动态规划求最短路径（Floyd算法）_动态规划最短路径问题-CSDN博客

动态规划求最短路径（Floyd算法）

问题概述

在一无负权环的图中，给定起点startVertex和重点endVertex，求两点之间最短路径path的长度length。

大致思路

在此之前，我们已经学会了使用Dijkstra算法（一种贪心算法）来解决最短路径问题，然而在动态规划的框架下我们需要将问题“逐步解决”。

假设我们我们已经得知，在允许途径v1,v2,v3…vn“中转”的前提下，各起点至各终点最短路径的长度。
在1的基础上，继续求解在允许途径v1,v2,v3…vn+1“中转”的前提下，各起点至各终点最短路径的长度。

实现方式

我们使用距离矩阵来记录这些长度。由上可知，我们拿到的第一个矩阵应当是该图的邻接矩阵，其中不相邻的两点对应位置应填上正无穷。并不断地增加“中转点”的范围，不断地对这个矩阵进行更新。当“中转点”集合等于点的全集时，我们就得到了记录从各点到各点的最短路径长。

更新操作：

当我们把在矩阵中对应索引为k的点新加入“中转点”集合时，需对该矩阵的每一个点进行以下操作：

for i in range(matrixa.shape[0]):
    for j in range(matrixa.shape[1]):
        if matrixa[i][j]>matrixa[i][k]+matrixa[j][k]:
            matrixa[i][j]=matrixa[i][k]+matrixa[j][k]

通过三层循环，我们就可以实现这个算法。

路径的复现

如上所述，该算法的时间复杂度为O(n^3),随着计算的推进，路径可能会有极大的变化，所以每次发现一条新的最短路径就将其单独保存很明显是不现实的。

下面引入一个命题：

已知点sVer至eVer的最短路径path0经过mVer。那么在这一路径中由自sVer至mVer的最短路径和自mVer至eVer的最短路径拼接而成。

该命题的证明也很简单，如果两段路径不是各自的最短路径，那么两段路径就可以找出更短的，进而可得当前所谓的自sVer至eVer的“最短路径”并不最短。

在上述命题已然成立的情况下，我们只需要得到自sVer至eVer最短路径中的某个mVer即可使用分治算法复原出整条路径。

复现路径实现

路径的记录

def findShortestPath(self,start,end):
        if end==start:
            return str(start)
        if self.path[start][end]==start:
            return str(start)+'->'+str(end)
        else:
            middle=self.path[start][end]
            return self.findShortestPath