iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 26
3
Software Development

30天學演算法和資料結構系列 第 26

[演算法] 最短路徑 (Floyd-Warshall 演算法)

  • 分享至 

  • xImage
  •  

網路上有各式各樣的地圖出現,背後的運算就有很多的演算法、資料庫和參數來支持。還記得之前討論過有關圖的深度及廣度搜尋,就有提到過怎麼找最短的路徑,而這只是其中最基礎的幾個概念而已。現今的程式運算其實都更複雜,效率也更高,都是以前科學家的發明,還有工程師的發展,我們才有這些科技可用。

回到今天的主題,來介紹一個號稱核心概念只有五行的演算法:Floyd-Warshall 演算法

先來看我們今天要走的圖:
https://ithelp.ithome.com.tw/upload/images/20181110/20111557yGffYwiQzg.png
我們現在要找的是任意兩個點之間的最短路徑,也稱作「多源最短路徑」。

首先,一樣先將圖的資訊存到二為矩陣中。

  1 2 3 4
1 0 2 6 4
2 0 3
3 7 0 1
4 5 12 0
如果我們要求任意兩個點的最短距離,但有些點不能直達,勢必要有經過中間點才行。
我們來看看以下的分析:
4 → 3 為 12
4 → 1 → 3 為 11
4 → 1 → 2 → 3 為 10
  • 這表示當兩點之間沒有經過第三點時,兩點間的初始距離就是最短路徑。
  • 但若有經過中轉,可能不只一個,能讓總路徑變得更短。

我們只要透過多次的中轉,和初始的路徑比較,如果能讓兩點之間的路徑變短,就更新。好比 4 到 3 的原始距離為 12,4 到 1 的距離為 5,加上 1 到 3 的距離為 6 共 11,比原始 12 小,我們就讓二為矩陣中 4 到 3 的距離更新為 11 。因為我們只看最短路徑,不討論最少的中轉次數,所以可以這麼做。

  1 2 3 4
1 0 2 6 4
2 0 3
3 7 0 1
4 5 11 0
同理,我們把 4 到 1 的距離為 5,加上 1 到 2 的距離為 2,加上 2 到 3 的距離為 3 共 10,比原始 11 小,再更新回矩陣中。
  1 2 3 4
- - - - -
1 0 2 6 4
2 0 3
3 7 0 1
4 5 10 0
根據以上的概念,發現每一個點都有可能使另外兩個點之間的路徑變的更短。所以程式碼的主要概念就是用迴圈來跑,並進行比較,再更新。

全部的程式碼

import numpy as np
import pandas as pd

inf = 99999999
e = np.zeros((10,10), dtype = np.int)

n, m = map(int, input().split(' '))

#initialize
for i in range(1, n+1):
	for j in range(1, n+1):
		if i==j:
			e[i][j]=0
		else:
			e[i][j]=inf

#read line
for i in range(1, m+1):
	t1, t2, t3 = map(int, input().split(' '))
	e[t1][t2]=t3

#Floyd-Warshall algorithm
for k in range(1, n+1):
	for i in range(1, n+1):
		for j in range(1, n+1):
			if e[i][j] > e[i][k]+e[k][j]:
				e[i][j] = e[i][k]+e[k][j]

# test data:
# 4 8
# 1 2 2
# 1 3 6
# 1 4 4
# 2 3 3
# 3 1 7
# 3 4 1
# 4 1 5
# 4 3 12

#output final consequences
for i in range(1, n+1):
    print(e[i][1:n+1])

# ---------------------
# [0 2 5 4]
# [9 0 3 4]
# [6 8 0 1]
# [ 5  7 10  0]

最終結果

  1 2 3 4
1 0 2 5 4
2 9 0 3 4
3 6 8 0 1
4 5 7 10 0

但 Floyd-Warshall 演算法不能解決帶有「負權迴路」的圖,因為帶有負權迴路的圖並沒有最短路徑。有興趣可以自己拿筆畫畫看就會知道了。


上一篇
[演算法] K-means 分群 (K-means Clustering)
下一篇
[演算法] 並查集 (Union-find Algorithm)
系列文
30天學演算法和資料結構31
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言