有关静态网络的所有信息以优化大多数类型的路径。它在计算矩阵求逆时也很有用。
2、求解离散数学中传递闭包
离散数学中传递闭包怎么求传递闭包的求法就是通过反复求矩阵的幂直到结果不在变化为止可以选择用warshall法不断的运行直到MR[n][i],MR[i][n]都为1时使得MR[i][j]为1不然的话还是要继续不断的运行直到结果MR[n][i],MR[i][n]都为1时使得MR[i][j]为1就停止。
在这个式子中a数组中为布尔数组主要是用来描述两个节点是不是出于一个相连的地位上可以看出做这样一个无权图的邻接矩阵在算法过程中是和Floyd相当相似而且三重循环的话是需要列出中间的每一个节点不过对于传递闭包而言的话只是需要求出两个节点是不是相连并不用在进一步的求解两个线路中间的最短路径了。
传递闭包最为简单的技术就是选择采用弗洛伊德算法选择用Floyd-Warshall算法能够最简便的解决任意两点之间最简单的路径中的一个算法而且还可以这个却的出力有向图或者负权。 时间复杂度: O(V^3) 上面的程序只打印最短的距离。我们还可以通过将前置信息存储在单独的 2D 矩阵中来修改解决方案以打印最短路径。 同样INF 的值可以从 limits.h 取为 INT_MAX以确保我们处理最大可能值。当我们取 INF 为 INT_MAX 时需要改变上述程序中的 if 条件以避免算术溢出。 三、算法思路
1、算法所要解决的问题称为多源最短路径问题算法完成后可求出任意两点之间的最短路径所以既然他这么简单那么这五行码有什么意义
A和 B的直接距离是6那么我们该如何缩小它们之间的距离
其算法的具体思想如下一想我只经过 C这个点的中转就可以让
2、相邻矩阵 dist存储路径而最终状态表示点的最短路径。若没有直接关联的点默认值为一个非常大的值(不要溢出)并且自身的长度是0。
将从1到 n点依次添加到图中。每一点都加入以测试是否有路径长度被改变。
并以图中每个点(i, j两次循环)为例判断每个点对距离是否因所加入的点而变化最小。若有变化则两点(i、 j)距离将改变。
非常简单我们只需通过其它点的中转就可以了这里我们就是 C点可以让 A和 B之间的距离到达5然后我再想一想我只经过 C这个点的中转就可以让他们的距离变小
为了确定这个周期的最外层循环被用于传递这个周期中的哪个点。即第一次循环是以一号顶点为中转站观察是否可以将其他点间的距离减小第二个循环是在第一个循环的基础。
总结 warshall算法的时间复杂度为 O (n3)实现简单适用于处理稠密图与顶点关。 四、实现代码
参考
C#图Graph的数据结构设计与源代码https://blog.csdn.net/beijinghorn/article/details/125133711?spm1001.2014.3001.5501
源代码(POWER BY TRUFFER) using System;
using System.Text;
using System.Collections;
using System.Collections.Generic;namespace Legalsoft.Truffer.Algorithm
{public partial class Graph{public int[,] Floyd_Warshall(){int V Node_Number;int[,] dist new int[V, V];for (int i 0; i V; i){for (int j 0; j V; j){dist[i, j] Matrix[i, j];}}for (int k 0; k V; k){for (int i 0; i V; i){for (int j 0; j V; j){if (dist[i, k] dist[k, j] dist[i, j]){dist[i, j] dist[i, k] dist[k, j];}}}}return dist;}}public static partial class GraphDrives{public static string Floyd_Warshall(){StringBuilder sb new StringBuilder();int INF 99999;int[,] m { { 0, 5, INF, 10 },{INF, 0, 3, INF },{INF, INF, 0, 1 },{INF, INF, INF, 0 }};Graph g new Graph(m);g.AdjacencyMatrix();int[,] dist g.Floyd_Warshall();return Algorithm_Gallery.ToHtml(dist);}}
}
