动态规划与Floyd-Warshall算法详解

1. 动态规划基础与Floyd-Warshall算法概述

动态规划（Dynamic Programming）作为算法设计中的核心思想，其价值在于将看似复杂的问题拆解为可管理的子问题。这种思想最早由Richard Bellman在1950年代提出，最初用于解决多阶段决策问题。在计算机科学领域，动态规划已成为解决最优化问题的利器。

Floyd-Warshall算法是动态规划在图论中的经典应用，由Robert Floyd和Stephen Warshall在1962年分别独立提出。该算法能高效计算出加权图中所有顶点对之间的最短路径，时间复杂度为O(n³)，适用于包含负权边（但不含负权回路）的图结构。

注意：虽然Dijkstra算法也能计算最短路径，但Floyd-Warshall的优势在于它能一次性计算出所有顶点对的最短路径，且实现代码极其简洁。

2. 动态规划的核心特征解析

2.1 重叠子问题特性

在实际编码中，重叠子问题表现为递归调用时的重复计算。以斐波那契数列为例，计算fib(5)时需要重复计算fib(3)等子问题。动态规划通过存储中间结果（记忆化）来避免这种重复计算。

go复制// 传统递归斐波那契（存在大量重复计算）
func fib(n int) int {
    if n <= 1 { return n }
    return fib(n-1) + fib(n-2)
}

// 动态规划版本（自底向上）
func fibDP(n int) int {
    dp := make([]int, n+1)
    dp[0], dp[1] = 0, 1
    for i := 2; i <= n; i++ {
        dp[i] = dp[i-1] + dp[i-2]
    }
    return dp[n]
}

2.2 最优子结构特性

最优子结构意味着全局最优解包含子问题的最优解。以Floyd-Warshall算法为例，顶点i到j的最短路径要么是直接相连的边，要么是通过某个中间顶点k的路径（即i→k→j），而i→k和k→j本身也必须是各自的最短路径。

3. Floyd-Warshall算法深度解析

3.1 算法核心思想

算法采用三重循环结构，逐步构建最短路径矩阵：

1. 初始化距离矩阵dist，其中dist[i][j]表示顶点i到j的直接距离
2. 对于每个中间顶点k，检查是否通过k能使i到j的路径更短
3. 通过动态更新dist矩阵，最终得到所有顶点对的最短距离

go复制for k := 0; k < V; k++ {
    for i := 0; i < V; i++ {
        for j := 0; j < V; j++ {
            if dist[i][k] + dist[k][j] < dist[i][j] {
                dist[i][j] = dist[i][k] + dist[k][j]
            }
        }
    }
}

3.2 Go语言实现细节

在Go实现中，我们需要注意几个关键点：

1. 使用math.Inf(1)表示初始的无限大距离
2. 图的表示采用邻接表形式（[][]FloydGra