Floyd求最短路

概念

Floyd算法是一种解决图中所有点对之间最短路径的经典算法。使用动态规划的思想,通过中间节点逐步优化已知的最短路径。Floyd算法的核心思想是三层循环,对每一对节点(i, j)检查是否存在中间节点k,使得经过k节点的路径更短。如果存在这样的k,就更新(i, j)之间的最短路径

步骤

  1. 初始化: 构建一个二维数组dist,表示每一对节点之间的最短路径长度。若两节点之间存在直接连接,则dist[i][j]为直接路径长度,否则为无穷大。
  2. 动态规划更新: 使用三层循环遍历所有节点对(i, j),检查是否存在中间节点k,使得路径(i, k, j)比当前已知路径更短。如果是,则更新dist[i][j]
  3. 输出结果: 经过三层循环的迭代后,dist数组记录了所有节点对之间的最短路径长度。

模板

java 复制代码
// Assuming n is the number of nodes
// g[i][j] represents the weight of the edge between node i and node j
// Initialize g[i][j] as positive infinity for non-connected nodes

void floyd() {
    for (int k = 0; k < n; k++) {
        for (int i = 0; i < n; i++) {
            for (int j = 0; j < n; j++) {
                g[i][j] = Math.min(g[i][j], g[i][k] + g[k][j]);
            }
        }
    }
}
  • 如果节点的编号是从0开始,那么所有循环的范围应为for (int k = 0; k < n; k++)for (int i = 0; i < n; i++)for (int j = 0; j < n; j++)
  • g[i][j]应该初始化为正无穷大,表示节点i和节点j之间没有直接的连接。
  • g[i][i](对角线上的元素)应该初始化为0,表示节点到自身的距离为0。

题目应用

给定一个 n 个点 m 条边的有向图,图中可能存在重边和自环,边权可能为负数。

再给定 k 个询问,每个询问包含两个整数 x 和 y,表示查询从点 x 到点 y 的最短距离,如果路径不存在,则输出 impossible

数据保证图中不存在负权回路。

输入格式

第一行包含三个整数 n,m,k

接下来 m 行,每行包含三个整数 x,y,z表示存在一条从点 x 到点 y 的有向边,边长为 z

接下来 k 行,每行包含两个整数 x,y表示询问点 x 到点 y 的最短距离。

输出格式

共 k 行,每行输出一个整数,表示询问的结果,若询问两点间不存在路径,则输出 impossible

数据范围

  • 1≤n≤200
  • 1≤k≤n^2
  • 1≤m≤20000
  • 图中涉及边长绝对值均不超过 10000。

输入样例:

复制代码
3 3 2
1 2 1
2 3 2
1 3 1
2 1
1 3

输出样例:

复制代码
impossible
1

代码

java 复制代码
import java.util.Arrays;
import java.util.Scanner;

/**
 * 这道题的坑对我而言是顶点没从1开始,而是从0开始!
 */
public class Main {
    static int n, m , k, N = 210, max = (int)1e8;
    static int[][] g = new int[N][N];
    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        n = in.nextInt();
        m = in.nextInt();
        k = in.nextInt();
        for (int i = 1;i <= n;i ++) {
            Arrays.fill(g[i], max);
        }
        for (int i = 1;i <= n;i ++) {
            g[i][i] = 0;
        }
        for (int i = 0;i < m;i ++) {
            int x = in.nextInt();
            int y = in.nextInt();
            int z = in.nextInt();
            g[x][y] = Math.min(g[x][y], z);
        }
        floyd();
        while (k > 0) {
            k--;
            int x = in.nextInt();
            int y = in.nextInt();
            if (g[x][y] > max / 2) {
                System.out.println("impossible");
            } else {
                System.out.println(g[x][y]);
            }
        }
    }
    public static void floyd() {
        for (int k = 1;k <= n;k ++) {
            for (int i = 1;i <= n;i ++) {
                for (int j = 1;j <= n;j ++) {
                    g[i][j] = Math.min(g[i][j], g[i][k] + g[k][j]);
                }
            }
        }
    }
}
相关推荐
小码编匠7 小时前
C# 实现网络文件传输:打造稳定可靠的工业级工具
后端·c#·.net
一 乐7 小时前
美食推荐|基于springboot+vue的美食分享系统设计与实现(源码+数据库+文档)
前端·数据库·vue.js·spring boot·后端·美食
清晓粼溪7 小时前
SpringMVC02:扩展知识
java·后端·spring
MobotStone7 小时前
一文看懂AI智能体架构:工程师依赖的8种LLM,到底怎么分工?
后端·算法·llm
谷哥的小弟7 小时前
Spring Framework源码解析——Ordere
java·后端·spring·源码
前端fighter7 小时前
全栈项目:宠物用品购物系统及后台管理
前端·vue.js·后端
卓码软件测评7 小时前
第三方软件测试评测机构:【基于Scala DSL的Gatling脚本开发:从零开始构建首个负载测试模型】
后端·测试工具·测试用例·scala·负载均衡·压力测试
子洋8 小时前
LLM 原理 - 输入预处理
前端·人工智能·后端
Lovely_Ruby9 小时前
前端er Go-Frame 的学习笔记:实现 to-do 功能(三),用 docker 封装成镜像,并且同时启动前后端数据库服务
前端·后端
Lear9 小时前
MySQL配置文件优化详解:提升数据库性能的关键参数配置
后端