热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

C语言实现图的最短路径Floyd算法

这篇文章主要为大家详细介绍了C语言实现图的最短路径Floyd算法,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

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  
            
#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]; //顶点向量 
 
 EdgeType edges[9][9];  //邻接矩阵 
 
 int vexnum,arcnum; //图中当前的顶点数和边数 
 
}MGraph; 
 
/* 邻接矩阵的建立*/ 
 
void CreateGraph(MGraph *G) 
{  
 int i,j,k,weight; 
 int ch1,ch2; 
 
 printf("请输入顶点数和边数(输入格式为:顶点数,边数):"); 
 
 scanf("%d,%d",&(G->vexnum),&(G->arcnum)); 
 
 printf("请输入顶点名称(输入格式为:a,b,c...):"); 
 
 for(i=0;ivexnum;i++) 
 { 
  getchar(); 
  scanf("%d",&(G->vexs[i])); 
 } 
   
 for(i=0;ivexnum;i++) 
  for(j=0;jvexnum;j++) 
   if(i==j) 
    G->edges[i][j]=0; 
   else 
    G->edges[i][j]=INFINITY; 
 
  printf("请输入每条边对应的两个顶点名称(输入格式为:a,b):\n"); 
 
  for(k=0;karcnum;k++) 
  { 
   // getchar(); 
   printf("请输入第%d条边的两个顶点名称:",k+1); 
   scanf("%d,%d",&ch1,&ch2); 
   for(i=0;ch1!=G->vexs[i];i++); 
   for(j=0;ch2!=G->vexs[j];j++); 
   getchar(); 
   printf("请输入第%d条边的权值:",k+1); 
   scanf("%d",&weight);  
   G->edges[i][j]=weight; 
   G->edges[j][i]=weight; 
  } 
  
} 
 
void ShortestPath_Floyd(MGraph G,int P[9][9],int D[9][9]) 
{ 
 int v,w,k; 
 for(v=0;v(D[v][k]+D[k][w])) 
    {//如果经过下标为k顶点路径比原两点间路径更短,将当前两点间权值设为更小的一个 
    D[v][w]=D[v][k]+D[k][w]; 
    P[v][w]=P[v][k]; 
    } 
     
   } 
  } 
 } 
} 
void main() 
{ 
 MGraph G; 
 CreateGraph(&G); 
 int i,j; 
 printf("edgesnum:%d\n",G.arcnum); 
 printf("vexesnum:%d\n",G.vexnum); 
 for(i=0;i<9;i++) 
 { 
  for(j=0;j<9;j++) 
   printf("%d ",G.edges[i][j]); 
  printf("\n"); 
 } 
 int v,w,k; 
 int P[9][9]; 
 int D[9][9]; 
 printf("%d\n",P); 
 printf("%d\n",D); 
 ShortestPath_Floyd(G,P,D); 
 for(v=0;v%d",k); 
    k=P[k][w]; 
   } 
   printf("->%d\n",w); 
  } 
 } 
} 

运行结果如图所示。


整个算法的时间复杂度是O(n^3)。

在编写过程中遇到了以下错误:
在62行
[Error]subscripted value is neither array nor pointer nor vector

意思是
下标的值不是数组或指针或向量
当时我这一行是这样写的
void ShortestPath_Floyd(MGraph G,int** P,int** D)
因为在上一篇文章Dijkstra算法中一维数组作为函数参数是用的int*,没有问题
所以在这里二维数组我就想当然地用了int**
但是如果参数传入int**类型,在函数里就不能使用P[v][w]访问二维数组的值

编译器不能正确为它寻址,需要模仿编译器的行为把P[v][w]这样的式子手工转变为:

     *((int*)P + n*v + w);

所以在被调用函数中对形参数组定义时可以指定所有维数的大小,也可以省略第一维的大小说明
故改为void ShortestPath_Floyd(MGraph G,int P[9][9],int D[9][9])就可以编译通过。

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。


推荐阅读
  • 本文将介绍如何使用 Go 语言编写和运行一个简单的“Hello, World!”程序。内容涵盖开发环境配置、代码结构解析及执行步骤。 ... [详细]
  • 线性Kalman滤波器在多自由度车辆悬架主动控制中的应用研究
    本文探讨了线性Kalman滤波器(LKF)在不同自由度(2、4、7)的车辆悬架系统中进行主动控制的应用。通过详细的仿真分析,展示了LKF在提升悬架性能方面的潜力,并总结了调参过程中的关键要点。 ... [详细]
  • 深入理解C++中的KMP算法:高效字符串匹配的利器
    本文详细介绍C++中实现KMP算法的方法,探讨其在字符串匹配问题上的优势。通过对比暴力匹配(BF)算法,展示KMP算法如何利用前缀表优化匹配过程,显著提升效率。 ... [详细]
  • 探讨一个显示数字的故障计算器,它支持两种操作:将当前数字乘以2或减去1。本文将详细介绍如何用最少的操作次数将初始值X转换为目标值Y。 ... [详细]
  • 本文详细介绍了Java编程语言中的核心概念和常见面试问题,包括集合类、数据结构、线程处理、Java虚拟机(JVM)、HTTP协议以及Git操作等方面的内容。通过深入分析每个主题,帮助读者更好地理解Java的关键特性和最佳实践。 ... [详细]
  • 本文探讨如何设计一个安全的加密和验证算法,确保生成的密码具有高随机性和低重复率,并提供相应的验证机制。 ... [详细]
  • 深入解析:手把手教你构建决策树算法
    本文详细介绍了机器学习中广泛应用的决策树算法,通过天气数据集的实例演示了ID3和CART算法的手动推导过程。文章长度约2000字,建议阅读时间5分钟。 ... [详细]
  • 在金融和会计领域,准确无误地填写票据和结算凭证至关重要。这些文件不仅是支付结算和现金收付的重要依据,还直接关系到交易的安全性和准确性。本文介绍了一种使用C语言实现小写金额转换为大写金额的方法,确保数据的标准化和规范化。 ... [详细]
  • 在给定的数组中,除了一个数字外,其他所有数字都是相同的。任务是找到这个唯一的不同数字。例如,findUniq([1, 1, 1, 2, 1, 1]) 返回 2,findUniq([0, 0, 0.55, 0, 0]) 返回 0.55。 ... [详细]
  • 本文探讨了卷积神经网络(CNN)中感受野的概念及其与锚框(anchor box)的关系。感受野定义了特征图上每个像素点对应的输入图像区域大小,而锚框则是在每个像素中心生成的多个不同尺寸和宽高比的边界框。两者在目标检测任务中起到关键作用。 ... [详细]
  • 网络攻防实战:从HTTP到HTTPS的演变
    本文通过一系列日记记录了从发现漏洞到逐步加强安全措施的过程,探讨了如何应对网络攻击并最终实现全面的安全防护。 ... [详细]
  • 本文深入探讨了Linux系统中网卡绑定(bonding)的七种工作模式。网卡绑定技术通过将多个物理网卡组合成一个逻辑网卡,实现网络冗余、带宽聚合和负载均衡,在生产环境中广泛应用。文章详细介绍了每种模式的特点、适用场景及配置方法。 ... [详细]
  • 本文探讨了如何在给定整数N的情况下,找到两个不同的整数a和b,使得它们的和最大,并且满足特定的数学条件。 ... [详细]
  • 深度学习理论解析与理解
    梯度方向指示函数值增加的方向,由各轴方向的偏导数综合而成,其模长表示函数值变化的速率。本文详细探讨了导数、偏导数、梯度等概念,并结合Softmax函数、卷积神经网络(CNN)中的卷积计算、权值共享及池化操作进行了深入分析。 ... [详细]
  • 机器学习中的相似度度量与模型优化
    本文探讨了机器学习中常见的相似度度量方法,包括余弦相似度、欧氏距离和马氏距离,并详细介绍了如何通过选择合适的模型复杂度和正则化来提高模型的泛化能力。此外,文章还涵盖了模型评估的各种方法和指标,以及不同分类器的工作原理和应用场景。 ... [详细]
author-avatar
香香画室_769
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有