C++所有顶点之间的最短路径

本文实例为大家分享了C++所有顶点之间最短路径的具体代码,供大家参考,具体内容如下

一、思路: 不能出现负权值的边

用Floyd算法,总的执行时间为O(n的3次方)

k从顶点0一直到顶点n-1,

如果,有顶点i到顶点j之间绕过k,使得两顶点间的路径更短,即dist[i][k] + dist[k][j] < dist[i][j],则修改:dist[i][j]

如:(1)当k=0时,

顶点2绕过顶点0到达顶点1,使得路径为:3+1 < dist[2][1],所以,要修改dist[2][1]=4,同时要修改path[2][1]=path[0][1];

顶点2绕过顶点0到达顶点3,使得路径为:3+4 < dist[2][3],所以,要修改dist[2][1]=7,同时要修改path[2][3]=path[0][3];

(2)当k=1时,

顶点2绕过顶点1到达顶点3,使得路径为:2->0->1->3,3+1+2=6 <dist[2][3]=7,所以,要修改dist[2][3]=6,同时要修改path[2][3]=path[1][3];

一直重复上面步骤,直到k=6

二、实现程序:

1.Graph.h:有向图

#ifndef Graph_h
#define Graph_h
#include <iostream>
using namespace std;

const int DefaultVertices = 30;

template <class T, class E>
struct Edge { // 边结点的定义
  int dest; // 边的另一顶点位置
  E cost; // 表上的权值
  Edge<T, E> *link; // 下一条边链指针
};

template <class T, class E>
struct Vertex { // 顶点的定义
  T data; // 顶点的名字
  Edge<T, E> *adj; // 边链表的头指针
};

template <class T, class E>
class Graphlnk {
public:
  const E maxValue = 100000; // 代表无穷大的值(=∞)
  Graphlnk(int sz=DefaultVertices); // 构造函数
  ~Graphlnk(); // 析构函数
  void inputGraph(); // 建立邻接表表示的图
  void outputGraph(); // 输出图中的所有顶点和边信息
  T getValue(int i); // 取位置为i的顶点中的值
  E getWeight(int v1, int v2); // 返回边(v1, v2)上的权值
  bool insertVertex(const T& vertex); // 插入顶点
  bool insertEdge(int v1, int v2, E weight); // 插入边
  bool removeVertex(int v); // 删除顶点
  bool removeEdge(int v1, int v2); // 删除边
  int getFirstNeighbor(int v); // 取顶点v的第一个邻接顶点
  int getNextNeighbor(int v,int w); // 取顶点v的邻接顶点w的下一邻接顶点
  int getVertexPos(const T vertex); // 给出顶点vertex在图中的位置
  int numberOfVertices(); // 当前顶点数
private:
  int maxVertices; // 图中最大的顶点数
  int numEdges; // 当前边数
  int numVertices; // 当前顶点数
  Vertex<T, E> * nodeTable; // 顶点表(各边链表的头结点)
};

// 构造函数:建立一个空的邻接表
template <class T, class E>
Graphlnk<T, E>::Graphlnk(int sz) {
  maxVertices = sz;
  numVertices = 0;
  numEdges = 0;
  nodeTable = new Vertex<T, E>[maxVertices]; // 创建顶点表数组
  if(nodeTable == NULL) {
    cerr << "存储空间分配错误!" << endl;
    exit(1);
  }
  for(int i = 0; i < maxVertices; i++)
    nodeTable[i].adj = NULL;
}

// 析构函数
template <class T, class E>
Graphlnk<T, E>::~Graphlnk() {
  // 删除各边链表中的结点
  for(int i = 0; i < numVertices; i++) {
    Edge<T, E> *p = nodeTable[i].adj; // 找到其对应链表的首结点
    while(p != NULL) { // 不断地删除第一个结点
      nodeTable[i].adj = p->link;
      delete p;
      p = nodeTable[i].adj;
    }
  }
  delete []nodeTable; // 删除顶点表数组
}

// 建立邻接表表示的图
template <class T, class E>
void Graphlnk<T, E>::inputGraph() {
  int n, m; // 存储顶点树和边数
  int i, j, k;
  T e1, e2; // 顶点
  E weight; // 边的权值

  cout << "请输入顶点数和边数:" << endl;
  cin >> n >> m;
  cout << "请输入各顶点:" << endl;
  for(i = 0; i < n; i++) {
    cin >> e1;
    insertVertex(e1); // 插入顶点
  }

  cout << "请输入图的各边的信息:" << endl;
  i = 0;
  while(i < m) {
    cin >> e1 >> e2 >> weight;
    j = getVertexPos(e1);
    k = getVertexPos(e2);
    if(j == -1 || k == -1)
      cout << "边两端点信息有误,请重新输入!" << endl;
    else {
      insertEdge(j, k, weight); // 插入边
      i++;
    }
  } // while
}

// 输出有向图中的所有顶点和边信息
template <class T, class E>
void Graphlnk<T, E>::outputGraph() {
  int n, m, i;
  T e1, e2; // 顶点
  E weight; // 权值
  Edge<T, E> *p;

  n = numVertices;
  m = numEdges;
  cout << "图中的顶点数为" << n << ",边数为" << m << endl;
  for(i = 0; i < n; i++) {
    p = nodeTable[i].adj;
    while(p != NULL) {
      e1 = getValue(i); // 有向边<i, p->dest>
      e2 = getValue(p->dest);
      weight = p->cost;
      cout << "<" << e1 << ", " << e2 << ", " << weight << ">" << endl;
      p = p->link; // 指向下一个邻接顶点
    }
  }
}

// 取位置为i的顶点中的值
template <class T, class E>
T Graphlnk<T, E>::getValue(int i) {
  if(i >= 0 && i < numVertices)
    return nodeTable[i].data;
  return NULL;
}

// 返回边(v1, v2)上的权值
template <class T, class E>
E Graphlnk<T, E>::getWeight(int v1, int v2) {
  if(v1 != -1 && v2 != -1) {
    if(v1 == v2) // 说明是同一顶点
      return 0;
    Edge<T , E> *p = nodeTable[v1].adj; // v1的第一条关联的边
    while(p != NULL && p->dest != v2) { // 寻找邻接顶点v2
      p = p->link;
    }
    if(p != NULL)
      return p->cost;
  }
  return maxValue; // 边(v1, v2)不存在,就存放无穷大的值
}

// 插入顶点
template <class T, class E>
bool Graphlnk<T, E>::insertVertex(const T& vertex) {
  if(numVertices == maxVertices) // 顶点表满,不能插入
    return false;
  nodeTable[numVertices].data = vertex; // 插入在表的最后
  numVertices++;
  return true;
}

// 插入边
template <class T, class E>
bool Graphlnk<T, E>::insertEdge(int v1, int v2, E weight) {
  if(v1 == v2) // 同一顶点不插入
    return false;
  if(v1 >= 0 && v1 < numVertices && v2 >= 0 && v2 < numVertices) {
    Edge<T, E> *p = nodeTable[v1].adj; // v1对应的边链表头指针
    while(p != NULL && p->dest != v2) // 寻找邻接顶点v2
      p = p->link;
    if(p != NULL) // 已存在该边,不插入
      return false;
    p = new Edge<T, E>; // 创建新结点
    p->dest = v2;
    p->cost = weight;
    p->link = nodeTable[v1].adj; // 链入v1边链表
    nodeTable[v1].adj = p;
    numEdges++;
    return true;
  }
  return false;
}

// 有向图删除顶点较麻烦
template <class T, class E>
bool Graphlnk<T, E>::removeVertex(int v) {
  if(numVertices == 1 || v < 0 || v > numVertices)
    return false; // 表空或顶点号超出范围

  Edge<T, E> *p, *s;
  // 1.清除顶点v的边链表结点w 边<v,w>
  while(nodeTable[v].adj != NULL) {
    p = nodeTable[v].adj;
    nodeTable[v].adj = p->link;
    delete p;
    numEdges--; // 与顶点v相关联的边数减1
  } // while结束
  // 2.清除<w, v>,与v有关的边
  for(int i = 0; i < numVertices; i++) {
    if(i != v) { // 不是当前顶点v
      s = NULL;
      p = nodeTable[i].adj;
      while(p != NULL && p->dest != v) {// 在顶点i的链表中找v的顶点
        s = p;
        p = p->link; // 往后找
      }
      if(p != NULL) { // 找到了v的结点
        if(s == NULL) { // 说明p是nodeTable[i].adj
          nodeTable[i].adj = p->link;
        } else {
          s->link = p->link; // 保存p的下一个顶点信息
        }
        delete p; // 删除结点p
        numEdges--; // 与顶点v相关联的边数减1
      }
    }
  }
  numVertices--; // 图的顶点个数减1
  nodeTable[v].data = nodeTable[numVertices].data; // 填补,此时numVertices,比原来numVertices小1,所以,这里不需要numVertices-1
  nodeTable[v].adj = nodeTable[numVertices].adj;
  // 3.要将填补的顶点对应的位置改写
  for(int i = 0; i < numVertices; i++) {
    p = nodeTable[i].adj;
    while(p != NULL && p->dest != numVertices) // 在顶点i的链表中找numVertices的顶点
      p = p->link; // 往后找
    if(p != NULL) // 找到了numVertices的结点
      p->dest = v; // 将邻接顶点numVertices改成v
  }
  return true;
}

// 删除边
template <class T, class E>
bool Graphlnk<T, E>::removeEdge(int v1, int v2) {
  if(v1 != -1 && v2 != -1) {
    Edge<T, E> * p = nodeTable[v1].adj, *q = NULL;
    while(p != NULL && p->dest != v2) { // v1对应边链表中找被删除边
      q = p;
      p = p->link;
    }
    if(p != NULL) { // 找到被删除边结点
      if(q == NULL) // 删除的结点是边链表的首结点
        nodeTable[v1].adj = p->link;
      else
        q->link = p->link; // 不是,重新链接
      delete p;
      return true;
    }
  }
  return false; // 没有找到结点
}

// 取顶点v的第一个邻接顶点
template <class T, class E>
int Graphlnk<T, E>::getFirstNeighbor(int v) {
  if(v != -1) {
    Edge<T, E> *p = nodeTable[v].adj; // 对应链表第一个边结点
    if(p != NULL) // 存在,返回第一个邻接顶点
      return p->dest;
  }
  return -1; // 第一个邻接顶点不存在
}

// 取顶点v的邻接顶点w的下一邻接顶点
template <class T, class E>
int Graphlnk<T, E>::getNextNeighbor(int v,int w) {
  if(v != -1) {
    Edge<T, E> *p = nodeTable[v].adj; // 对应链表第一个边结点
    while(p != NULL && p->dest != w) // 寻找邻接顶点w
      p = p->link;
    if(p != NULL && p->link != NULL)
      return p->link->dest; // 返回下一个邻接顶点
  }
  return -1; // 下一个邻接顶点不存在
}

// 给出顶点vertex在图中的位置
template <class T, class E>
int Graphlnk<T, E>::getVertexPos(const T vertex) {
  for(int i = 0; i < numVertices; i++)
    if(nodeTable[i].data == vertex)
      return i;
  return -1;
}

// 当前顶点数
template <class T, class E>
int Graphlnk<T, E>::numberOfVertices() {
  return numVertices;
}

#endif /* Graph_h */

2.Floyd.h

#ifndef Floyd_h
#define Floyd_h
#include "Graph.h"
#include <stack>

// Floyd算法
template <class T, class E>
void Floyd(Graphlnk<T, E> &G, E dist[][DefaultVertices], int path[][DefaultVertices]) {
  // Graph是一个带权有向图,dist[]是当前求到的从顶点v到顶点j的最短路径长度,同时用数组
  // path[]存放求到的最短路径
  // dist[i][j]表示顶点i到顶点j的最短路径的权值
  int n = G.numberOfVertices(); // 顶点数
  int i, j, k;

  for(i = 0; i < n; i++) { // 矩阵dist与path初始化
    for(j = 0; j < n; j++) {
      dist[i][j] = G.getWeight(i, j);
      if(i != j && dist[i][j] < G.maxValue)
        path[i][j] = i; // 从顶点i到j的最短路径初始化,j的上一个顶点为i
      else
        path[i][j] = -1; // 没有<i,j>的边
    }
  }
  for(k = 0; k < n; k++) { // 有n个顶点,需要进行n次更新dist(k)和path(k)
    for(i = 0; i < n; i++) {
      for(j = 0; j < n; j++) {
        if(dist[i][k] + dist[k][j] < dist[i][j]) {
          dist[i][j] = dist[i][k] + dist[k][j];
          path[i][j] = path[k][j]; // 缩短路径长度,绕过k到j
        }
      }
    }
  }
}

// 从path数组读取最短路径的算法
template <class T, class E>
void printShortestPath(Graphlnk<T, E> &G, E dist[][DefaultVertices], int path[][DefaultVertices]) {
  int i, j, k, n = G.numberOfVertices();
  stack<int> st; // 记忆路径

  for(i = 0; i < n; i++) {
    for(j = 0; j < n; j++) {
      if(i != j) { // 如果不是顶点自身
        cout << "从顶点" << G.getValue(i) << "到顶点" << G.getValue(j) << "的最短路径为:";
        if(path[i][j] == -1) { // 表示两者之间不存在通路
          cout << "顶点" << G.getValue(i) << "到顶点" << G.getValue(j) << "不存在路径!" << endl;
        } else { // 存在路径
          // 要把顶点存到栈中,倒过来输出路径
          k = j;
          do {
            k = path[i][k];
            st.push(k); // 把顶点k压入栈中
          }while(k != i);
          while(st.empty() == false) { // 当栈不空时
            k = st.top(); // 退栈
            st.pop();
            cout << G.getValue(k) << "->";
          }
          cout << G.getValue(j) << ",长度为:" << dist[i][j] << endl;
        }
      }
    } // for内循环
  } // for外循环
}
#endif /* Floyd_h */

3.main.cpp

/*
 测试数据:
 4 8
 0 1 2 3
 0 1 1
 0 3 4
 1 2 9
 1 3 2
 2 0 3
 2 1 5
 2 3 8
 3 2 6
 */

#include "Floyd.h"

int main(int argc, const char * argv[]) {
  Graphlnk<char, int> G; // 声明图对象
  int dist[DefaultVertices][DefaultVertices], path[DefaultVertices][DefaultVertices];

  // 创建图
  G.inputGraph();
  cout << "图的信息如下:" << endl;
  G.outputGraph();
  // 求所有顶点之间的最短路径
  Floyd(G, dist, path);
  // 输出各个顶点之间的最短路径
  printShortestPath(G, dist, path);
  return 0;
}

测试结果:

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。

(0)

相关推荐

  • C++计算任意权值的单源最短路径(Bellman-Ford)

    本文实例为大家分享了C++计算任意权值单源最短路径的具体代码,供大家参考,具体内容如下 一.有Dijkstra算法求最短路径了,为什么还要用Bellman-Ford算法 Dijkstra算法不适合用于带有负权值的有向图. 如下图: 用Dijkstra算法求顶点0到各个顶点的最短路径: (1)首先,把顶点0添加到已访问顶点集合S中,选取权值最小的邻边<0, 2>,权值为5 记录顶点2的最短路径为:dist[2]=5, path[2]=0,把顶点2添加到集合S中. 顶点2,没有邻边(从顶点2出发,

  • c++查询最短路径示例

    复制代码 代码如下: //shortest_path.c#include<stdio.h>#include<stdlib.h>//用file#include<string.h>//可用gets(),puts()#include"shortest_path.h"#define MAX 32767#define MENU "欢迎进入导航系统!\n==========菜单===========\n0.载入北外地图\n1.建立地图\n2.查询最短路

  • C++用Dijkstra(迪杰斯特拉)算法求最短路径

    算法介绍 迪杰斯特拉算法是由荷兰计算机科学家狄克斯特拉于1959 年提出的,因此又叫狄克斯特拉算法.是从一个顶点到其余各顶点的最短路径算法,解决的是有向图中最短路径问题.迪杰斯特拉算法主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止.Dijkstra算法能得出最短路径的最优解,但由于它遍历计算的节点很多,所以效率低. 算法思想 按路径长度递增次序产生算法: 把顶点集合V分成两组: (1)S:已求出的顶点的集合(初始时只含有源点V0) (2)V-S=T:尚未确定的顶点集合 将T中顶点按递增

  • Dijkstra算法最短路径的C++实现与输出路径

    某个源点到其余各顶点的最短路径 这个算法最开始心里怕怕的,不知道为什么,花了好长时间弄懂了,也写了一遍,又遇到时还是出错了,今天再次写它,心里没那么怕了,耐心研究,懂了之后会好开心的,哈哈 Dijkstra算法: 图G 如图:若要求从顶点1到其余各顶点的最短路径,该咋求: 迪杰斯特拉提出"按最短路径长度递增的次序"产生最短路径. 首先,在所有的这些最短路径中,长度最短的这条路径必定只有一条弧,且它的权值是从源点出发的所有弧上权的最小值,例如:在图G中,从源点1出发有3条弧,其中以弧(1

  • C++实现多源最短路径之Floyd算法示例

    本文实例讲述了C++实现多源最短路径之Floyd算法.分享给大家供大家参考,具体如下: #include<cstdio> #include<cstring> #include<iostream> #define MAX 999 using namespace std; int n,m; int e[MAX][MAX]; void Init() { for(int i=1; i<=n; ++i) for(int j=1; j<=n; ++j) { if(i==

  • C++求所有顶点之间的最短路径(用Dijkstra算法)

    本文实例为大家分享了C++求所有顶点之间最短路径的具体代码,供大家参考,具体内容如下 一.思路: 不能出现负权值的边 (1)轮流以每一个顶点为源点,重复执行Dijkstra算法n次,就可以求得每一对顶点之间的最短路径及最短路径长度,总的执行时间为O(n的3次方) (2)另一种方法:用Floyd算法,总的执行时间为O(n的3次方)(另一文章会写) 二.实现程序: 1.Graph.h:有向图 #ifndef Graph_h #define Graph_h #include <iostream> u

  • C++所有顶点之间的最短路径

    本文实例为大家分享了C++所有顶点之间最短路径的具体代码,供大家参考,具体内容如下 一.思路: 不能出现负权值的边 用Floyd算法,总的执行时间为O(n的3次方) k从顶点0一直到顶点n-1, 如果,有顶点i到顶点j之间绕过k,使得两顶点间的路径更短,即dist[i][k] + dist[k][j] < dist[i][j],则修改:dist[i][j] 如:(1)当k=0时, 顶点2绕过顶点0到达顶点1,使得路径为:3+1 < dist[2][1],所以,要修改dist[2][1]=4,同

  • C++求所有顶点之间的最短路径(用Floyd算法)

    本文实例为大家分享了C++所有顶点之间最短路径的具体代码,供大家参考,具体内容如下 一.思路: 不能出现负权值的边 用Floyd算法,总的执行时间为O(n的3次方) k从顶点0一直到顶点n-1, 如果,有顶点i到顶点j之间绕过k,使得两顶点间的路径更短,即dist[i][k] + dist[k][j] < dist[i][j],则修改:dist[i][j] 如:(1)当k=0时, 顶点2绕过顶点0到达顶点1,使得路径为:3+1 < dist[2][1],所以,要修改dist[2][1]=4,同

  • C语言求解无向图顶点之间的所有最短路径

    本文实例为大家分享了C语言求解无向图顶点之间的所有最短路径的具体代码,供大家参考,具体内容如下 思路一: DFS,遇到终点之后进行记录 辅助存储: std::vector<int> tempPath; std::vector<std::vector<int>> totalPath; 实现: //查找无向图的所有最短路径,直接dfs就可以解决了 //记录保存这里用 vector<vector<int>> 插入失败,重新搞一下 OK // 时间复杂度

  • Python实现最短路径问题的方法

    目录 一.创建图 二.问题来源 三.Dijkstra算法 四.Floyd算法 五.代码测试 一.创建图 在开始之前,我们先创建一个图,使用邻接矩阵表示有向网: class Graph(object): """ 以邻接矩阵为存储结构创建有向网 """ def __init__(self, kind): # 图的类型: 无向图, 有向图, 无向网, 有向网 # kind: Undigraph, Digraph, Undinetwork, Dinetw

  • Java数据结构之图(动力节点Java学院整理)

    1,摘要: 本文章主要讲解学习如何使用JAVA语言以邻接表的方式实现了数据结构---图(Graph).从数据的表示方法来说,有二种表示图的方式:一种是邻接矩阵,其实是一个二维数组:一种是邻接表,其实是一个顶点表,每个顶点又拥有一个边列表.下图是图的邻接表表示. 从图中可以看出,图的实现需要能够表示顶点表,能够表示边表.邻接表指是的哪部分呢?每个顶点都有一个邻接表,一个指定顶点的邻接表中,起始顶点表示边的起点,其他顶点表示边的终点.这样,就可以用邻接表来实现边的表示了.如顶点V0的邻接表如下: 与

  • C++ Dijkstra算法之求图中任意两顶点的最短路径

    Dijkstra算法是图中找任意两点中最短路径的一种经典算法. 重点的步骤总结如下: 1.算法采用了并查集 (之后都叫它为 最短路径顶点集 ):即每次都找离开始顶点距离最短的顶点,然后把该顶点加入最短路径顶点集中(已经加入最短路径顶点集里的那些顶点 下一次就会跳过它了,并且,在顶点集里 任意两个顶点间的距离 都已经是最短) 2.用来记录从源点(开始顶点) 到vi (0<=i<=numVertices) 的最短距离 的数组dist[numVertices] ,并且这个数组的元素值是会不断变化的,

  • Java实现利用广度优先遍历(BFS)计算最短路径的方法

    本文实例讲述了Java实现利用广度优先遍历(BFS)计算最短路径的方法.分享给大家供大家参考.具体分析如下: 我们用字符串代表图的顶点(vertax),来模拟学校中Classroom, Square, Toilet, Canteen, South Gate, North Gate几个地点,然后计算任意两点之间的最短路径. 如下图所示: 如,我想从North Gate去Canteen, 程序的输出结果应为: BFS: From [North Gate] to [Canteen]: North Ga

  • 详解图的应用(最小生成树、拓扑排序、关键路径、最短路径)

    1.最小生成树:无向连通图的所有生成树中有一棵边的权值总和最小的生成树 1.1 问题背景: 假设要在n个城市之间建立通信联络网,则连通n个城市只需要n-1条线路.这时,自然会考虑这样一个问题,如何在最节省经费的前提下建立这个通信网.在每两个城市之间都可以设置一条线路,相应地都要付出一定的经济代价.n个城市之间,最多可能设置n(n-1)/2条线路,那么,如何在这些可能的线路中选择n-1条,以使总的耗费最少呢? 1.2 分析问题(建立模型): 可以用连通网来表示n个城市以及n个城市间可能设置的通信线

随机推荐