数据结构——Floyd算法

简介:

算法的思想:

遍历每个结点。然后以这个结点为中间结点来更新所有的结点。
edge(I,j) = min( edge( I , k ) + edge( k , j ) , edge( I , j ) )
edge就是边的长度
例如:
image.png

首先 以 1 为中间结点,更新(1,2),(1,3)(1,4)(1,5)(1,6)(2,3)(2,4)……等所有结点
其次,在以2为中间结点,更新(1,2),(1,3)(1,4)(1,5)(1,6)(2,3)(2,4)……等所有结点
再者,在以3为中间结点,更新(1,2),(1,3)(1,4)(1,5)(1,6)(2,3)(2,4)……等所有结点
以至于后面所有的结点。


在这里需要用到一个数组来记录前继结点。
这个算法的主要形式就是三层循环。从外到内在这里依次为一,二,三,层循环。
第一层循环是中间结点。
第二层循环0是起始结点
第三层循环是结束结点。


需要定义一个path[][]数组。初始化为每对结点的终止结点,例如(i,j)那就在i,j对应的path数组中对应的值为j。
初始化path数组如下:
image.png
三层循环如下:

image.png

代码如下;

//
//  main.cpp
//  Floyd
//
//  Created by 橘子和香蕉 on 2018/12/15.
//  Copyright © 2018 橘子和香蕉 All rights reserved.
//
/*
 1:求各个顶点之间的最短路径 时间复杂度是n*3
 2:从图的邻接矩阵出发,
 还是和之前的算法一样,找一个中间结点来更新所有的结点。假如 v到 u最短距离,还有几个结点,比如是m,n,b
 遍历这个结点,比如现在用m来更新所有的结点,看距离是不是短的,要是比之前短,就更新,否则,就不要更新,
 就是。D(u,v) = min(D(u,v),D(u,m)+D(m,v))
 这个算法三层循环,中间结点在最外面的一层。因为这样的才可以以他为中心,来遍历所有的结点
 */

#include <iostream>
using namespace std;

#define VERTEXNUM 100
#define INT_MAX 9999
class Graph{
private:
    char  vertex[VERTEXNUM];//顶点表
    int edge[VERTEXNUM][VERTEXNUM];//边表
    int vertexNum;//顶点个数
    int edgeNum;//边的个数
    int locate(char  data);//在顶点表中找data的位置
    void initEdge();
    
public:
    Graph(int vertexNum,int edgeNum);
    void create();
    void Floyd(char start ,char end);
    void printGraph();//输出
};

void Graph::printGraph(){
    cout<<endl;
    cout<<endl;
    cout<<"顶点边:\n";
    cout<<"vertexNum:"<<vertexNum<<" edgeNum:"<<edgeNum<<endl;
    for (int i = 0; i<vertexNum; i++) {
        cout<<vertex[i]<<"\t";
    }
    cout<<endl;
    cout<<"边表如下:\n";
    
    for (int j = 0; j<vertexNum; j++) {
        for (int k = 0; k<vertexNum ; k++) {
            cout<<edge[j][k]<<"\t";
        }
        cout<<endl;
    }
}

int Graph::locate(char  data){
    for (int i  = 0; i<vertexNum;i++) {
        if(vertex[i] == data){
            return I;
        }
    }
    return -1;
}
Graph::Graph(int vertexNum,int edgeNum){
    this->vertexNum = vertexNum;
    this->edgeNum = edgeNum;
    initEdge();
}
void Graph::create(){
    cout<<"input Graph data\n";
    for (int i = 0; i<vertexNum; i++) {
        cin>>vertex[I];
    }
    char start ,end;
    int wieght = -1;
    for (int j = 0; j<edgeNum; j++) {
        
        cout<<"input start and end of edge:\n";
        cin>>start>>end>>wieght;
        int startPosition = locate(start);
        int endPosition = locate(end);
        edge[startPosition][endPosition] = wieght;
        edge[endPosition][startPosition] = wieght;
    }
    
}
void Graph:: initEdge(){
    for (int i = 0;  i<vertexNum; i++) {
        for (int j =0 ; j<=i; j++) {
            edge[i][j] = INT_MAX;
            edge[j][i] = INT_MAX;
        }
    }
    for (int i = 0; i<vertexNum; i++) {
        for (int j = 0; j<vertexNum; j++) {
            cout<<edge[i][j]<<"\t";
        }
        cout<<endl;
    }
}
void Graph::Floyd(char start,char end){
    int path[vertexNum][vertexNum];//定义路径数组
    for (int i = 0; i<vertexNum; i++) {//初始化,默认i到j的中间结点是j
        for (int j = 0; j<vertexNum; j++) {
            path[i][j] = j;
        }
    }
    
    for (int k = 0; k < vertexNum; k++) {
        for (int i = 0; i < vertexNum; i++) {
            for (int j = 0; j < vertexNum; j++) {
                if( edge[i][k]+edge[k][j] < edge[i][j]){
                    edge[i][j] = edge[i][k]+edge[k][j];
                    path[i][j] = path[i][k];
                }
            }
        }
    }
    cout<<"每一对顶点的路径如下";
    int k = -1;
    for (int i = 0; i < vertexNum; i++) {
        for (int j = i+1; j < vertexNum; j++) {
            cout<<"<"<<vertex[i]<<":"<<vertex[j]<<">\t";
            k = path[i][j];
            cout<<vertex[i]<<"\t";
            while (k != j) {
                cout<<vertex[k]<<"\t";
                k = path[k][j];
            }
            cout<<endl;
        }
    }


    
    cout<<endl;
    cout<<"path如下\n";
    for (int i = 0; i < vertexNum; i++) {
        for (int j = 0; j < vertexNum; j++) {
            cout<<path[i][j]<<"\t";
        }
        cout<<endl;
    }
    
    cout<<"要查找的"<<start<<"到"<<end<<"的路径如下\n";
    int startPosition = locate(start);
    int endPosition = locate(end);
    cout<<"<"<<start<<":"<<end<<">\t"<<start<<"\t";
    k = path[startPosition][endPosition];
    while (k != endPosition) {
        cout<<vertex[k]<<"\t";
        k = path[k][endPosition];
    }
    
    
}






int main(){
    Graph a(6, 8);
    a.create();
    a.printGraph();
    a.Floyd('1', '2');
}

path数组中保存的是前一个结点的位置
那怎么输出呢?
如下所示:
测试的时候是上面的图。
例如要查找 1 到 2 的对应的最短路径
先去查找path数组中,1 ,2 对应的值,结果是4,这就说明4是第一个中间结点,继续查找 path 中,4,2对应的项,发现是3,这就说明3是 2 到4 的中间结点。也就是1 到 2 的第二个中间结点,继续查找3 到 2 在path对应的项,发现是2,这就说明没有中间结点了。
输出代码如下:
image.png

这里的图的无向带权图,代码运行结果如下;
image.png

相关文章
|
5月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
170 1
|
5月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
158 0
|
9月前
|
存储 算法 Java
算法系列之数据结构-二叉树
树是一种重要的非线性数据结构,广泛应用于各种算法和应用中。本文介绍了树的基本概念、常见类型(如二叉树、满二叉树、完全二叉树、平衡二叉树、B树等)及其在Java中的实现。通过递归方法实现了二叉树的前序、中序、后序和层次遍历,并展示了具体的代码示例和运行结果。掌握树结构有助于提高编程能力,优化算法设计。
297 10
 算法系列之数据结构-二叉树
|
9月前
|
算法 Java
算法系列之数据结构-Huffman树
Huffman树(哈夫曼树)又称最优二叉树,是一种带权路径长度最短的二叉树,常用于信息传输、数据压缩等方面。它的构造基于字符出现的频率,通过将频率较低的字符组合在一起,最终形成一棵树。在Huffman树中,每个叶节点代表一个字符,而每个字符的编码则是从根节点到叶节点的路径所对应的二进制序列。
252 3
 算法系列之数据结构-Huffman树
|
9月前
|
算法 Java
算法系列之数据结构-二叉搜索树
二叉查找树(Binary Search Tree,简称BST)是一种常用的数据结构,它能够高效地进行查找、插入和删除操作。二叉查找树的特点是,对于树中的每个节点,其左子树中的所有节点都小于该节点,而右子树中的所有节点都大于该节点。
373 22
|
10月前
|
存储 机器学习/深度学习 算法
C 408—《数据结构》算法题基础篇—链表(下)
408考研——《数据结构》算法题基础篇之链表(下)。
386 30
|
10月前
|
存储 算法 C语言
C 408—《数据结构》算法题基础篇—链表(上)
408考研——《数据结构》算法题基础篇之链表(上)。
460 25
|
10月前
|
存储 算法 测试技术
【狂热算法篇】探秘图论之 Floyd 算法:解锁最短路径的神秘密码(通俗易懂版)
【狂热算法篇】探秘图论之 Floyd 算法:解锁最短路径的神秘密码(通俗易懂版)
|
2月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
233 0
|
2月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
175 2