💻코딩테스트
[이코테_코딩테스트] 최단 경로 알고리즘 - 3
플로이드 워셜 (Floyd-Warshall) 알고리즘
- 모든 노드에서 다른 모든 노드까지의 최단 경로를 모두 계산
- 다익스트라 알고리즘과 마찬가지로 단계별로 거쳐 가는 노드를 기준으로 알고리즘을 수행
- 다만 매 단계마다 방문하지 않은 노드 중에 최단 거리르 갖는 노드를 찾는 과정이 필요하지 않다.
- 2차원 테이블에 최단 거리 정보를 저장한다.
- 다이나믹 프로그래밍 유형에 속한다.
- 다익스트라 알고리즘과 비교했을 때 구현 난이도는 쉬운 편
- 모든 노드에서 다른 모든 노드까지의 최단 경로를 모두 계산하기 때문에 시간 복잡도는
- 문제 풀이 상황에서 노드의 개수가 적은 상황에서 적합하다.
- 각 단계마다 특정한 노드 k를 거쳐 가는 경우를 확인한다.
- a에서 b로 가는 최단 거리보다 a에서 k를 거쳐 b로 가는 거리가 더 짧은지 검사
플로이드 워셜 알고리즘 - 동작 과정
[초기 상태] 그래프를 준비, 최단 거리 테이블 초기화
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F6d9c10ca-4ec5-4969-839b-7cf3638ffa4e%2FUntitled.png?table=block&id=9134d0dc-059b-41d7-b538-e8dc373de06f&cache=v2)
[Step 1] 1번 노드를 거쳐 가는 경우를 고려하여 테이블 갱신 (k = 1)
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F0a0d2d7c-724c-4816-aa48-b114a568c6a8%2FUntitled.png?table=block&id=09422f1f-a917-4172-bbca-3b0b02523d95&cache=v2)
- 최단 거리 테이블 중 파란색은 갱신될 가능성이 있는 부분들
- 위 경우는 1번 행, 1번 열, 자기 자신 (대각선)은 갱신 가능성 없음
[Step 2] 2번 노드를 거쳐 가는 경우를 고려하여 테이블 갱신 (k = 2)
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F30c39e01-1715-45f1-9d0d-5ab8b2f39328%2FUntitled.png?table=block&id=80582441-ee8e-4ff4-8f8f-b680e5b13350&cache=v2)
[Step 3] 3번 노드를 거쳐 가는 경우를 고려하여 테이블 갱신 (k = 3)
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2Fa15d142c-0607-4dad-9f11-79c4f6b860fe%2FUntitled.png?table=block&id=7c260126-a438-4966-bf62-9abf4d67d4d7&cache=v2)
[Step 4] 4번 노드를 거쳐 가는 경우를 고려하여 테이블 갱신 (k = 4)
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2F0e53ba13-8907-46dd-884b-af2c79d09754%2FUntitled.png?table=block&id=cef80efd-87d9-4909-a7b7-8f5f2a8faa02&cache=v2)
플로이드 워셜 알고리즘 구현 방법 (Python)
INF = int(1e9) # 무한 의미로 10억 사용 # 노드의 개수 및 간선의 개수 입력 n = int(input()) m = int(input()) # 2차원 리스트(그래프 표현) 만들기, 무한으로 초기화 graph = [[INF] * (n + 1) for _ in range(n + 1)] # 자기 자신으로 가는 비용 0으로 설정 for i in range(1, n + 1): for j in range(1, n + 1): if i == j: graph[i][j] = 0 # 각 간선에 대한 정보 입력 받기, 해당 값으로 설정 for _ in range(m): a, b, c = map(int, input().split()) graph[a][b] = c # 점화식에 따라 플로이드 워셜 알고리즘 수행 for k in range(1, n + 1): for a in range(1, n + 1): for b in range(1, n + 1): graph[a][b] = min(graph[a][b], graph[a][k] + graph[k][b]) # 결과값 출력 for i in range(1, n + 1): for j in range(1, n + 1): # 도달할 수 없는 경우 INF if graph[i][j] == INF: print("INF") else: print(graph[i][j], end=" ") print()
플로이드 워셜 알고리즘 성능 분석
- 노드의 개수가 N개일 때 알고리즘 상 N번의 단계 수행한다.
- 각 단계마다 의 연산을 통해 현재 노드를 거쳐 가는 모든 경로를 고려한다.
- 따라서 플로이드 워셜 알고리즘의 총 시간 복잡도는 이다.
이 글은 유튜브 “동빈나” 채널의 “(이코테 2021 강의 몰아보기) 7. 최단 경로 알고리즘” 영상을 보고 작성하였습니다.