floyd-warshall算法是解决所有顶点对最短路径问题的经典动态规划算法。本文将深入探讨该算法中三层嵌套循环的正确顺序，重点阐明为何中间节点 `k` 的循环必须置于最外层。通过对比错误与正确的实现，我们将揭示这种顺序对算法状态优化和最终结果正确性的关键影响，确保 `mat[i][k]` 和 `mat[k][j]` 在计算 `mat[i][j]` 时已达到最优状态，从而避免常见的逻辑错误。
Floyd-Warshall算法是一种用于在给定带权图中查找所有顶点对之间最短路径的动态规划算法。其核心思想是通过逐步引入中间节点来优化路径，直到考虑了所有可能的中间节点。算法的时间复杂度为 O(V³)，其中 V 是图中的顶点数量。
算法原理概述
Floyd-Warshall算法维护一个距离矩阵 dist[i][j]，表示从顶点 i 到顶点 j 的最短路径长度。算法迭代地通过所有可能的中间顶点 k 来更新 dist[i][j]。每次迭代时，它会检查通过 k 作为中间节点是否能找到一条从 i 到 j 的更短路径。
状态转移方程为： dist[i][j] = min(dist[i][j], dist[i][k] + dist[k][j])
其中，dist[i][j] 表示从 i 到 j 的当前最短路径，dist[i][k] + dist[k][j] 表示通过 k 作为中间节点从 i 到 j 的路径长度。如果 -1 代表路径不可达或无穷大，则在计算时需要进行特殊处理。
常见错误：不正确的循环顺序
在实现Floyd-Warshall算法时，三层嵌套循环的顺序至关重要。一个常见的错误是将中间节点 k 的循环置于最内层，如下所示：
class Solution{
public void shortest_distance(int[][] mat){
int N = mat.length;
// 错误示例：k 在最内层
for(int i = 0; i < N; ++i){
for(int j = 0; j < N; ++j){
for(int k = 0; k < N; ++k){ // k 作为最内层循环
if(mat[i][k] != -1 && mat[k][j] != -1 && (mat[i][j] == -1 || mat[i][j] > mat[i][k] + mat[k][j])){
mat[i][j] = mat[i][k] + mat[k][j];
}
}
}
}
}
}这种循环顺序会导致计算错误。问题在于，当 k 位于最内层时，在计算 mat[i][j] 时，mat[i][k] 和 mat[k][j] 的值可能尚未经过充分优化。换句话说，mat[i][k] 和 mat[k][j] 可能还没有考虑通过当前或之前所有中间节点 0 到 k-1 的最短路径。它们可能仍然是直接路径或仅通过了部分中间节点的路径。这违反了动态规划的“无后效性”原则，即在计算当前状态时，所依赖的子问题状态必须是已经计算好的最优状态。
正确的循环顺序与状态优化
为了确保算法的正确性，中间节点 k 的循环必须置于最外层。这种顺序保证了当考虑通过 k 作为中间节点来优化所有 (i, j) 对的路径时，mat[i][k] 和 mat[k][j] 已经包含了通过所有编号小于 k 的中间节点的最短路径信息。
class Solution{
public void shortest_distance(int[][] mat){
int N = mat.length;
// 正确示例：k 在最外层
for(int k = 0; k < N; ++k){ // k 作为最外层循环
for(int i = 0; i < N; ++i){
for(int j = 0; j < N; ++j){
// 检查路径是否存在，并尝试更新
// mat[i][k] != -1 表示 i 到 k 的路径存在
// mat[k][j] != -1 表示 k 到 j 的路径存在
// (mat[i][j] == -1 || mat[i][j] > mat[i][k] + mat[k][j]) 表示当前 i 到 j 路径不可达或新路径更短
if(mat[i][k] != -1 && mat[k][j] != -1 && (mat[i][j] == -1 || mat[i][j] > mat[i][k] + mat[k][j])){
mat[i][j] = mat[i][k] + mat[k][j];
}
}
}
}
}
}解释正确性：
- 动态规划的递进： 当 k 循环到某个值时，它保证了 mat[i][k] 和 mat[k][j] 的值已经考虑了所有编号小于 k 的顶点作为中间节点的最短路径。
-
状态的含义：
- dp[k][i][j] 表示从 i 到 j，且只允许使用 0, 1, ..., k-1 作为中间节点时的最短路径。
- 当 k 位于最外层时，我们正在计算 dp[k+1][i][j]。此时，mat[i][k] 实际上是 dp[k][i][k]，mat[k][j] 是 dp[k][k][j]。它们都基于只使用 0 到 k-1 作为中间节点的最短路径。
- 通过 mat[i][j] = min(mat[i][j], mat[i][k] + mat[k][j])，我们更新了 mat[i][j]，使其现在包含了通过 k 作为中间节点的可能性。
- 迭代优化： 随着 k 从 0 增加到 N-1，算法逐步将所有顶点纳入考虑范围作为中间节点，最终得到所有顶点对之间的全局最短路径。
初始化与特殊值处理
-
初始距离矩阵： mat[i][j] 通常被初始化为：
- 如果 i == j，则 mat[i][j] = 0 (到自身的距离为0)。
- 如果 i 到 j 有直接边，则 mat[i][j] 为边的权重。
- 如果 i 到 j 没有直接边，则 mat[i][j] 为一个表示“无穷大”的值（例如 Integer.MAX_VALUE 或题目中指定的 -1）。
- -1 的处理： 在本教程的示例代码中，-1 被用作表示路径不可达或无穷大。因此，在计算 mat[i][k] + mat[k][j] 时，必须检查 mat[i][k] 和 mat[k][j] 是否为 -1。如果其中任何一个为 -1，则表示通过 k 的路径不可行，不应进行更新。
中间节点遍历顺序的灵活性
值得注意的是，尽管 k 必须是最外层循环，但 k 本身在 0 到 N-1 之间的遍历顺序并不影响最终结果的正确性。这是因为每个 k 的处理都是独立的，它只是在现有最短路径的基础上，尝试通过 k 找到更短的路径。无论 k 是按升序、降序还是随机顺序被考虑，只要所有的 k 都被作为中间节点处理过一次，最终结果都是相同的。
以下是一个使用随机顺序遍历中间节点的示例：
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
class Solution{
public void shortest_distance(int[][] mat){
int N = mat.length;
List<Integer> nodes = new ArrayList<>();
for(int i = 0; i < N; ++i) nodes.add(i);
Collections.shuffle(nodes); // 随机打乱中间节点的顺序
// k 在最外层，但其遍历顺序可以是随机的
for(int l = 0; l < nodes.size(); ++l){
int k = nodes.get(l); // 获取当前中间节点
for(int i = 0; i < N; ++i){
for(int j = 0; j < N; ++j){
if(mat[i][k] != -1 && mat[k][j] != -1 && (mat[i][j] == -1 || mat[i][j] > mat[i][k] + mat[k][j])){
mat[i][j] = mat[i][k] + mat[k][j];
}
}
}
}
}
}尽管随机顺序也能工作，但在实际应用中，通常会采用 0 到 N-1 的顺序，因为它更直观且易于理解。
总结
Floyd-Warshall算法的正确实现依赖于其三层嵌套循环的特定顺序。将中间节点 k 的循环置于最外层，是确保动态规划算法能够正确累积和优化最短路径的关键。这种顺序保证了在计算通过 k 的新路径时，所有依赖的子路径（mat[i][k] 和 mat[k][j]）都已考虑了所有编号小于 k 的中间节点，从而保证了算法的正确性和最终结果的最优性。理解这一核心概念对于避免常见的实现错误至关重要。
