使用Floyd算法求解两点间最短距离

Floyd算法

Floyd算法又称为Floyd-Warshell算法,其实Warshell算法是离散数学中求传递闭包的算法,两者的思想是一致的。Floyd算法是求解多源最短路时通常选用的算法,经过一次算法即可求出任意两点之间的最短距离,并且可以处理有负权边的情况(但无法处理负权环),算法的时间复杂度是 O ( n 3 ) O(n^3) O(n3),空间复杂度是 O ( n 2 ) O(n^2) O(n2)。

python 复制代码
import numpy as np


def floyd(adjacent_matrix, source, target):
   """
   :param adjacent_matrix: 图邻接矩阵
   :param source:  起点
   :param target:  终点
   :return: shortest_path
   """
   num_node = len(adjacent_matrix)

   # 计算
   """
   矩阵D记录顶点间的最小路径
   例如D[0][3]= 10,说明顶点0 到 3 的最短路径为10;
   矩阵P记录顶点间最小路径中的中转点
   例如P[0][3]= 1 说明,0 到 3的最短路径轨迹为:0 -> 1 -> 3。
   """
   distance = np.zeros(shape=(num_node, num_node), dtype=np.int_)
   path = np.zeros(shape=(num_node, num_node), dtype=np.int_)
   for v in range(num_node):
       for w in range(num_node):
           distance[v][w] = adjacent_matrix[v][w]
           path[v][w] = w

   # 弗洛伊德算法的核心部分
   for k in range(num_node):  # k为中间点
       for v in range(num_node):  # v 为起点
           for w in range(num_node):  # w为起点
               if distance[v][w] > (distance[v][k] + distance[k][w]):
                   distance[v][w] = distance[v][k] + distance[k][w]
                   path[v][w] = path[v][k]

   print(np.asarray(path))
   shortest_path = [source]
   k = path[source][target]
   while k != target:
       shortest_path.append(k)
       k = path[k][target]
   shortest_path.append(target)
   return shortest_path


if __name__ == "__main__":
   M = 1e6
   adjacent_matrix = [
       [0, 12, M, M, M, 16, 14],
       [12, 0, 10, M, M, 7, M],
       [M, 10, 0, 3, 5, 6, M],
       [M, M, 3, 0, 4, M, M],
       [M, M, 5, 4, 0, 2, 8],
       [16, 7, 6, M, 2, 0, 9],
       [14, M, M, M, 8, 9, 0],
   ]
   shortest_path = floyd(adjacent_matrix, 0, 3)
   print(shortest_path)
   # [0, 6, 3, M, M, M],
   # [6, 0, 2, 5, M, M],
   # [3, 2, 0, 3, 4, M],
   # [M, 5, 3, 0, 5, 3],
   # [M, M, 4, 5, 0, 5],
   # [M, M, M, 3, 5, 0]

适应场景

Floyd-Warshall算法由于其 O ( n 3 ) O(n^3) O(n3)的时间复杂度,适用于节点数比较少且图比较稠密的情况。对于边数较少的稀疏图,使用基于边的算法(如Dijkstra或Bellman-Ford)通常会更高效。

相关推荐
攻城狮7号10 分钟前
【第一节】Python爬虫基础-HTTP基本原理
爬虫·python·python爬虫
IT乐手11 分钟前
adb logcat 写文件乱码的解决方案
android·python
Python测试之道14 分钟前
Deepseek API+Python 测试用例一键生成与导出 V1.0.6(加入分块策略,返回更完整可靠)
开发语言·python·测试用例
SRC_BLUE_1718 分钟前
Python GUI 编程 | QObject 控件基类详解 — 定时器
开发语言·数据库·python
啊阿狸不会拉杆25 分钟前
第二十一章:Python-Plotly库实现数据动态可视化
开发语言·python·plotly
月走乂山32 分钟前
nocobase + Python爬虫实现数据可视化
爬虫·python·低代码·信息可视化
滴答滴答嗒嗒滴36 分钟前
Python小练习系列 Vol.12:学生信息排序(sorted + key函数)
开发语言·python
天天进步20151 小时前
Python项目-基于Flask的个人博客系统设计与实现(1)
开发语言·python·flask
安然无虞1 小时前
31天Python入门——第20天:魔法方法详解
开发语言·后端·爬虫·python
靠近彗星2 小时前
基于 Vue + Django + MySQL 实现个人博客/CMS系统
前端·vue.js·python·mysql·django