zoukankan      html  css  js  c++  java
  • (四十二)常用 10 种算法——弗洛伊德算法

    1.弗洛伊德(Floyd)算法介绍

    1. 和 Dijkstra 算法一样,弗洛伊德(Floyd)算法也是一种用于寻找给定的加权图中顶点间最短路径的算法。该算法名称以创始人之一、1978 年图灵奖获得者、斯坦福大学计算机科学系教授罗伯特·弗洛伊德命名
    2. 弗洛伊德算法(Floyd)计算图中各个顶点之间的最短路径
    3. 迪杰斯特拉算法用于计算图中某一个顶点到其他顶点的最短路径
    4. 弗洛伊德算法 VS 迪杰斯特拉算法:迪杰斯特拉算法通过选定的被访问顶点,求出从出发访问顶点到其他顶点的最短路径;弗洛伊德算法中每一个顶点都是出发访问点,所以需要将每一个顶点看做被访问顶点,求出从每一个顶点到其他顶点的最短路径

    2.弗洛伊德(Floyd)算法图解分析

    1. 设置顶点 vi 到顶点 vk 的最短路径已知为 Lik,顶点 vk 到 vj 的最短路径已知为 Lkj,顶点 vi 到 vj 的路径为 Lij,则 vi 到 vj 的最短路径为:min((Lik+Lkj),Lij),vk 的取值为图中所有顶点,则可获得 vi 到 vj 的最短路径
    2. 至于 vi 到 vk 的最短路径 Lik 或者 vk 到 vj 的最短路径 Lkj,是以同样的方式获得
    3. 弗洛伊德(Floyd)算法图解分析-举例说明
    示例:求最短路径为例说明
    


    弗洛伊德算法的步骤:
    第一轮循环中,以 A(下标为:0)作为中间顶点【即把 A 作为中间顶点的所有情况都进行遍历, 就会得到更新距离表 和 前驱关系】,距离表和前驱关系更新为:
    

    分析如下:
    1) 以 A 顶点作为中间顶点是,B->A->C 的距离由 N->9,同理 C 到 B;C->A->G 的距离由 N->12,同理 G 到 C
    2) 更换中间顶点,循环执行操作,直到所有顶点都作为中间顶点更新后,计算结束
    


    3.弗洛伊德(Floyd)算法最佳应用-最短路径

    1. 胜利乡有 7 个村庄(A, B, C, D, E, F, G)
    2. 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5 公里
    3. 问:如何计算出各村庄到 其它各村庄的最短距离?
    4. 代码实现
    import java.util.Arrays;
    
    /**
     * 弗洛伊德算法
     */
    public class FloydAlgorithm {
    
        public static void main(String[] args) {
            // 测试看看图是否创建成功
            char[] vertex = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
            //创建邻接矩阵
            int[][] matrix = new int[vertex.length][vertex.length];
            final int N = 65535;
            matrix[0] = new int[]{0, 5, 7, N, N, N, 2};
            matrix[1] = new int[]{5, 0, N, 9, N, N, 3};
            matrix[2] = new int[]{7, N, 0, N, 8, N, N};
            matrix[3] = new int[]{N, 9, N, 0, N, 4, N};
            matrix[4] = new int[]{N, N, 8, N, 0, 5, 4};
            matrix[5] = new int[]{N, N, N, 4, 5, 0, 6};
            matrix[6] = new int[]{2, 3, N, N, 4, 6, 0};
            //创建 Graph 对象
            Graph graph = new Graph(vertex.length, matrix, vertex);
            //调用弗洛伊德算法
            graph.floyd();
            graph.show();
        }
    
        // 创建图
        static class Graph {
            private char[] vertex; // 存放顶点的数组
            private int[][] dis; // 保存,从各个顶点出发到其它顶点的距离,最后的结果,也是保留在该数组
            private int[][] pre;// 保存到达目标顶点的前驱顶点
    
            // 构造器
    
            /**
             * @param length 大小
             * @param matrix 邻接矩阵
             * @param vertex 顶点数组
             */
            public Graph(int length, int[][] matrix, char[] vertex) {
                this.vertex = vertex;
                this.dis = matrix;
                this.pre = new int[length][length];
                // 对 pre 数组初始化, 注意存放的是前驱顶点的下标
                for (int i = 0; i < length; i++) {
                    Arrays.fill(pre[i], i);
                }
            }
    
            // 显示 pre 数组和 dis 数组
            public void show() {
                //为了显示便于阅读,我们优化一下输出
                char[] vertex = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
                for (int k = 0; k < dis.length; k++) {
                    // 先将 pre 数组输出的一行
                    for (int i = 0; i < dis.length; i++) {
                        System.out.print(vertex[pre[k][i]] + " ");
                    }
                    System.out.println();
                    // 输出 dis 数组的一行数据
                    for (int i = 0; i < dis.length; i++) {
                        System.out.print("(" + vertex[k] + "到" + vertex[i] + "的最短路径是" + dis[k][i] + ") ");
                    }
                    System.out.println();
                    System.out.println();
                }
            }
    
            //弗洛伊德算法, 比较容易理解,而且容易实现
            public void floyd() {
                int len = 0; //变量保存距离
                //对中间顶点遍历, k 就是中间顶点的下标 [A, B, C, D, E, F, G]
                for (int k = 0; k < dis.length; k++) { //
                    //从 i 顶点开始出发 [A, B, C, D, E, F, G]
                    for (int i = 0; i < dis.length; i++) {
                        //到达 j 顶点 // [A, B, C, D, E, F, G]
                        for (int j = 0; j < dis.length; j++) {
                            len = dis[i][k] + dis[k][j];// => 求出从 i 顶点出发,经过 k 中间顶点,到达 j 顶点距离
                            if (len < dis[i][j]) {//如果 len 小于 dis[i][j]
                                dis[i][j] = len;//更新距离
                                pre[i][j] = pre[k][j];//更新前驱顶点
                            }
                        }
                    }
                }
            }
        }
    }
    
    
  • 相关阅读:
    一张图片入门Python
    4.1. 如何在Windows环境下开发Python
    你必须知道的EF知识和经验
    XUnit的使用
    如何使用NUnit
    Entity Framework 不支持DefaultValue
    Have You Ever Wondered About the Difference Between NOT NULL and DEFAULT?
    Validation failed for one or more entities. See 'EntityValidationErrors' property for more details
    Entity Framework 与多线程
    sqlite中的自增主键
  • 原文地址:https://www.cnblogs.com/everyingo/p/15094354.html
Copyright © 2011-2022 走看看