一文彻底搞懂Floyd算法

一文彻底搞懂Floyd算法（弗洛伊德算法）

1. 算法本质

Floyd算法（又称Floyd-Warshall算法）是解决所有顶点对之间最短路径的动态规划算法。
由Robert Floyd于1962年提出（基于Stephen Warshall的传递闭包思想）。
核心思想：动态规划 + 中间点松弛，逐步允许更多顶点作为中转点。

---

2. 适用场景与前提

• 适用：带权有向图或无向图（边权可为负，但不能有负权环）。
• 不适用：存在负权环的图（可检测但无法求最短路径）。
• 目标：求任意两点 (i, j) 之间的最短路径长度。

---

3. 核心思想（动态规划定义）

设 dp[k][i][j] 表示从 i 到 j，只允许经过前 k 个顶点（编号 0~k-1）作为中转点的最短路径长度。

状态转移方程：

dp[k][i][j] = min(dp[k-1][i][j], dp[k-1][i][k] + dp[k-1][k][j])

• 不经过顶点 k：保持原路径 dp[k-1][i][j]
• 经过顶点 k：拆分为 i→k 和 k→j 两段

空间优化：只需一个二维矩阵 dist[][]，原地更新即可：

dist[i][j] = min(dist[i][j], dist[i][k] + dist[k][j])

---

4. 算法步骤（三层循环）

1. 初始化距离矩阵 dist[][]：
   • dist[i][i] = 0
   • 若存在边 i→j，则 dist[i][j] = weight(i,j)
   • 否则 dist[i][j] = INF
2. 三重循环：

   for k in range(n):          # 中转点
       for i in range(n):      # 起点
           for j in range(n):  # 终点
               if dist[i][k] + dist[k][j] < dist[i][j]:
                   dist[i][j] = dist[i][k] + dist[k][j]
   

3. 检查负权环：若存在 dist[i][i] < 0，则图中有负权环。

---

5. 图解示例（手动推演）

图：
顶点：0, 1, 2
边：0→1(3), 0→2(8), 1→2(2), 2→1(-1)（注意负权但不构成负环）

初始距离矩阵：

    0   1   2
0 [ 0,  3,  8 ]
1 [ ∞,  0,  2 ]
2 [ ∞, -1,  0 ]

逐步更新（k=0,1,2）：

中转点k	更新后 dist[1][2]	更新后 dist[2][1]	其他变化
初始	2	-1	-
k=0	min(2, ∞+∞)=2	min(-1, ∞+∞)=-1	无
k=1	min(2, 0+2)=2	min(-1, -1+0)=-1	无
k=2	min(2, -1+2)=1	min(-1, 2-1)=-1	dist[1][2] 更新为 1

最终距离矩阵：

    0   1   2
0 [ 0,  3,  5 ]   # 0→2 经过 1：3+2=5
1 [ ∞,  0,  1 ]   # 1→2 经过 2→1→2：-1+2=1
2 [ ∞, -1,  0 ]

---

6. 代码实现

Python 实现（基础版）

def floyd_warshall(n, edges):
    INF = float('inf')
    # 初始化距离矩阵
    dist = [[INF] * n for _ in range(n)]
    for i in range(n):
        dist[i][i] = 0
    
    # 填充边权
    for u, v, w in edges:
        dist[u][v] = w   # 若有重边可取 min
    
    # 三重循环核心
    for k in range(n):
        for i in range(n):
            for j in range(n):
                if dist[i][k] + dist[k][j] < dist[i][j]:
                    dist[i][j] = dist[i][k] + dist[k][j]
    
    # 检测负权环
    for i in range(n):
        if dist[i][i] < 0:
            print("存在负权环！")
            return None
    
    return dist

# 示例使用
edges = [
    (0, 1, 3), (0, 2, 8),
    (1, 2, 2), (2, 1, -1)
]
result = floyd_warshall(3, edges)
for row in result:
    print(row)
# 输出：
# [0, 3, 5]
# [inf, 0, 1]
# [inf, -1, 0]

Python 实现（带路径还原）

def floyd_with_path(n, edges):
    INF = float('inf')
    dist = [[INF] * n for _ in range(n)]
    nxt = [[-1] * n for _ in range(n)]
    
    for i in range(n):
        dist[i][i] = 0
        nxt[i][i] = i
    
    for u, v, w in edges:
        if w < dist[u][v]:  # 处理重边
            dist[u][v] = w
            nxt[u][v] = v
    
    for k in range(n):
        for i in range(n):
            for j in range(n):
                if dist[i][k] + dist[k][j] < dist[i][j]:
                    dist[i][j] = dist[i][k] + dist[k][j]
                    nxt[i][j] = nxt[i][k]   # 关键：路径经过 k
    
    # 检测负权环
    for i in range(n):
        if dist[i][i] < 0:
            print("存在负权环！")
            return None, None
    
    return dist, nxt

def print_path(nxt, u, v):
    if nxt[u][v] == -1:
        return "无路径"
    path = [str(u)]
    while u != v:
        u = nxt[u][v]
        if u == -1:
            return "路径断裂"
        path.append(str(u))
    return " -> ".join(path)

# 使用示例
dist, nxt = floyd_with_path(3, edges)
print(print_path(nxt, 0, 2))  # 0 -> 1 -> 2

---

C++ 实现（基础版）

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

const int INF = 1e9;

vector<vector<int>> floydWarshall(int n, vector<vector<int>>& edges) {
    // 初始化距离矩阵
    vector<vector<int>> dist(n, vector<int>(n, INF));
    for (int i = 0; i < n; i++) {
        dist[i][i] = 0;
    }
    
    // 填充边权
    for (auto& edge : edges) {
        int u = edge[0], v = edge[1], w = edge[2];
        dist[u][v] = min(dist[u][v], w);  // 处理重边
    }
    
    // 三重循环核心
    for (int k = 0; k < n; k++) {
        for (int i = 0; i < n; i++) {
            for (int j = 0; j < n; j++) {
                if (dist[i][k] + dist[k][j] < dist[i][j]) {
                    dist[i][j] = dist[i][k] + dist[k][j];
                }
            }
        }
    }
    
    // 检测负权环
    for (int i = 0; i < n; i++) {
        if (dist[i][i] < 0) {
            cout << "存在负权环！" << endl;
            return {};
        }
    }
    
    return dist;
}

int main() {
    int n = 3;
    vector<vector<int>> edges = {
        {0, 1, 3}, {0, 2, 8},
        {1, 2, 2}, {2, 1, -1}
    };
    
    vector<vector<int>> result = floydWarshall(n, edges);
    
    // 输出结果
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n; j++) {
            if (result[i][j] == INF)
                cout << "INF ";
            else
                cout << result[i][j] << " ";
        }
        cout << endl;
    }
    // 输出：
    // 0 3 5
    // INF 0 1
    // INF -1 0
    
    return 0;
}

C++ 实现（带路径还原）

#include <iostream>
#include <vector>
#include <algorithm>
#include <stack>
using namespace std;

const int INF = 1e9;

pair<vector<vector<int>>, vector<vector<int>>> 
floydWithPath(int n, vector<vector<int>>& edges) {
    vector<vector<int>> dist(n, vector<int>(n, INF));
    vector<vector<int>> nxt(n, vector<int>(n, -1));
    
    for (int i = 0; i < n; i++) {
        dist[i][i] = 0;
        nxt[i][i] = i;
    }
    
    for (auto& edge : edges) {
        int u = edge[0], v = edge[1], w = edge[2];
        if (w < dist[u][v]) {
            dist[u][v] = w;
            nxt[u][v] = v;
        }
    }
    
    for (int k = 0; k < n; k++) {
        for (int i = 0; i < n; i++) {
            for (int j = 0; j < n; j++) {
                if (dist[i][k] + dist[k][j] < dist[i][j]) {
                    dist[i][j] = dist[i][k] + dist[k][j];
                    nxt[i][j] = nxt[i][k];
                }
            }
        }
    }
    
    // 检测负权环
    for (int i = 0; i < n; i++) {
        if (dist[i][i] < 0) {
            cout << "存在负权环！" << endl;
            return {{}, {}};
        }
    }
    
    return {dist, nxt};
}

string getPath(vector<vector<int>>& nxt, int u, int v) {
    if (nxt[u][v] == -1) return "无路径";
    
    vector<int> path;
    path.push_back(u);
    while (u != v) {
        u = nxt[u][v];
        if (u == -1) return "路径断裂";
        path.push_back(u);
    }
    
    string result = to_string(path[0]);
    for (int i = 1; i < path.size(); i++) {
        result += " -> " + to_string(path[i]);
    }
    return result;
}

int main() {
    int n = 3;
    vector<vector<int>> edges = {
        {0, 1, 3}, {0, 2, 8},
        {1, 2, 2}, {2, 1, -1}
    };
    
    auto [dist, nxt] = floydWithPath(n, edges);
    
    cout << "0 -> 2 的最短路径: " << getPath(nxt, 0, 2) << endl;
    // 输出: 0 -> 2 的最短路径: 0 -> 1 -> 2
    
    return 0;
}

---

7. 复杂度分析

指标	复杂度	说明
时间复杂度	O(V³)	三重循环，V 为顶点数
空间复杂度	O(V²)	需要存储距离矩阵
优化可能性	较低	适合稠密图，V ≤ 200~300

对于稀疏图，可考虑对每个顶点运行 Dijkstra（堆优化），复杂度 O(V·(E log V))。

---

8. 正确性证明（简要）

• 归纳假设：第 k 轮循环后，dist[i][j] 表示从 i 到 j，只允许经过前 k 个顶点（编号 0~k-1）的最短路径。
• 归纳步骤：考虑第 k 轮，新路径要么不经过 k（旧值），要么经过 k（拆分为 i→k 和 k→j，均只使用前 k-1 个顶点）。
• 由动态规划最优子结构性质，可保证最终结果正确。

---

9. 与Dijkstra算法的对比

特性	Floyd算法	Dijkstra算法
目标	多源（所有点对）	单源（一个起点）
算法类型	动态规划	贪心
时间复杂度	O(V³)	O((V+E) log V)（堆优化）
负权边支持	✅ 支持（无负权环）	❌ 不支持
负权环检测	✅ 可检测	❌ 不能
适用场景	稠密图、所有点对最短路	稀疏图、单源最短路
空间	O(V²)	O(V+E)

---

10. 常见误区与注意事项

• 中转点循环必须在外层：k 在外层是核心，若交换循环顺序会导致错误。
• INF 选择：必须足够大，防止 INF + INF 溢出（C++ 中 1e9 较安全）。
• 有向图与无向图：无向图看作两条方向相反的有向边处理。
• 负权环检测：若最终 dist[i][i] < 0，表示存在负权环，最短路径无定义（可无限减小）。
• 不可达点：保持 INF，表示无路径。
• 重边处理：初始化时取 min 权重。

---

11. 实际应用场景

• 交通网络：求任意两个城市之间的最短行车距离。
• 社交网络：计算用户之间的最短「关系距离」。
• 路由协议：OSPF 中计算全拓扑最短路径（需考虑链路状态）。
• 传递闭包：求有向图的连通性（将边权设为 1，判断可达性）。
• 游戏开发：计算地图中所有点对之间的最短路径。

---

12. 优化技巧

1. 剪枝优化：若 dist[i][k] == INF，跳过内层循环。
2. 对称矩阵优化：无向图只需计算 j >= i 部分。
3. 使用 short 或 int：根据权重范围选择合适数据类型。
4. 并行化：k 外层无法并行，但 i,j 内层可并行化。

// 剪枝优化示例（C++）
for (int k = 0; k < n; k++) {
    for (int i = 0; i < n; i++) {
        if (dist[i][k] == INF) continue;  // 剪枝
        for (int j = 0; j < n; j++) {
            if (dist[k][j] == INF) continue;  // 剪枝
            if (dist[i][k] + dist[k][j] < dist[i][j]) {
                dist[i][j] = dist[i][k] + dist[k][j];
            }
        }
    }
}

---

13. 总结

特点	说明
算法类型	动态规划
适用图	有向图/无向图，可含负权边（无负权环）
时间复杂度	O(V³)
空间复杂度	O(V²)
优势	实现简单、支持负权边、多源全路径
劣势	对大规模图（V>500）运行较慢

一句话记忆：

三层循环 k,i,j，每次尝试用 k 当中转点来松弛 i→j 的距离，最终得到所有点对的最短路径。