⑴ 数据结构之图：求所有节点之间的最短路径，用什么算法时间复杂度小求答案与解释
两者时间复杂度一般都是O(n3)，但对于稀疏图来说重复使用Dijkstra方法比较好！
Dijkstra算法时间复杂度为O（V*V+E）,可以用优先队列进行优化，优化后时间复杂
度变为0（v*lgn）。
源点可达的话，O（V*lgV+E*lgV）=>O（E*lgV）。
当是稀疏图的情况时，此时E=V*V/lgV，所以算法的时间复杂度可为O（V^2） 。可以用优先队列进行优化，优化后时间复杂度变为0（v*lgn）。
具体详细解释你可以看看这个http://blog.chinaunix.net/uid-27164517-id-3287891.html。
⑵ 迷宫最短路径算法，时间复杂度最低的是那种
http://..com/question/24452924.html?si=5
⑶ 【讨论】最短路径弗洛伊德算法的时间复杂度
那么你的意思是说四个循环全部都执行了的哦？否则就不是O(n4)。你看最后一个循环是需要判断进入的，也就是说，那个循环在最内层，本身次数就少，加上排除不合法条件，很少能执行到，根据算法思想，那么应该忽略常数级
⑷ 12．有向图G中有n个顶点，可用弗洛伊德算法计算每对顶点之间的最短路径，其算法的时间复杂度是（）。
O(n³)
⑸ 求解：图论中常见的最短路径算法有几种都是什么
主要是有三种、、
第一种是最直接的贪心dijkstra算法、、可以利用堆数据结构进行优化、、缺点就是不能求有负权的最短路与判断负环、、
第二种是bellman-ford算法、、根据松弛操作的性质是可以来判断负环的、、时间复杂度是O(nm)的、、
第三种是SPFA算法、、把他单独拿出来作为一种算法并不是非常好的、、他的实质应该是上面的bellman-ford算法的队列优化时间复杂度更低、O(KE)、K的值约等于2、、
⑹ 最短路径法如何计算
最短路径算法有三种，Floyd，dijkstra，Bellman_Ford。其中，Floyd适合用于计算每两点间的路径，dijkstra适合稀疏图，bellman则适合稠密图中的已知起点终点，计算最短路径的问题。时间复杂度，floyd算法为n立方，dijk为n平方，bellman为n平方，其中n是点数。dijk可用堆维护，时间复杂度可减至nlogn，而bellman可用队列维护，此方法于1994年被国人提出，命名比较土鳖叫SPFA(shortest path faster algorithm。。。)。至于如何计算，有了名字，搜一下就ok。
⑺ 每一对顶点之间的最短路径是什么
每一对顶点之间的最短路径是指对于给定的带权有向图G＝（v，E），要对G中任意一对顶点有序对（vi，vj）（vi≠vj），找出vi到vj的最短距离和vj到vi的最短距离。
解决此问题的一个有效方法是：轮流以每一个顶点为源点，重复执行Dijkstra算法n次，即可求得有向图G＝（v，E）中每一对顶点间的最短路径，总的时间复杂度为0（n2）。
弗洛伊德（Floyd）提出了另一个求任意两顶点之间最短路径的算法，虽然其时间复杂度也是0（n2），但算法形式更为简明，易于理解与编程。
1.弗洛伊德算法的思想弗洛伊德算法是从图的邻接矩阵开始，按照顶点v0，v1，v2，v2，…，vn的次序，分别以每个顶点vk（0≤k＜n）作为新考虑的中间点，在第k－1次运算D（k－1）的基础上，求出每一对顶点之间vi到vj的最短路径长度D（k）［i］［j］，计算公式为：
D（k）［i］［j］＝min｛D（k－1）［i］［j］，D（k－1）［i］［k］＋D（k－1）［k］［j］｝重复执行n次后，D（k）［i］［j］中保留的值就是每对顶点的vi到vj的最短路径长度。
2.弗洛伊德算法的步骤（1）从图的带权邻接矩阵G．arcs［］［］开始，即D（－1）＝arcs［］［］，每次以上一次D（k－1）为基础，用公式D（k）［i］［j］＝min｛D（k－1）［i］［j］，D（k－1）［i］［k］＋D（k－1）［k］［j］｝计算出D（k）［i］［j］的值，即D（k－1）［i］［k］＋D（k－1）［k］［j］＜D（k－1）［i］［j］才修改，若D（k）［i］［j］修改过，则相应的路径P（k）［i］［j］也要作相应的修改，即P（k）［i］［j］＝P（k－1）［i］［k］＋P（k－1）［k］［j］。
（2）重复上述过程n次后，D（k）［i］［j］中保存的就是每一对顶点的最短路径长度，P（k）［i］［j］中保存的就是每一对顶点的最短路径。
说明：从计算公式可以看出，i＝j是对角线上的元素；i＝k是i行上的元素；j＝k是j列上的元素，这些特殊的顶点不用计算，保留原来的数据值。因此，计算的数据元素减少了很多。