QQ ：375061590
用到两个重要矩阵：
1.d[numVex][numVex] (numVex图的顶点数)：最开始该矩阵就是图的邻接矩阵，经过Floyd算法处理开后，d[numVex][numVex]中的d[i][j]，表示着从顶点i到j的最短路径的权重。
2.p[numVex][numVex]：p[i][j]表示从i到j的最短路径上 i的后继，例如1到5最短路劲为1-2-4-5 那么p[1][5]==2 ，最开始构建的p矩阵中p[i][j]= j
算法核心思想： 三圈for循环
for (int k = 0; k < graph.getNumVex(); k++) {
for (int v = 0; v < graph.getNumVex(); v++) {
for (int w = 0; w < graph.getNumVex(); w++) {
if (d[v][w] > d[v][k] + d[k][w]) {
d[v][w] = d[v][k] + d[k][w];
p[v][w] = p[v][k];// p[v][w]是v--w最短路径上 v的下一顶点
}
}
}
}
第一层 k是作为中间顶点
第二层 v是作为起始顶点
第三层 w是作为终点顶点
内层核心代码：
以v为起点，w为终点，再以k作为v和w之间的中间点，去判断d[v][ w]和d[v][k] + d[k][w]的大小关系，如果d[v][w] > d[v][k] + d[k][w]，说明找到从v→w的更短路径了，此时更改d[v][w]的值为d[v][k] + d[k][w]。
p[v][w]的值也要相应改成p[v][k]的值，因为 p[v][k]的值是v→k最短路径上v的后继顶点，而v→w这段最短路径是连接在v→k这段路径后面的，所以令所当然p[v][w]也要指向p[v][k]。
注意：最外层的k循环，前面的n此循环的结果跟后面n+1次循环的错做过程是息息相关，
三次循环完成后，各个顶点之间的最短路径权重会存储在d矩阵中：d[i][j]表示i→j的最短路径权重。
p中则存储着路径上的顶点，如果把i→j最短路径上的顶点列出来呢？
代码：
//求start→end 最短路径上的顶点
StringBuilder path = new StringBuilder();
int index = start;//起始点
path.append(start + " → ");
while (index != end) {
//循环取出路径上的各个顶点
index = p[index][end];
if(index != end){
path.append(index + " →");
}
}
用一个while循环循环 index = p[index][end];直到达到终点
假设该最短路径为 start→A→B→C→end
则执行过程是：
index = p[start][end]; →A
path== start→A →
index = p[A][end]; →B
path== start→A →B →
index = p[B][end]; →C
path== start→A →B →C→
index = p[C][end]; →end
path== start→A →B →C→end
这个就是p矩阵的妙处
测试：
图：
请输入定点的数目:5 顶点数为：5 请输入边数:7 边数为：7 请输入（Vi，Vj）上下标i 和 j，以及权重，用逗号隔开 0,1,5 0,4,7 1,2,4 4,2,8 1,3,2 2,3,6 4,3,1 初始的d矩阵 0 5 9999 9999 7 5 0 4 2 9999 9999 4 0 6 8 9999 2 6 0 1 7 9999 8 1 0 初始的p矩阵 0 1 2 3 4 0 1 2 3 4 0 1 2 3 4 0 1 2 3 4 0 1 2 3 4 处理后的d矩阵 0 5 9 7 7 5 0 4 2 3 9 4 0 6 7 7 2 6 0 1 7 3 7 1 0 处理后的p矩阵 0 1 1 1 4 0 1 2 3 3 1 1 2 3 3 1 1 2 3 4 0 3 3 3 4 求最短路径 请输入起点： 0 请输入终点： 2 从0到2的最短路径为9 该路劲为：0 → 1 →2 是否继续计算其他最短路径 Y/N? y 求最短路径 请输入起点： 0 请输入终点： 3 从0到3的最短路径为7 该路劲为：0 → 1 →3 是否继续计算其他最短路径 Y/N? y 求最短路径 请输入起点： 4 请输入终点： 1 从4到1的最短路径为3 该路劲为：4 → 3 →1 是否继续计算其他最短路径 Y/N? y 求最短路径 请输入起点： 2 请输入终点： 4 从2到4的最短路径为7 该路劲为：2 → 3 →4 是否继续计算其他最短路径 Y/N?
源代码：
package DataStructure;
import java.util.Scanner;
public class Floyd {
private Graph graph;
private int[][] d;// 用来存储顶点到顶点之间最短路径的权重
private int[][] p;// p[1][5]表示1到5的最短路径上 1的后继，例如1到5最短路劲为1-2-4-5 那么p[1][5]==2
public Floyd() {
this.graph = new Graph();
d = graph.getArc();
p = new int[graph.getNumVex()][graph.getNumVex()];
initP();// 初始化矩阵p
System.out.println("初始的d矩阵\n");
for (int i = 0; i < graph.getNumVex(); i++) {
for (int j = 0; j < graph.getNumVex(); j++) {
System.out.print(d[i][j] + " ");
}
System.out.println("\n");
}
System.out.println("初始的p矩阵\n");
for (int i = 0; i < graph.getNumVex(); i++) {
for (int j = 0; j < graph.getNumVex(); j++) {
System.out.print(p[i][j] + " ");
}
System.out.println("\n");
}
work();
System.out.println("处理后的d矩阵\n");
for (int i = 0; i < graph.getNumVex(); i++) {
for (int j = 0; j < graph.getNumVex(); j++) {
System.out.print(d[i][j] + " ");
}
System.out.println("\n");
}
System.out.println("处理后的p矩阵\n");
for (int i = 0; i < graph.getNumVex(); i++) {
for (int j = 0; j < graph.getNumVex(); j++) {
System.out.print(p[i][j] + " ");
}
System.out.println("\n");
}
}
/**
* 初始化p矩阵
*
*/
private void initP() {
for (int i = 0; i < graph.getNumVex(); i++) {
for (int j = 0; j < graph.getNumVex(); j++) {
p[i][j] = j;
}
}
}
/**
* 对d和p进行变化
*
*/
private void work() {
for (int k = 0; k < graph.getNumVex(); k++) {
for (int v = 0; v < graph.getNumVex(); v++) {
for (int w = 0; w < graph.getNumVex(); w++) {
if (d[v][w] > d[v][k] + d[k][w]) {
d[v][w] = d[v][k] + d[k][w];
p[v][w] = p[v][k];// p[v][w]是v--w最短路径上 v的下一顶点
}
}
}
}
}
/**
* 获取最短路劲
*
*/
public void getShortestPath(int start, int end) {
StringBuilder path = new StringBuilder();
int index = start;// 起始点
path.append(start + " → ");
while (index != end) {
// 循环取出路径上的各个顶点
index = p[index][end];
if (index != end) {
path.append(index + " →");
}else {
path.append(index);
}
}
System.out.println("从" + (start) + "到" + (end) + "的最短路径为"
+ d[start][end] + "\n该路劲为：" + path.toString());
}
public static void getShortestPath(Floyd floyd) {
Scanner scanner = new Scanner(System.in);
System.out.println("求最短路径\n请输入起点：");
int start = scanner.nextInt();
System.out.println("请输入终点：");
int end = scanner.nextInt();
floyd.getShortestPath(start, end);
System.out.println("是否继续计算其他最短路径 Y/N? ");
String tag = scanner.next();
if (tag.toLowerCase().equals("y")) {
getShortestPath(floyd);
}
}
/**
* 图内部类
*
* @author ccf
*
*/
class Graph {
/**
* 定点数
*
*/
private int numVex = 0;
private int arc[][] = null;
private int numEdge = 0;
private final int INFINITY = 9999;
public Graph() {
System.out.print("请输入定点的数目:");
Scanner scanner = new Scanner(System.in);
this.numVex = scanner.nextInt();
arc = new int[numVex][numVex];
for (int i = 0; i < numVex; i++) {
for (int j = 0; j < numVex; j++) {
arc[i][j] = INFINITY;
}
}
for (int i = 0; i < numVex; i++) {
arc[i][i] = 0;
}
System.out.println("顶点数为：" + this.numVex);
System.out.print("请输入边数:");
scanner = new Scanner(System.in);
this.numEdge = scanner.nextInt();
System.out.println("边数为：" + this.numEdge);
System.out.println("请输入（Vi，Vj）上下标i 和 j，以及权重，用逗号隔开");
for (int i = 1; i <= numEdge; i++) {
scanner = new Scanner(System.in);
String a = scanner.nextLine();
String[] b = a.split(",");
// System.out
// .println("输入了：" + Integer.parseInt(b[0]) + " "
// + Integer.parseInt(b[1]) + " "
// + Integer.parseInt(b[2]));
arc[Integer.parseInt(b[0])][Integer.parseInt(b[1])] = Integer
.parseInt(b[2]);
arc[Integer.parseInt(b[1])][Integer.parseInt(b[0])] = Integer
.parseInt(b[2]);
}
}
public int[][] getArc() {
return arc;
}
public int getNumVex() {
return numVex;
}
}
public static void main(String[] args) {
Floyd floyd = new Floyd();
getShortestPath(floyd);
}
}
相关推荐
floyd算法是求解最短路径的一种经典算法，本文分析了它求解最短路径的具体实现方法和效率，希望对大家对floyd算法有所了解。
实现了Floyd最短路径算法，两个实例，代码中写有说明，简单易懂，非常适合初学者学习路径分析算法。
通过对Floyd算法进行深入地研究分析,提出了一种新的求取矿井中任意两点间最短路径的算法:Floyd动态优化算法。该算法通过引入插入数组、可达数组以及可发数组,使得算法在求解最短路径前自动修改能够最小化路径的节点,...
最短路径分析广泛应用于事故抢修、交通指挥、GPS导航等行业应用中。算法具体的形式包括:确定起点的最短路径问题，即已知起始结点，求最短路径的问题。用于解决最短路径问题的算法被称做"最短路径算法"， 有时被简称...
算法思想：将各收费站及其...基于以上分析：车辆从任意A进站从任意B出站的收费问题就演化成求加权图中任意两点间最短路径的问题（前提：过路费按最短路径收取），采用floyd算法很容易实现求任意两点间最短路径的问题
基于MultiGen Creator/Vega...该算法不但克服了狄克斯特拉算法中结点检索冗余问题,又引入Floyd算法中的矩阵思想,对无向密集的三维巷道的路径检索非常有效,并以VC++6.0为开发平台,基于MFC技术开发实现矿井最优路径模拟。
很好的空间分析最短路径算法，可以借鉴学习的例子
一种新的保证用户QoS的最短路径算法_F_M算法，戴盛青，，针对第三代移动通信系统中，不同用户有不同的QoS要求的情况，分析Floyd算法和M算法的基本思想将二者结合起来，形成一种新的用以求解
主要使用了Dijkstra算法，Floyd算法。 主要功能有六项：1、烟台大学的平面图。2、景点的介绍。3、从一个景点到其他地方的所有最短路径。4、两景点间的最短路径。5、计算从一个地方到另一个地方所要花费的时间。6、...
主要介绍了Python基于Floyd算法求解最短路径距离问题,结合完整实例形式详细分析了Python使用Floyd算法求解最短路径距离问题的相关操作技巧与注意事项,需要的朋友可以参考下
主要介绍了C++实现多源最短路径之Floyd算法,结合实例形式分析了多源最短路径之Floyd算法的原理、实现方法及核心代码,需要的朋友可以参考下
求最短路径的问题。在无向图中该问题与确定起点的问题完全等同，在有向图中该问题等同于把所有路径方向反转的确定起点的问题。确定起点终点的最短路径问题 - 即已知起点和终点，求两结点之间的最短路径。全局最短...
通过对交通调度系统信息分调需求分析，构建交互型Floyd算法模型.基于Floyd算法设计出交通调度系统 最短路径，并通过仿真设计和测试运行该程序，程序运行良好.
算法分类：排序算法（如冒泡排序、快速排序、归并排序），查找算法（如顺序查找、二分查找、哈希查找），图论算法（如Dijkstra最短路径算法、Floyd-Warshall算法、Prim最小生成树算法），动态规划，贪心算法，回溯法...
分析了时延受限的Steiner树问题，总结了在构建组播树过程中的代价和计算复杂度变化规律，并根据实际网络环境，从优化最短路径出发，提出了一种基于优化最短路径的时延受限组播路由算法AOSPMPH。该算法以 MPH算法为...
针对常见的交通道路最短路径问题, 提出标准矩形网络的概念, 分析其节点间最短路径的性质, 并在此基础上给出一种新颖的最短路径求解算法. 该算法利用标准矩形网络的几何性质, 简化了搜索方向和步长的判断, 同时指出...
java界面实现Floyd算法求解最短路径问题。算法分析实习项目，直接导入文件就可以运行。使用JPanel动态构造问题，然后程序给出结果。
利用图论中的Floyd算法求解出了各个区域之间的最短路径，得到了D矩阵和R矩阵（其中D矩阵直观的表达出任意两个区之间的最短路径，R矩阵又列出了任意两个区最短路径具体的路线），进而成功解决了如何安排有限个站点...
php-floydwarshall Floyd-Warshall算法PHP实现 如维基百科所述：“在计算机科学中，FloydWarshall算法是一种用于在加权有向图中找到最短路径的图分析算法。该算法的一次执行将在所有顶点对之间找到最短路径。”
算法专业化该资料库包含斯坦福大学...4.最后，本部分的主题是：最短路径（Bellman-Ford，Floyd-Warshall，Johnson），NP完整性及其对算法设计者的意义以及应对计算上棘手的问题的策略（启发式分析，局部搜索） 。