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++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++的最短路径的弗洛伊德算法案例讲解

    现在我们有这么一张图: 我们要做的是求出从某一点到达任意一点的最短距离,我们先用邻接矩阵来建图,map[i][j]表示从i点到j点的距离,把自己到自己设为0,把自己到不了的边初始化为无穷大,代码为: //初始化 for(int i=1; i<=n; i++) for(int j=1; j<=n; j++) if(i==j) map[i][j]=0; else map[i][j]=inf; //读入边 for(int i=1; i<=m; i++) { scanf("%d%d%d

  • 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,

  • 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++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

  • 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++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++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++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

  • Java实现Floyd算法求最短路径

    本文实例为大家分享了Java实现Floyd算法求最短路径的具体代码,供大家参考,具体内容如下 import java.io.FileInputStream; import java.io.FileNotFoundException; import java.util.Scanner; public class TestMainIO { /** * @param args * @throws FileNotFoundException */ public static void main(Stri

  • Java Floyd算法求有权图(非负权)的最短路径并打印

    状态转移方程:d(i,j) = min(d(i,j),d(i,k)+d(k,j)),其中i<k<j 思路对于每一个k(i<k<j),全部遍历下来之后,肯定会发生一次有效的比较 public class FloydTest { private static int[][] matrix; private static int[][] path; public static void main(String[] args) { initMatrixAndPath( new int[][

  • Python基于Floyd算法求解最短路径距离问题实例详解

    本文实例讲述了Python基于Floyd算法求解最短路径距离问题.分享给大家供大家参考,具体如下: Floyd算法和Dijkstra算法,相信大家都不陌生,在最短路径距离的求解中应该算得上是最为基础和经典的两个算法了,今天就用一点时间来重新实现一下,因为本科的时候学习数据结构才开始接触的这个算法,当时唯一会用的就是C语言了,现在的话,C语言几乎已经离我远去了,个人感觉入手机器学习以来python更得我心,因为太通俗易懂了,带给你的体验自然也是非常不错的. 当然网上 有很多的算法讲解教程,我不会在

  • C语言实现图的最短路径Floyd算法

    Floyd算法直接使用二维数组求出所有顶点到所有顶点的最短路径. D代表顶点到顶点的最短路径权值和的矩阵. P代表对应顶点的最小路径的前驱矩阵. 以下程序在DEV C++中调试运行通过. #include <stdio.h> #define INFINITY 65535 typedef int VertexType; //顶点是字符型 typedef int EdgeType; //边是整型 typedef struct //图的邻接矩阵存储结构 { VertexType vexs[9]; /

随机推荐