前言

在圖論中，在尋路最短路徑中除了Dijkstra算法以外，還有Floyd算法也是非常經(jīng)典，然而兩種算法還是有區(qū)別的，Floyd主要計(jì)算多源最短路徑。

在單源正權(quán)值最短路徑，我們會(huì)用Dijkstra算法來求最短路徑，并且算法的思想很簡(jiǎn)單—貪心算法:每次確定最短路徑的一個(gè)點(diǎn)然后維護(hù)(更新)這個(gè)點(diǎn)周圍點(diǎn)的距離加入預(yù)選隊(duì)列，等待下一次的拋出確定。雖然思想很簡(jiǎn)單，實(shí)現(xiàn)起來是非常復(fù)雜的，我們需要鄰接矩陣(表)儲(chǔ)存長(zhǎng)度，需要優(yōu)先隊(duì)列(或者每次都比較)維護(hù)一個(gè)預(yù)選點(diǎn)的集合。還要用一個(gè)boolean數(shù)組標(biāo)記是否已經(jīng)確定、還要……

總之，Dijkstra算法的思想上是很容易接受的，但是實(shí)現(xiàn)上其實(shí)是非常麻煩的。但是單源最短路徑解算暫時(shí)還沒有有效的辦法，復(fù)雜度也為O(n2)。

而在n點(diǎn)圖中想求多源最短路徑,如果從Dijkstra算法的角度上，需要將Dijkstra執(zhí)行n次才能獲得所有點(diǎn)之間的最短路徑，不過執(zhí)行n次Dijkstra算法即可,復(fù)雜度為O(n3)。但是這樣感覺很臃腫，代碼量巨大，占用很多空間內(nèi)存。有沒有啥方法能夠稍微變變口味呢？

答案是有的，今天就帶大家一起了解一下牛逼轟轟的Floyed算法。

算法介紹

什么是Floyed算法？

Floyd算法又稱為插點(diǎn)法，是一種利用動(dòng)態(tài)規(guī)劃的思想尋找給定的加權(quán)圖中多源點(diǎn)之間最短路徑的算法，與Dijkstra算法類似。該算法名稱以創(chuàng)始人之一、1978年圖靈獎(jiǎng)獲得者、斯坦福大學(xué)計(jì)算機(jī)科學(xué)系教授羅伯特·弗洛伊德命名。

簡(jiǎn)單的來說，算法的主要思想是動(dòng)態(tài)規(guī)劃(dp)，而求最短路徑需要不斷松弛(熟悉spfa算法的可能熟悉松弛)。

而算法的具體思想為：

1 .鄰接矩陣(二維數(shù)組)dist儲(chǔ)存路徑，數(shù)組中的值開始表示點(diǎn)點(diǎn)之間初始直接路徑，最終是點(diǎn)點(diǎn)之間的最小路徑，有兩點(diǎn)需要注意的，第一是如果沒有直接相連的兩點(diǎn)那么默認(rèn)為一個(gè)很大的值(不要因?yàn)橛?jì)算溢出成負(fù)數(shù))，第二是自己和自己的距離要為0。

2 .從第1個(gè)到第n個(gè)點(diǎn)依次加入松弛計(jì)算，每個(gè)點(diǎn)加入進(jìn)行試探枚舉是否有路徑長(zhǎng)度被更改(自己能否更新路徑)。順序加入(k枚舉)松弛的點(diǎn)時(shí)候，需要遍歷圖中每一個(gè)點(diǎn)對(duì)(i,j雙重循環(huán))，判斷每一個(gè)點(diǎn)對(duì)距離是否因?yàn)榧尤氲狞c(diǎn)而發(fā)生最小距離變化，如果發(fā)生改變(變小)，那么兩點(diǎn)(i,j)距離就更改。

2 .重復(fù)上述直到最后插點(diǎn)試探完成。

其中第2步的狀態(tài)轉(zhuǎn)移方程為:

dp[i][j]=min(dp[i][j],dp[i][k]+dp[k][j])

其中dp[a][b]的意思可以理解為點(diǎn)a到點(diǎn)b的最短路徑,所以dp[i][k]的意思可以理解為i到k的最短路徑dp[k][j]的意思為k到j(luò)的最短路徑.

咱們圖解一個(gè)案例，初始情況每個(gè)點(diǎn)只知道和自己直接相連的點(diǎn)的距離，而其他間接相連的點(diǎn)還不知道距離，比如A-B=2,A-C=3但是B-C在不經(jīng)過計(jì)算的情況是不知道長(zhǎng)度的。

加入第一個(gè)節(jié)點(diǎn)A進(jìn)行更新計(jì)算,大家可以發(fā)現(xiàn)，由于A的加入，使得本來不連通的B，C點(diǎn)對(duì)和B，D點(diǎn)對(duì)變得聯(lián)通，并且加入A后距離為當(dāng)前最小,同時(shí)你可以發(fā)現(xiàn)加入A其中也使得C-D多一條聯(lián)通路徑（6+3），但是C-D聯(lián)通的話距離為9遠(yuǎn)遠(yuǎn)大于本來的(C,D)聯(lián)通路徑2，所以這條不進(jìn)行更新。

咱們繼續(xù)加入第二個(gè)節(jié)點(diǎn)B，這個(gè)點(diǎn)執(zhí)行和前面A相同操作進(jìn)行。對(duì)一些點(diǎn)進(jìn)行更新。因?yàn)楹虰相連的點(diǎn)比較多，可以產(chǎn)生很多新的路徑，這里給大家列舉一下并做一個(gè)說明,這里新路徑我統(tǒng)一用1表示，原來長(zhǎng)度用0表示。

AF1=AB+BF=6+2=8 < AF0(∞) 進(jìn)行更新

AE1=AB+BE=2+4=6 < AE0(∞) 進(jìn)行更新

CE1=CB+BE=5+5=9 < CE0(∞) 進(jìn)行更新

CF1=CB+BF=5+6=11

EF1=EB+BF=4+6=10

當(dāng)然，也有一些新的路徑大于已有路徑不進(jìn)行更新，例如：

AC1=AB+BC=2+5=7>AC0(3)不更新

AD1=AB+BD=2+8=10>AD0(6)不更新

……

更多路徑這里就不一一列舉了。

后序加入C、D、E、F都是進(jìn)行相同的操作,最終全部加完沒有路徑可以更新就結(jié)束停止。實(shí)際上這個(gè)時(shí)候圖中的連線就比較多了。這些連線都是代表當(dāng)前的最短路徑。這也和我們的需求貼合，我們最終要的是所有節(jié)點(diǎn)的最短路徑。每個(gè)節(jié)點(diǎn)最終都應(yīng)該有5條指向不同節(jié)點(diǎn)的邊！矩陣對(duì)應(yīng)邊值就是點(diǎn)點(diǎn)之間最短路徑。

至于算法的模擬兩部核心已經(jīng)告訴大家了，大家可以自行模擬剩下的。

程序?qū)崿F(xiàn)

而對(duì)于程序而言，這個(gè)插入的過程相當(dāng)簡(jiǎn)單。核心代碼只有四行！這個(gè)寫法適合有向圖和無向圖，無向圖的算法優(yōu)化后面會(huì)說。
代碼如下

publicclassfloyd{
staticintmax=66666;//別Intege.max兩個(gè)相加越界為負(fù)
publicstaticvoidmain(String[]args){
intdist[][]={
{0,2,3,6,max,max},
{2,0,max,max,4,6},
{3,max,0,2,max,max},
{6,max,2,0,1,3},
{max,4,max,1,0,max},
{max,6,max,3,max,0}};//地圖
//6個(gè)
for(intk=0;k6;k++)//加入第k個(gè)節(jié)點(diǎn)進(jìn)行計(jì)算
{
for(inti=0;i6;i++)//每加入一個(gè)點(diǎn)都要枚舉圖看看有沒有可以被更新的
{
for(intj=0;j6;j++)
{
dist[i][j]=Math.min(dist[i][j],dist[i][k]+dist[k][j]);
}
}
}
//輸出
for(inti=0;i6;i++){
System.out.print("節(jié)點(diǎn)"+(i+1)+"的最短路徑");
for(intj=0;j6;j++){
System.out.print(dist[i][j]+"");
}
System.out.println();
}
}
}

執(zhí)行結(jié)果為：

可以自行計(jì)算，圖和上篇的Dijkstra用的圖是一致的，大家可以自行比對(duì)，結(jié)果一致，說明咱么的結(jié)果成功的。

當(dāng)然，在你學(xué)習(xí)的過程中，可以在每加入一個(gè)節(jié)點(diǎn)插入完成后，打印鄰接矩陣的結(jié)果，看看前兩部和筆者的是否相同(有助于理解)，如果相同，則說明正確！

對(duì)于加入點(diǎn)更新你可能還是有點(diǎn)疑惑其中的過程，那咱么就用一個(gè)局部來演示一下幫助你進(jìn)一步理解Floyd算法，看其中AB最短距離變化情況祝你理解：

小試牛刀

自己會(huì)沒會(huì)？刷一道題就可以知道了，剛好力扣1334是一道Floyd算法解決的問題。

題目描述為：

有 n 個(gè)城市，按從 0 到 n-1 編號(hào)。給你一個(gè)邊數(shù)組 edges，其中 edges[i] = [fromi, toi, weighti] 代表 fromi 和 toi 兩個(gè)城市之間的雙向加權(quán)邊，距離閾值是一個(gè)整數(shù) distanceThreshold。

返回能通過某些路徑到達(dá)其他城市數(shù)目最少、且路徑距離 最大 為 distanceThreshold 的城市。如果有多個(gè)這樣的城市，則返回編號(hào)最大的城市。

注意，連接城市 i 和 j 的路徑的距離等于沿該路徑的所有邊的權(quán)重之和。

示例1：

輸入：n = 4, edges = [[0,1,3],[1,2,1],[1,3,4],[2,3,1]], distanceThreshold = 4
輸出：3
解釋：城市分布圖如上。
每個(gè)城市閾值距離 distanceThreshold = 4 內(nèi)的鄰居城市分別是：
城市 0 -> [城市 1, 城市 2]
城市 1 -> [城市 0, 城市 2, 城市 3]
城市 2 -> [城市 0, 城市 1, 城市 3]
城市 3 -> [城市 1, 城市 2]
城市 0 和 3 在閾值距離 4 以內(nèi)都有 2 個(gè)鄰居城市，但是我們必須返回城市 3，因?yàn)樗木幪?hào)最大。

示例2：

輸入：n = 5, edges = [[0,1,2],[0,4,8],[1,2,3],[1,4,2],[2,3,1],[3,4,1]], distanceThreshold = 2
輸出：0
解釋：城市分布圖如上。
每個(gè)城市閾值距離 distanceThreshold = 2 內(nèi)的鄰居城市分別是：
城市 0 -> [城市 1]
城市 1 -> [城市 0, 城市 4]
城市 2 -> [城市 3, 城市 4]
城市 3 -> [城市 2, 城市 4]
城市 4 -> [城市 1, 城市 2, 城市 3]
城市 0 在閾值距離 2 以內(nèi)只有 1 個(gè)鄰居城市。

提示：

2 <= n <= 100
1 <= edges.length <= n * (n - 1) / 2
edges[i].length == 3
0 <= fromi < toi < n
1 <= weighti, distanceThreshold <= 10^4
所有 (fromi, toi) 都是不同的。

思路分析：

拿到一道題，首先就是要理解題意，而這道題的意思借助案例也是非常能夠理解，其實(shí)就是判斷在distanceThreshold范圍內(nèi)找到能夠到達(dá)的最少點(diǎn)的編號(hào)，如果多個(gè)取最大即可。正常求到達(dá)最多情景比較多這里求的是最少的，但是思路都是一樣的。

這道題如果使用搜索，那復(fù)雜度就太高了啊，很明顯要使用多源最短路徑Floyd算法，具體思路為;

1 .先使用Floyd算法求出點(diǎn)點(diǎn)之間的最短距離，時(shí)間復(fù)雜度O(n3)

2 . 統(tǒng)計(jì)每個(gè)點(diǎn)與其他點(diǎn)距離在distanceThreshold之內(nèi)的點(diǎn)數(shù)量，統(tǒng)計(jì)的同時(shí)看看是不是小于等于已知最少個(gè)數(shù)的，如果是，那么保存更新。

3 .返回最終的結(jié)果。

實(shí)現(xiàn)代碼：

classSolution{
publicintfindTheCity(intn,int[][]edges,intdistanceThreshold){
intdist[][]=newint[n][n];
for(inti=0;ifor(intj=0;j//保證數(shù)據(jù)比最大二倍大(兩相加不能比它大)，并且不能溢出，不要Int最大相加為負(fù)會(huì)出錯(cuò)
dist[i][j]=1000000;
}
dist[i][i]=0;
}
for(intarr[]:edges){
dist[arr[0]][arr[1]]=arr[2];
dist[arr[1]][arr[0]]=arr[2];
}
for(intk=0;kfor(inti=0;ifor(intj=0;jintmin=Integer.MAX_VALUE;
intminIndex=0;
intpathNum[]=newint[n];//存儲(chǔ)距離
for(inti=0;ifor(intj=0;jif(dist[i][j]<=distanceThreshold){
????????????????????pathNum[i]++;
????????????????}
????????????}
????????????if(pathNum[i]<=min)?{
????????????????min?=?pathNum[i];
????????????????minIndex=i;
????????????}
????????}
????????returnminIndex;

}
}

那么想一下優(yōu)化空間：Floyd算法還有優(yōu)化空間嘛？

有的，這個(gè)是個(gè)無向圖，也就是加入點(diǎn)的時(shí)候枚舉其實(shí)會(huì)有一個(gè)重復(fù)的操作過程(例如枚舉AC和CA是效果一致的)，所以我們?cè)贔loyd算法的實(shí)現(xiàn)過程中過濾掉重復(fù)的操作，具體代碼為：

classSolution{
publicintfindTheCity(intn,int[][]edges,intdistanceThreshold){
intdist[][]=newint[n][n];//存儲(chǔ)距離
for(inti=0;ifor(intj=0;j1000000;
}
dist[i][i]=0;
}
for(intarr[]:edges){
dist[arr[0]][arr[1]]=arr[2];
dist[arr[1]][arr[0]]=arr[2];
}
for(intk=0;kfor(inti=0;ifor(intj=i+1;j//去掉重復(fù)的計(jì)算
dist[i][j]=Math.min(dist[i][j],dist[i][k]+dist[k][j]);
dist[j][i]=dist[i][j];
}
}
}
intmin=Integer.MAX_VALUE;
intminIndex=0;
intpathNum[]=newint[n];//
for(inti=0;ifor(intj=0;jif(dist[i][j]<=distanceThreshold){
????????????????????pathNum[i]++;
????????????????}
????????????}
????????????if(pathNum[i]<=min)?{
????????????????min?=?pathNum[i];
????????????????minIndex=i;
????????????}
????????}
????????returnminIndex;

}
}

尾聲

對(duì)于Floyd算法，如果初次接觸不一定能夠理解這個(gè)松弛的過程。

Floyd像什么呢，最終最短路徑大部分都是通過計(jì)算得到而存儲(chǔ)下來直接使用的，我覺得它和MySQL視圖有點(diǎn)像的，視圖是一個(gè)虛表在實(shí)表上計(jì)算獲得的，但是計(jì)算之后各個(gè)數(shù)據(jù)就可以直接使用，Floyd是在原本的路徑圖中通過一個(gè)動(dòng)態(tài)規(guī)劃的策略計(jì)算出來點(diǎn)點(diǎn)之間的最短路徑。

Floyd和Dijkstra是經(jīng)典的最短路徑算法，兩者有相似也有不同。在復(fù)雜度上，Dijkstra算法時(shí)間復(fù)雜度是O(n2),Floyd算法時(shí)間復(fù)雜度是O(n3)；在功能上，Dijkstra是求單源最短路徑，并且路徑權(quán)值不能為負(fù)，而Floyd是求多源最短路徑，可以有負(fù)權(quán)值；算法實(shí)現(xiàn)上，Dijkstra 是一種貪心算法實(shí)現(xiàn)起來較復(fù)雜，Floyd基于動(dòng)態(tài)規(guī)劃實(shí)現(xiàn)簡(jiǎn)單；兩個(gè)作者Dijkstra和Floyd都是牛逼轟轟的大人物，都是圖靈獎(jiǎng)的獲得者。

除了Floyd算法，堆排序算法heapSort也是Floyd大佬發(fā)明的，屬實(shí)佩服！

Floyd算法，俗稱插點(diǎn)法，不就一個(gè)點(diǎn)一個(gè)點(diǎn)插進(jìn)去更新用到被插點(diǎn)距離嘛！

好啦，F(xiàn)loyd算法就介紹到這里，如果對(duì)你有幫助，請(qǐng)動(dòng)動(dòng)小手點(diǎn)個(gè)贊吧！蟹蟹。