蠢萌的小灰 程序员小灰
————— 第二天 —————
小灰的思路如下：
第一步，利用迪杰斯特拉算法的距离表，求出从顶点A出发，到其他各个顶点的最短距离：
第二步，继续使用迪杰斯特拉算法，求出从顶点B出发，到其他各个顶点的最短距离。
第三步，从顶点C出发，到各个顶点的最短距离。
第四步，从顶点D出发......
.......
就像这样，一直遍历到顶点G。
这个思路的时间复杂度是多少呢？
假如图中有n个顶点，如果不考虑堆优化，一次迪杰斯特拉算法的时间复杂度是O（n^2）。所以，把每一个顶点都计算一遍，总的时间复杂度是O（n^3）。
————————————
举一个栗子：
上图的顶点A和顶点C没有直接相连的边，它们之间的直接距离是无穷大。
如果以B作为“中继顶点”，此时A到C的最短路径就是A-B-C，最短距离是3+2=5。
再举一个栗子：
上图的顶点A和顶点C直接相连，距离是6。但是存在一条“迂回”路径A-B-C，距离是3+2=5<6。
所以，经过中继顶点B，从A到C的最短距离可以是5。
下面我们来看一看Floyd算法的详细步骤。
1.要实现Floyd算法，首先需要构建带权图的邻接矩阵：
在邻接矩阵当中，每一个数字代表着从某个顶点到另一个顶点的直接距离，这个距离是没有涉及到任何中继顶点的。
2.此时假定只允许以顶点A作为中继顶点，那么各顶点之间的距离会变成什么样子呢？
B和C之间的距离原本是无穷大，此时以A为中继，距离缩短为AB距离+AC距离=
5+2=7。
更新对应矩阵元素（橙色区域代表顶点A到其他顶点的临时距离）：
3.接下来以顶点A、B作为中继顶点，那么各顶点之间的距离会变成什么样子呢？
A和D之间的距离原本是无穷大，此时以B为中继，距离缩短为AB距离+BD距离=5+1=6。
A和E之间的距离原本是无穷大，此时以B为中继，距离缩短为AB距离+BE距离=5+6=11。
更新对应矩阵元素（橙色区域代表顶点B到其他顶点的临时距离）：
4.接下来以顶点A、B、C作为中继顶点，那么各顶点之间的距离会变成什么样子呢？
A和F之间的距离原本是无穷大，此时以C为中继，距离缩短为AC距离+CF距离=2+8=10。
更新对应矩阵元素（橙色区域代表顶点C到其他顶点的临时距离）：
.........
.........
以此类推，我们不断引入新的中继顶点，不断刷新矩阵中的临时距离。
最终，当所有顶点都可以作为中继顶点时，我们的距离矩阵更新如下：
此时，矩阵中每一个元素，都对应着某顶点到另一个顶点的最短距离。
为什么这么说呢？让我们回顾一下动态规划的两大要素：
问题的初始状态
问题的状态转移方程式
对于寻找图的所有顶点之间距离的问题，初始状态就是顶点之间的直接距离，也就是邻接矩阵。
而问题的状态转移方程式又是什么呢？
假设新引入的中继顶点是n，那么：
顶点i 到 顶点j 的新距离 = Min（顶点i 到 顶点j 的旧距离，顶点i 到 顶点n 的距离+顶点n 到 顶点j 的距离）
—————END—————
