对弗洛伊德（Floyd）算法的个人理解

Floyd算法也是著名的最短路径求解算法，其过程非常简洁优雅，基本原理和Dijkstra算法相似。如果比较两个算法的时间复杂度，那么Dijkstra算法的效率要更高，因为Floyd算法的时间复杂度为O(n^3)，而Dijkstra算法只需要O(n^2)的时间复杂度。但是Floyd算法的优势在于，它能一次求得任何两个节点之间的最短路径，而Dijkstra算法只能求得以特定节点开始的最短路径。

下面直接给出Floyd的算法的实现代码，理一理该算法的具体步骤，谈谈我自己的理解：

#define MAXVEX 15#define INFINITY 65535typedef int Pathmatrix[MAXVEX][MAXVEX];  //用于保存两节点间最短路径中某个节点的下标typedef int ShortPathTable[MAXVEX][MAXVEX];  //用于保存两个节点之间的最短路径void ShortestPath_Floyd(MGraph G, Pathmatrix *P, ShortPathTable *D){int v, w, k;//初始化for(v = 0; v < G.numVertexes; v++){for(w=0; w < G.numVertexes; w++){(*D)[v][w] = G.matrix[v][w];(*P)[v][w] = w;}}//Floyd算法实现for(k = 0; k < G.numVertexes; k++){for(v = 0; v < G.numVertexes; v++){for(w = 0; w < G.numVertexes; w++){if((*D)[v][w] > (*D)[v][k] + (*D)[k][w]){(*D)[v][w] = (*D)[v][k] + (*D)[k][w];(*P)[v][w] = k;}}}}}

接下来，是Floyd算法的更新过程。归纳一下它的更新过程，其实就是，每一次尝试在每一对节点Vv和Vw之间插入一个节点Vk，如果插入节点后，可以使得Vv和Vw之间的路径变短，那么进行一次更新，否则不更新。

那么，为什么按照这样的规则更新可以找到每对节点间的最短路径呢？我在这里举个例子说明一下，应该就可以把这个问题解释清楚了。假设我们事先已经知道从节点V2到V5之间的最短路径是：V2→V4→V9→V7→V5。

第一步，在初始化过程中，我们获得了(*D)[2][9]、(*D)[9][5]、(*D)[2][5]以及(*P)[2][9]、(*P)[9][5]、(*P)[2][5]的初始值。

第二步，按照Floyd算法进行迭代，迭代到k等于4时，我们会发现在V2和V9之间插入V4之后，V2和V9之间的路径长度达到了史上最低点，(*D)[2][9]更新为(*D)[2][4]+(*D)[4][9]，(*P)[2][9]更新为4。而且在之后的迭代中都不会出现更短的路径，所以(*D)[2][9]和(*P)[2][9]在之后的迭代中都不会发生改变。

第三步，迭代到k等于7时，V9和V5之间的路径长度达到了史上最低点，(*D)[9][5]更新为(*D)[9][7]+(*D)[7][5]，(*P)[9][5]更新为7，此后不再改变。

第四步，迭代到k等于9时，V2和V5之间的路径长度达到了史上最低点，(*D)[2][5]更新为(*D)[2][9]+(*D)[9][5]，(*P)[2][5]更新为9，此后不再改变。这样也就找到了V2和V5之间的最短路径。

现在，我们算出了V2和V5之间的最短路径的长度，但是，怎样找到这条路径的轨迹呢？其实就是根据*P来推断。以上面的例子为例，如果我们要打印V2和V5之间的最短路径的轨迹。首先我们知道(*P)[2][5]=9，初步确定轨迹为V2→V9→V5。根据(*P)[2][9]=4且(*P)[9][5]=7，初步确定轨迹为V2→V4→V9→V7→V5。根据(*P)[2][4]=2，(*P)[4][9]=4，(*P)[9][7]=9，(*P)[7][5]=7，我们可以确定没有新的节点需要加入，所以确定最终的轨迹为V2→V4→V9→V7→V5。