动态规划法(二)——弗洛伊德算法

问题描述

给定一个带权有向图，计算任意两结点间的最短路径。

迪杰斯特拉算法可以计算指定起点到所有结点的最短路径长度，因此分别对每个结点使用一次迪杰斯特拉算法即可求的任意两结点间的最短路径。迪杰斯特拉算法的时间复杂度为O(n^2)，因此采用这种方法的时间复杂度为O(n^3)。但是，迪杰斯特拉算法不允许权值为负数，因此需要使用弗洛伊德算法。弗洛伊德算法允许权值为负数的边，但不允许回路的路径长度为负数。因为，若回路长度为负数，那么走一次回路，路径长度一定比上一次小，故这个问题就没有意义了。

数据结构

dis： Map<String, Map<String,Integer>> dis; 这是一个二维数组，存储两个结点间的最短路径长度。 Map中的key表示起点的编号； Map中的value是一个Map< String,Integer>类型的集合，表示以key为起点、指定结点为终点的最短路径长度集合。
path： Map<String,Map<String,String>> path; 这也是一个二维数组，存储最短路径中，终点的前驱结点编号。

算法思路

初始化dis和path a）将图的邻接矩阵填入dis中； b）将能够直达的两个结点i和j的path[i][j]设为i，不能直达的设为-1；
分别以每个结点作为中间结点k，所有结点作为开始结点i，所有结点作为终止结点j，分别判断d[i][k]+d[k][j]是否小于d[i][j]；若小于，则： a）d[i][j]=d[i][k]+d[k][j] b）path[i][j]=path[k][j]

代码实现

void Floyd(Map<String,List<ENode>> graph){
    // 初始化
    Map<String, Map<String, Integer>> dis = new HashMap<>();
    Map<String, Map<String, String>> path = new HashMap<>();

    // 对dis和path默认初始化
    for( String start : graph.keySet() ){
        Map<String, Integer> subDis = new HashMap<>();
        Map<String, String> subPath = new HashMap<>();
        for( String end : graph.keySet() ){
            subDis.put( end, Integer.MAX_VALUE );
            subPath.put( end, -1 );
        }
        dis.put( start, subDis );
        path.put( start, subPath );
    }

    // 对dis和path显示初始化
    for( Map.Entry<String, List<ENode>> entry : graph ){
        String start = entry.getKey();
        Map<String, Integer> subDis = dis.get(start);// 二维矩阵dis中的一行
        Map<String, String> subPath = path.get(start);// 二维矩阵path中的一行
        for( ENode edge : entry.getValue() ){
            subDis.put( edge.id, edge.w );
            subPath.put( edge.id, start );
        }
    }

    // 
    for( String k : graph.keySet() ){
        for( String i : graph.keySet() ){
            for( String j : graph.keySet() ){
                if ( dis.get(i).get(k) + dis.get(k).get(j) < dis.get(i).get(j) ) {
                    dis.get(i).put(j, dis.get(i).get(k) + dis.get(k).get(j) );
                    path.get(i).put( j, path.get(k).get(j) );
                }
            }
        }
    }
}