找出所有点对的最短路径，经典算法是Floyd-Warshall，关于该算法，《算法导论》等书籍给了充分的推理介绍，但均显得过于理论化，阅读起来不容易理解。
以下我以一个例子，详细阐述该算法的解题过程，力图将跳跃性降至最低，所以只阐述算法实现过程，详细证明过程请还是参考书籍。
例图选择《算法导论》的图25-1：
首先要明确，这里的最短路径均为简单路径，即：一条路径最多每个顶点通过一次。所以一条最短路径最多含有n-1条边。
那个希腊字母拼写实在不方便，所以设最短路径表示为Min(i,j)。 w(i,j) 表示边（Vi，Vj）的权
设D(k,i,j) 为从vi到vj只使用v1，v2,...,vk作为中间顶点的最短路径的权。
比如v5到v2
D(1,5,2) = 只能使用{v1}中的点作为中间顶点 ： NULL （表示不存在这样的最短路径，权值为空）
D(2,5,2) = 只能使用{v1，v2}中的点作为中间顶点 : NULL
D(3,5,2) = 只能使用{v1, v2, v3}中的点作为中间顶点: NULL
D(4,5,2) = 只能使用{v1, v2, v3, v4}中的点作为中间顶点: 存在三条路径，最短路径的权为 5
v5->v4->v3->v2 5
v5->v4->v1->v2 11
v5->v4->v1->v3->v2 20
D(5,5,2) = 只能使用{v1, v2, v3, v4，v5}中的点作为中间顶点: 与D(4,5,2)一样，存在三条路径，最短路径的权为 5
v5->v4->v3->v2 5
v5->v4->v1->v2 11
v5->v4->v1->v3->v2 20
由D的定义，不难看出，D(0,i,j) = w(i,j) 若不存在边(vi,vj)则 D(0,i,j) = INFINIT
D(|V|,i,j) = Min(i,j) 即vi到vj的最短路径。
对于k>0 vi到vj只能使用{v1,v2,...vk}作为中间顶点的最短路径 Min(i,j) 存在两种情况
1. 使用vk作为中间顶点
即有vi->vk->vj，
Min(i,j) = Min(i,k) + Min(k,j)
D(k,i,j) = D(k,i,k) + D(k,k,j)
由于vi->vj是一条最短路径，所以vi->vk也是一条vi到vk的最短路径(一条定理，反正法很容易证明),
则vi到vk为只能使用{v1,v2,...,v(k-1)}作为中间顶点的最短路径,因为vk已经被用了且最短路径上顶点只能用一次,所以D(k,i,k) = D(k-1,i,k)。
同理
vk到vj为只能使用{v1,v2,...,v(k-1)}作为中间顶点的最短路径,所以D(k,k,j) = D(k-1,k,j)。
即：D(k,i,j) = D(k-1,i,k) + D(k-1,k,j)
因为D(k,i,j) 为vi到vj只能使用{v1,v2,...,vk}作为中间顶点的最短路径Min(i,j)的权值
D(k-1,i,k) 为vi到vk只能使用{v1,v2,...,v(k-1)}作为中间顶点的最短路径Min(i,k)的权值
D(k-1,k,j) 为vk到vj只能使用{v1,v2,...,v(k-1)}作为中间顶点的最短路径Min(k,j)的权值
比如上面的k=4时
Min(5,2) = Min(5,4) + Min(4,2)
v5->v4->v3->v2 = v5->v4 + v4->v3->v2
仿照最开始的分析可以求得
D(3,5,4) = v5->v4, D(3,4,2) = v4->v3->v2
D(4,5,2) = D(3,5,4) + D(3,4,2)
2. 根本不使用vk作为中间顶点
即只能使用{v1,v2,...,v(k-1)}作为中间顶点
则D(k,i,j) = D(k-1,i,j) 因为肯定不用vk为中间顶点了，所以相当于只能使用{v1,v2,...,v(k-1)}作为中间顶点的最短路径。
比如上面的k=5时
Min(5,2) = D(5,5,2) = D(4,5,2)
v5->v4->v3->v2 v5没有出现在中间顶点，而是第一个顶点。
综合上面便可以得到递归式：
D(k,i,j) = min{ D(k-1,i,j), D(k-1,i,k) + D(k-1,k,j) }
按照自底向上计算最短路径权值：
伪码： FloydWarshall(W)
{
n = W.rows;
D(0,i,j) = W;
for k = 1 to n
{// D(k,i,j) = min{ D(k-1,i,j), D(k-1,i,k) + D(k-1,k,j) }
for i = 1 to n
{
for j = 1 to n
{
d(k,i,j) = min{ d(k-1,i,j), d(k-1,i,k) + d(k-1,k,j) };
}
}
}
}
根据公式，明显：
D(0,i,j) = W(i,j) //边信息
D(0,i,j) = 0 3 8 INF -4
INF 0 INF 1 7
INF 4 0 INF INF
2 INF -5 0 INF
INF INF INF 6 0
D(1,i,j) = min{ D(0,i,j), D(0,i,1) + D(0,1,j) },
即此时D(0,i,j)中的每对点只允许通过{v1}进行最短路径的改善,从图中很容易发现Min(4,2)，Min(4,5)会因此得到改善
D(1,i,j) = 0 3 8 INF -4
INF 0 INF 1 7
INF 4 0 INF INF
2 5 -5 0 -2
INF INF INF 6 0
e.g.对于Min(4,2) = D(1,4,2) = D(0,4,1) + D(0,1,2) = 2 + 3 = 5
从图上看更明显，v4->v2本来没有边即w(4,2)=INF，由于{v1}的引入，才建立了路径v4->v1->v2
D(2,i,j) = min{ D(1,i,j), D(1,i,2) + D(1,2,j) },
即此时D(0,i,j)中的每对点只允许通过{v1,v2}进行最短路径的改善,
即D(1,i,j)中的每对点只允许通过{v2}进行最短路径的改善, 从图中很容易发现Min(1,4),Min(3,4),Min(3,5)会因此得到改善,
D(2,i,j) = 0 3 8 4 -4
INF 0 INF 1 7
INF 4 0 5 11
2 5 -5 0 -2
INF INF INF 6 0
e.g.对于Min(1,4) = D(2,1,4) = D(1,1,2) + D(1,2,4) = 3 + 1 = 4
从图上看更明显，v1->v4本来没有边即w(1,4)=INF，由于{v1,v2}的引入，才建立了路径v1->v2->v4, 或者说引入{v1}没有缩短路径(1,4)，引入v2后达到了效果。
D(3,i,j) = min{ D(2,i,j), D(2,i,3) + D(2,3,j) },
即此时D(0,i,j)中的每对点只允许通过{v1,v2,v3}进行最短路径的改善,
即D(2,i,j)中的每对点只允许通过{v3}进行最短路径的改善, 从图中发现Min(4,2)会因此得到改善,
D(3,i,j) = 0 3 8 4 -4
INF 0 INF 1 7
INF 4 0 5 11
2 -1 -5 0 -2
INF INF INF 6 0
e.g.对于Min(4,2) = D(3,4,2) = D(2,4,3) + D(2,3,2) = -5 + 4 = -1
从图上看更明显，由于{v1,v2}的引入,v4->v2建立了路径为v4->v1->2,Min(4,2)=5，但当引入了{v3}后能再一次改善最短路径Min(4,2) v4->v3->v2。
D(4,i,j) = min{ D(3,i,j), D(3,i,4) + D(3,4,j) },
即此时D(0,i,j)中的每对点只允许通过{v1,v2,v3,v4}进行最短路径的改善,
即D(3,i,j)中的每对点只允许通过{v4}进行最短路径的改善, 从图中或根据公式发现以下点对会因此得到改善,
D(4,i,j) = 0 3 -1 4 -4
3 0 -4 1 -1
7 4 0 5 3
2 -1 -5 0 -2
8 5 1 6 0
e.g.对于Min(3,1) = D(4,3,1) = D(3,3,4) + D(3,4,1) = 5 + 2 = 7
从图上看更明显，{v1,v2,v3}的引入,并没有帮助v3->v1建立路径,Min(3,1)=INF，但当引入了{v4}后能改善最短路径Min(3,1) v3->v2->v4->v1。
D(5,i,j) = min{ D(4,i,j), D(4,i,5) + D(3,5,j) },
即此时D(0,i,j)中的每对点只允许通过{v1,v2,v3,v4,v5}进行最短路径的改善,
即D(4,i,j)中的每对点只允许通过{v5}进行最短路径的改善, 从图中或根据公式发现以下点对会因此得到改善,
D(5,i,j) = 0 1 -3 2 -4
3 0 -4 1 -1
7 4 0 5 3
2 -1 -5 0 -2
8 5 1 6 0
e.g.对于Min(1,3) = D(5,1,3) = D(4,1,5) + D(4,5,3) = -4 + 1 = -3
从图上看更明显,由于{v1,v2,v3,v4}的引入,v1->v3建立了路径为 v1->v2->v4->v3,Min(1,3)=-1，但当引入了{v5}后能再一次改善最短路径Min(1,3) v1->v5->v4->v3
上面的分析看似需要n+1个矩阵D来存储点对间对于不同k值的最短路径D(k,i,j)。
由递归公式可以明显看出D(k)只依赖于D(k-1)所以至多需要两个矩阵就够了。
接下来看，能不能再进一步，只保留一个矩阵进行迭代更新呢？
先设有两个矩阵D(k),D(k-1)其中D(k)对于D(k-1)做了一些最短路径权值更新，
只要D(k)更新的元素都保证不被用于计算更新其他元素，这样就可以在D(k-1)矩阵上进行原地更新，即只需要一个矩阵。
比如D(1)相对D(0)更新了Min(4,2), Min(4,5) 只要Min(4,2) 不被用来计算Min(4,5)则在D(0)上直接做元素更新是能得到D(1)的。
根据公式看，如果D(k,i,j) = D(k-1,i,j) 则显然不会影响，因为元素等于上一次的值，根本不用更新。
剩下 D(k,i,j) = D(k-1,i,k) + D(k-1,k,j) = D(k,i,k) + D(k,k,j)， 前面绿色公式已经证明。
也就是说对于D(k)的更新目前只依赖D(k)本身的元素，所以可以在其基础上进行更新。
亦即公式D(k,i,j) = min{ D(k-1,i,j), D(k-1,i,k) + D(k-1,k,j) } 右边的项均不改变值，所以不需要进行额外存储，完全可以利用其对该矩阵其他元素进行更新。
综上，我们可以只利用一个矩阵完成迭代计算。
于是有下面的算法：
FloydWarshall(W)
{
int n = W.rows;
int D[n][n];
D = W; //D(0,i,j)
for k = 1 to n
{
for i = 1 to n
{
for j = 1 to n
{
if (D[i][k] + D[k][j] < D[i][j]) //D(k-1,i,j) > D(k-1,i,k) + D(k-1,k,j)
{
D[i][j] = D[i][k] + D[k][j]; //D(k,i,j) = D(k-1,i,k) + D(k-1,k,j)
}
}
}
}
print(D);
}
很明显，该算法的时间复杂度为O(n^3) 至此问题算是解决一半了。
得到了点对最短路径权值，但如何记录最短路径是什么呢？分析雷同，就不详述了，下面的代码实现中含有路径信息，有兴趣的可以阅读下。
代码实现：
注意：这次用的图的存储方式为邻接矩阵 ，而不是前面的邻接表形式了。
该程序最终会打印出最短路径权值矩阵，同时以一对顶点为例打印其最短路径。
该代码主要以实现功能，验证此算法为目的，对于一些细节问题，如错误保护机制等并为考虑。比如要判断图是否有回路，可以通过对d(k,i,j)的值来判断。
C++语言 : Codee#2582
#include <iostream>
using namespace std ;
const int MAX_VERTEX_NUM = 20 ;
const int INFINIT = 65535 ;
struct VertexNode
{
char data [ 2 ];
int op ;
};
struct Graph
{
VertexNode VertexNode [ MAX_VERTEX_NUM ];
int ** Matrix ;
int vertexNum ;
int edgeNum ;
};
void CreateGraph (Graph & g )
{
g . Matrix = NULL ;
int i , j , edgeStart , edgeEnd , weight ;
cout << "Please input vertex and edge num (vnum enum):" << endl ;
cin >> g . vertexNum >> g . edgeNum ;
cout << "Please input vertex information (v1) /n note: every vertex info end with Enter" << endl ;
for (i = 0 ;i < g . vertexNum ;i ++ )
{
cin >> g . VertexNode [ i ]. data ; // vertex data info.
}
int n = g . vertexNum ;
// in order to use like D[i][j]
g . Matrix = new int * [ n];
for (i = 0 ; i < n; ++ i )
{
g . Matrix [ i ] = new int [ n];
}
for (i = 0 ; i < n; i ++ )
{
for (j = 0 ;j < n; j ++ )
{
if (j == i )
g . Matrix [ i ][ j ] = 0 ;
else
g . Matrix [ i ][ j ] = INFINIT ;
}
}
cout << "Please input edge information(start end weight):" << endl ;
for (j = 0 ; j < g . edgeNum ; j ++ )
{
cin >> edgeStart >> edgeEnd >> weight ;
g . Matrix [ edgeStart - 1 ][ edgeEnd - 1 ] = weight ;
}
}
void PrintAdjMatrix (const Graph & g )
{
int i , j , n, weight ;
n = g . vertexNum ;
cout << "Adjacent matrix for this graph is: /n " ;
for (i = 0 ; i < n; i ++ )
{
for (j = 0 ; j < n; j ++ )
{
weight = g . Matrix [ i ][ j ];
if (weight == INFINIT )
cout << "INF /t " ;
else
{
cout << weight << " /t " ;
}
}
cout << " /n " ;
}
cout << "The original edge info is: /n " ;
for (int i = 0 ; i < n; i ++ )
{
for (j = 0 ; j < n; j ++ )
{
if (g . Matrix [ i ][ j ] < INFINIT && i != j )
cout << g . VertexNode [ i ]. data << "->" << g . VertexNode [ j ]. data << " /n " ;
}
}
}
void DeleteGraph (Graph & g )
{
if (g . Matrix != NULL )
delete [] g . Matrix ;
g . Matrix = NULL ;
}
void PrintShortestMatrix (int ** matrix , int size )
{
cout << "The shortest path matrix is: /n " ;
int weight ;
for (int i = 0 ; i < size ; ++ i )
{
for (int j = 0 ; j < size ; ++ j )
{
weight = matrix [ i ][ j ];
if (weight == INFINIT )
cout << "INF /t " ;
else
{
cout << weight << " /t " ;
}
}
cout << " /n " ;
}
}
void PrintShortestPath (int ** path , int i , int j )
{
static int fi = 0 ;
static int fj = 0 ;
if (fi == 0 )
{
cout << "The shortest path from v" << i + 1 << " to v" << j + 1 << " is: /n " ;
cout << "v" << i + 1 << "->" ;
fi = 1 ;
}
if (path [ i ][ j ] == INFINIT )
return ;
int k = path [ i ][ j ];
cout << "v" << k + 1 << "->" ;
PrintShortestPath (path , i , k );
PrintShortestPath (path , k , j );
if (fj == 0 )
{
cout << "v" << j + 1 << endl ;
fj = 1 ;
}
}
void FloydWarshall (Graph & g )
{
int i , j , k , n;
n = g . vertexNum ;
int ** d = new int * [ n];
int ** path = new int * [ n];
for (i = 0 ; i < n; ++ i )
{
d [ i ] = new int [ n];
path [ i ] = new int [ n];
}
for (i = 0 ; i < n; ++ i )
{
for (j = 0 ; j < n; ++ j )
{
d [ i ][ j ] = g . Matrix [ i ][ j ];
path [ i ][ j ] = INFINIT ;
}
}
for (k = 0 ; k < n; k ++ )
{
for (i = 0 ; i < n; i ++ )
{
for (j = 0 ; j < n; j ++ )
{
if (d [ i ][ k ] + d [ k ][ j ] < d [ i ][ j ])
{
d [ i ][ j ] = d [ i ][ k ] + d [ k ][ j ];
path [ i ][ j ] = k ;
}
}
}
}
PrintShortestMatrix (d , n);
//input i-1, j-1
PrintShortestPath (path , 3 , 1 );
delete [] d ;
delete [] path ;
}
int main (int argc , const char ** argv )
{
Graph g ;
CreateGraph (g );
PrintAdjMatrix (g );
FloydWarshall (g );
DeleteGraph (g );
return 0 ;
}
输出结果：
上面对于该算法的分析，求解过程实际上是典型的动态规划解题过程，
1. 描述最优子结构：那个公式的推倒，思考过程。
2. 得到一个递归解：那个公式。
3. 按自底向上的方式计算最优解：最短路径权值矩阵
4. 有计算结果构造一个最优解：给出最短路径 path
之所以开始没提动态规划，是避免有人看了这四个字就被吓跑了，因为这个算法不是很好理解，需要反复研读，练习。
希望Floyd算法能提供一个很好的动态规划样例。