Otimização e Implementação dos Algoritmos de Caminhos Mínimos: Dijkstra e Floyd-Warshall.
Este trabalho obteve a primeira colocação na 1ª Competição de Caminhos Mínimos do DECOM/UFOP.
E a chuva ... (Livro pedagógico para ser usado na educação infantil e trabal...
Caminhos Mínimos: Dijkstra e Floyd-Warshall
1. Universidade Federal de Ouro Preto
Instituto de Ciências Exatas e Biológicas
Departamento de Computação
TEORIA DOS GRAFOS
Primeiro Trabalho Prático
Caminhos Mínimos
Johnnatan Messias P. Afonso
Kayran dos Santos
Vítor Mangaravite
Professor - Haroldo Gambini Santos
Ouro Preto
25 de outubro de 2010
5. 1 Introdução
A computação tem como base a resolução de problemas que até então não havia
soluções disponíveis bem como para soluções rápidas para o mesmo problema.
Assim, cabe ao Cientista da Computação identicar soluções para a resolução
dos problemas, principalmente, tornando-os otimizados e rápidos. Através desses
conceitos coube ao grupo utilizar os conceitos de Teoria dos Grafos para a modelagem
do trabalho.
Na teoria de grafos, o problema do caminho mínimo consiste na minimização do
custo de travessia de um grafo entre dois nós (ou vértices). Custo este dado pela
soma dos pesos de cada aresta percorrida.
Formalmente, dado um grafo valorado (ou seja, um conjunto V de vértices, um
conjunto A de arestas e uma função de peso f : A → R) e, dado qualquer elemento
v ∈V, encontrar um caminho P de v para cada v ∈ V tal que p∈P f (p) é mínimo
entre todos os caminhos conectando n a n.
1.1 Considerações iniciais
• Ambiente de desenvolvimento do código fonte: Microsoft Visual Studio C 10.0,
NetBeans 6.9.1.
• Compilador: gcc 4.4.5.
• Linguagem utilizada: Linguagem C.
• Ambiente de desenvolvimento da documentação: TeXnicCenter 1 BETA 7.50-
A
Editor de L T X, Editor dos grafos: R-2.12.0 for windows.
E
1.2 Especicações da máquina
• Intel Pentium IV 3.0 GHz, 64 bits
• Memória: 2 GB
• Ubuntu 10.10 AMD 64, kernel 2.6.35-22 generic
1.3 Especicação do problema
1.3.1 Material a ser entregue
Código em C, incluindo instruções para compilação. Essas instruções podem,
por exemplo, indicar opções que devem ser usadas na compilação do código em C.
(ex.: -O2 -ast-math). Devem ser oferecidas as seguintes implementações:
• Algoritmo de Dijkstra para para computação de c.m. de uma fonte para todos
os outros vértices;
→ a fonte deve ser sorteada com a função rand a cada execução do algoritmo
de Dijkstra dentro do programa.
1
6. • Algoritmo Floyd-Warshall (FW) para computação dos caminhos mínimos de
todos os vértices para todos os outros do grafo;
→ a implementação de FW deve incluir um teste para a existência de ciclos de
custo negativo no grafo. Caso um seja encontrado, o algoritmo deve concluir
imediatamente sua execução e indicar o ciclo encontrado.
1.3.2 Documentação impressa incluindo
• explicação da implementação, incluindo referências bibliográcas;
• tabelas contendo os resultados dos experimentos realizados
1.3.3 Regras de Implementação
Os códigos devem ser escritos em C, sem o uso de bibliotecas adicionais, exceto
a biblioteca padrão da linguagem ou da biblioteca GNU.
Os seguintes padrões* C são aceitos:
• ANSI C 89
• ANSI C 99
• GNU C
*O compilador GCC permite a compilação com validação de códigos com a ag
-std. Ex.: (-std=c99).
Códigos com vazamento de memória ou problemas do tipo serão penalizados com
-1 pontos. Os códigos serão testados com a ferramenta valgrind.
1.3.4 Problemas Teste
Instância Vértices Arestas Testar
rome99c.gr 3.353 8.859 Dijkstra
USA-road-d.NYc.gr.bz2 264.346 730.100 Dijkstra
rg300_768.gr 300 768 Floyd-Warshall
rg300_4730.gr 300 4.730 Floyd-Warshall
comp-2007-2-22c.gr.gz 600 276.666 Floyd-Warshall
Tabela 1: Instâncias de teste e algoritmos a executar
• soluções devem ser checadas; caminhos mínimos pré-computados para rome99:
spathsRome99c.gr.bz2 (lembre-se que entre dois nós pode haver mais de um
caminho ótimo possível). outros: nspathsRg300_768.txt.bz2 .
• alguns problemas vieram da competição do DIMACS.
• os problemas teste para o algoritmo Floyd-Warshall (FW) podem incluir val-
ores negativos nos custos dos arcos. A implementação de FW, quando encon-
trar um ciclo de custo negativo, deve abortar a computação e como saída deve
somente indicar o caminho que indica o ciclo de custo negativo encontrado.
*
2
7. 1.3.5 Formato de Entrada e Saída e Parâmetros
O programa deve receber os seguintes argumentos, quando chamado pela linha
de comando:
prog arquivoProblema nrExecuções flagDepuração
Onde flagDepuração pode receber valor 0 ou 1. Como exemplo:
prog rome99.gr 1000 1
Indica que o programa irá ler o grafo do arquivo rome99.gr, executando o algo-
ritmo de caminhos mínimos 1000 vezes e ao nal irá imprimir/salvar informação de
depuração.
A informação de depuração que deve ser gerada, quando solicitada, é a seguinte:
arquivo spaths.txt
O arquivo spaths.txt deve conter todos os caminhos mínimos computados para
cada par de vértices (s,t), sendo s diferente de t . Cada linha contém a informação
sobre o caminho mínimo de um par (s,t), no formato:
[s,t](dist) n1 n2 n3 ... nn
Onde:
• s: nó fonte
• t: nó destino
• dist: distância calculada entre s e t
• n1 n2 n3 ... nn: caminho computado entre s e t, incluindo todos os nós
intermediários no formato: s n2 n3 ... t
1.4 Dijkstra
O algoritmo de dijkstra para caminhos mínimos foi feito por Edsger W. Dijkstra
em 1956 e foi publicado em 1959. Este algoritmo é um algoritmo de busca em
grafos que resolve o problema de caminhos mínimos para grafos sem ciclos de custo
negativo [5].
O algoritmo de dijkstra é um algoritmo guloso, pois toma uma decisão que
parece ser a melhor no momento. Dado um nó fonte ele calcula o caminho de
menor distancia deste nó a todos os outros. Ele funciona semelhante ao BFS, porém
trata grafos com peso. Ele trata os nós mais próximos da fonte primeiro, porém
essa proximidade se refere ao peso entre as arestas e não ao número de arestas
percorridas. Sua complexidade é O((|E| + |V |)log|V |)[5].
Para a execução do algoritmo são utilizados dois vetores auxiliares (dist e
pred) com tamanho igual ao numero de vértices do grafo. O vetor dist armazenará
as distancias do nó fonte até qualquer nó do grafo. O vetor pred armazenará os
anteriores de cada nó no caminho da fonte até ele. Além disso é necessária uma
heap para saber a ordem de processamento dos nós.
Ao inicio da execução do algoritmo o vetor de distancias é inicializado com innito
para todos os vértices, exceto o nó fonte s que terá distancia 0. O vetor pred será
todo inicializado com nulo. O algoritmo processa todos os nós da heap. Enquanto
ainda há nós na heap retira-se o menor vértice (u) e, para cada vizinho v vértice
verica se a distancia até v passando por u é menor que a distancia até v já calculada.
Caso seja menor u é marcado como antecessor de v no vetor pred e a distancia
3
8. até v é alterada para a distancia até u mais a distancia entre u e v, atualizando a
heap com a nova distancia.
As operações que são mais custosas para o algoritmo do dijkstra são as operações
sobre a heap, portanto uma escolha errada de heap pode causar ineciência do
algoritmo.
1.4.1 Heaps
Heaps são las de prioridade implementadas baseadas em árvores. Existem ba-
sicamente dois tipos de heap, a heap de máximo, em que para cada nó x na arvore,
x tem chave maior que de todos seus lhos[2], e a heap de mínimo que é utilizada no
algoritmo de dijkstra, em que cada nó x pai sempre é menor que todos seus lhos.
As heaps para o dijkstra possuem como chave os valores de distancia do vértice
fonte até os respectivos nós. A medida que a distancia encontrada diminui para cada
nó, sua prioridade aumenta e sua vez de ser processado se aproxima, congurando
uma heap de mínimo.
As funções básicas de uma heap qualquer são:
• Inserção
• deleção de menor
• decremento da chave
Heaps de Fibonacci:
Para a versão nal foi feita uma tentativa de implementação da heap de bonacci[7].
As heaps de bonacci são coleções de árvores ordenadas como heaps mínimos[6]. As
heaps de bonacci são implementadas usando listas circulares duplamente encadeadas[1].
A heap é composta da lista de raízes e para cada nó da lista de raízes tem uma lista
de lhos que também pode ter seus lhos, assim em diante. A heap também tem
um ponteiro para o menor nó da lista.
A inserção na heap de bonacci apenas insere o novo nó na lista de raízes. A
inserção verica se o novo nó é menor que o menor atual, caso seja o menor passa a
ser o novo. Esse procedimento é executado com custo real O(1).
Na função de extração do menor nó, o nó apontado por min é removido da
lista de raízes e todos seus lhos são inseridos na lista de raízes. Depois a heap é
consolidada, o que signica que todas as raízes terão grau (numero de lhos na lista)
diferente. Caso haja mais de um nó com um certo grau, o maior deles vira lho do
outro. A menor das raízes passa a ser o novo min. O custo amortizado da função
de extração de menor é O(logn).
A diminuição da chave pode fazer com que um lho que menor que seu pai,
ferindo a propriedade das heaps. Caso isso ocorra este nó é cortado do pai e levado
à lista de raízes. Caso o pai seja lho de outro nó e já tenha perdido um lho sendo
lho desde que virou lho de seu nó pai, ele também será cortado de seu pai e virará
raiz da heap, senão apenas será marcado para ser cortado se perder mais lhos. Se
o nó decrementado for menor que a raiz, este passará a ser o novo minimo. O custo
amortizado desta função é O(1).
As heaps de bonacci possuem uma estrutura muito complexa, contendo listas
circulares duplamente encadeadas. Isso dicultou bastante a implementação não
permitindo que fosse encerrada a versão do dijkstra usando essas heaps em tempo
4
9. hábil, pois para cada nó há apontador para seu pai, seu irmão da esquerda, seu
irmão da direita e todos seus lhos. Acredita-se que essas heaps poderiam melhorar
ainda mais o algoritmo do dijkstra devido à sua boa complexidade. Com as heaps
2
binarias a ordem de complexidade do dijkstra se aproxima muito de O(n logn), com
2
heaps de bonacci essa complexidade aproximaria O(n ).
1.4.2 Aplicação do Algoritmo
1.4.3 Versão Preliminar x Final
Para o problema proposto a cada nó da heap é representado pelo índice de seu
vértice no grafo, índice esse que é usado para a identicação da distancia do nó no
vetor dist, valor este que é a chave do nó. A função diminui recebe o índice do nó
que foi alterado, porém não é conhecido seu posicionamento na heap. Para saber
qual nó da heap foi alterado de inicio foi feita uma busca linear O(n) em todo o
vetor da heap, versão que foi enviada na preliminar da competição.
Para a versão nal essa busca linear foi substituída pela busca em hash que é
O(1). Como os possíveis valores da heap são conhecidos (1 até n) e também seu
tamanho máximo (n), foi possível fazer um hash mínimo perfeito. Para isso foi criado
um novo vetor pos, que para cada posição i deste vetor, seu valor corresponde à
posição do vértice i do grafo no vetor da heap.
1.5 Floyd-Warshall
O algoritmo de Floyd-Warshall tem como objetivo calcular a menor distância de
todos os vértices do grafo para todos os demais, recebendo, para isso, uma matriz
de adjacências representando o grafo.
Com ordem de complexidade cúbica assume que para percorrer o caminho A→C
haverá um caminho A → B e B → C , isto é, para qualquer par de vértices (i, j) ∈ V ,
considera-se todos os caminhos de iaj cujos vértices intermediários pertencem ao
subconjunto 1, 2, 3..., k , e p como o mais curto de todos eles.
Em resumo:
dist(i; j; k): o comprimento do caminho mais curto entre i e j tal que apenas
os nós 1, ..., k podem ser usados como intermediários.
No Programa 1 temos o algoritmo implementado em C.
void ∗ ∗∗
int
f l o y d ( TGrafo g , TVertice auxMatriz ) {
int ∗∗
k, i , j ;
pred ;
pred = NULL ;
5 −q t d V e r t ) ) ;
for
pred = i n i c i a P r e d ( pred ,( g
−q t d V e r t ; i ++)
for
( i =0; i g
( j = 0 ; j g− q t d V e r t ; j ++)
a u x M a t r i z [ i ] [ j ] = g−
for
m a t r i z [ i ] [ j ] ;
( k = 0 ; k g−
for
q t d V e r t ; k++)
10 i g−
for
( i = 0; q t d V e r t ; i ++)
j g−
if
( j = 0; q t d V e r t ; j ++)
( ( auxMatriz [ i ] [ k ] . peso + auxMatriz [ k ] [ j ] . peso )
auxMatriz [ i ] [ j ] . peso ) {
auxMatriz [ i ] [ j ] . peso = auxMatriz [ i ] [ k ] . peso +
auxMatriz [ k ] [ j ] . peso ;
if
pred [ i ] [ j ] = pred [ k ] [ j ] ;
15 ( auxMatriz [ i ] [ i ] . peso 0) {
5
10. return ;
}
}
f r e e ( pred [ 0 ] ) ;
20 f r e e ( pred ) ;
}
Programa 1: Algoritmo Floyd Warshall C
1.5.1 Aplicação do Algoritmo
O algoritmo de Floyd-Warshall pode ser utilizado para os seguintes problemas:
• Caminhos mais curtos em grafos orientados (algoritmo de Floyd);
• Proximidade transitiva de grafos orientados (algoritmo de Warshall);
• Encontrar uma expressão regular denotando a linguagem regular aceita por
um autômato nito (algoritmo de Kleene);
• Inversões de matrizes de números reais (algoritmo de Gauss-Jordan);
• Roteamento otimizado. Nesta aplicação, o objetivo é encontrar o caminho
com o máximo uxo entre dois vértices. Isto signica que, em vez de calcular
o mínimo, calcula-se o máximo;
• Testar se um grafo não-orientado é bipartido.
1.5.2 Versão Preliminar x Final
Reinicialização das Matrizes:
• Preliminar: Na versão preliminar havia um erro no algoritmo de modo que as
matrizes de distâncias e dos predecessores não eram reinicializadas quando o
usuário passava como argumento um número inteiro superior a uma execução.
Através disso as matrizes não eram reinicializadas a partir da 1 execução.
Esse problema afetava a execução do programa somente quando não havia
impressão ou quando o número de execuções fosse superior a 1 (um).
• Final: Para melhorar o desempenho bem como corrigir o problema anterior
alocamos tanto a matriz de distâncias quanto a dos predecessores antes de
chamar a função do algoritmo Floyd-Warshall e desalocando no nal da ex-
ecução de todo o programa, assim possibilitou em um ganho de desempenho
quando levarmos em consideração a alocação das matrizes.
Um ponto importante a ser citado é que mesmo não alocando e desalocando a
todo execução sempre reinicializamos as duas matrizes. Isso pode ser percebido
no Programa 17
Tratamento do Ciclo Negativo:
• Preliminar: Não havia uma otimização no tratamento de ciclos negativos,
assim, em cada execução o algoritmo vericava se havia ou não ciclos negativos
no grafo.
6
11. • Final: Para otimizar o tratamento de ciclos negativos foi incluída na estrutura
15 do grafo uma variável ehcicloNeg que verica na entrada de arquivos, vide
Programa 16, se no grafo continha ou não peso negativo. Através dessa veri-
cação, para otimizar, criamos diferentes funções para o algoritmo de Floyd-
Warshall, sendo para grafos com ciclos negativos: oydPNeg, oydNeg, vide
Programas 22, 23 respectivamente .
E para positivos: oydP, oyd, vide Programas 20, 21 respectivamente. Nessas
funções não realizamos a vericação para caso haja ciclo negativo uma vez que
o grafo não contém determinado ciclo[3].
Obs.: Na Seção 2.4 explicaremos melhor esse método.
2 Algoritmo e estruturas de dados
2.1 Grafo do Dijkstra
O grafo para o algoritmo de dijkstra foi representado pela lista de adjacências
apresentada na estrutura 2
#include s t d a f x . h
typedef struct
int
{
qtdusada , ∗ resultado ;
5 } Caminho ;
typedef struct
int ∗
{
vizinhos , ∗ pesos , qtdAlloc , qtdFree ;
} TVertice ;
10
typedef struct
int
{
qtdVert , qtdMedia ;
TVertice ∗ v;
} TGrafo ;
15
TGrafo cria_grafo_por_nome ( char ∗ ) ;
void i m p r i m i r _ s a l v a r ( Caminho ∗) ;
20 void construindoLista ( int ∗ int ∗, , TGrafo ∗) ;
void addInteracao ( int ∗ int ∗
, , TGrafo ∗, int ∗ ) ;
Programa 2: TAD Grafo
2.1.1 Função CriaGrafoPorNome
A Função CriaGrafoPorNome tem como objetivo fazer a leitura do grafo a
partir de um arquivo .txt e iniciar a lista de adjacências bem como instanciar a lista
com todos arcos do grafo de um vértice A para um vértice B.
Vide Programa 3
TGrafo cria_grafo_por_nome ( char ∗ nome ) {
7
12. ∗ arqE ;
char
FILE
∗ buf , ∗ tok ;
5
int
TGrafo g;
char ∗ sizeof char
numArestas , numVertices , vA , vB , peso , media_qtd_arestas ;
buf = ( ) malloc ( ( ) ∗ BUFSIZ ) ;
arqE = f o p e n ( nome , r) ;
10 if ( ! arqE ) {
printf ( Erro ao a b r i r o a r q u i v o de e n t r a d a %s , nome ) ;
g . q t d V e r t = − 1;
return (g) ;
while
}
15 ( ! f e o f ( arqE ) ) {
if
buf = f g e t s ( buf , BUFSIZ , arqE ) ;
break
( buf == NULL)
;
20 switch
case ' p '
( buf [ 0 ] ) {
:
tok = ) ;
s t r t o k ( buf ,
tok = s t r t o k (NULL, ) ;
tok = s t r t o k (NULL, ) ;
25 numVertices = a t o i ( tok ) ;
tok = s t r t o k (NULL, ) ;
numArestas = a t o i ( tok ) ;
media_qtd_arestas = numArestas / numVertices + 1;
break
c o n s t r u i n d o L i s t a ( n u m V e r t i c e s , m e d i a _ q t d _ a r e s t a s , g ) ;
30
case
;
'a ' :
tok = s t r t o k ( buf , ) ;
tok = s t r t o k (NULL, ) ;
vA = a t o i ( tok ) ;
35 tok = s t r t o k (NULL, ) ;
vB = a t o i ( tok ) ;
tok = s t r t o k (NULL, ) ;
peso = a t o i ( tok ) ;
break
a d d I n t e r a c a o (vA , vB , g , p e s o ) ;
40
default
;
break
:
;
}
}
45 f c l o s e ( arqE ) ;
return
f r e e ( buf ) ;
(g) ;
}
Programa 3: Função CriaGrafoPorNome para o dijkstra
2.1.2 Função ConstruindoLista
A Função ConstruindoLista tem como objetivo inicializar a lista de adjacências
para todos os nós. Vide Programa 4
void int ∗ int ∗ ∗
int
construindoLista ( qtdV , m ed ia , TGrafo g) {
i ;
g−q t d M e d i a = ∗ m e d i a ;
g−q t d V e r t = ∗ qtdV ;
8
13. 5 −v ∗ ) c a l l o c ( ∗ qtdV , sizeof
for
g = ( TVertice ( TVertice ) ) ;
( i = 0; i ∗ qtdV ; i ++) {
g−v [ i ] . qtdAlloc = 0;
−v [ ∗ media ;
int sizeof int
g i ] . qtdFree =
g− ∗ ) c a l l o c ( ∗ me d ia ,
int sizeof int
v [ i ]. vizinhos = ( ( )) ;
10 g−v [ i ]. pesos = ( ∗ ) c a l l o c ( ∗ m ed ia , ( )) ;
}
}
Programa 4: Função ConstruindoLista
2.1.3 Função AddInteração
A função AddInteração adiciona a interação lida do arquivo ao nó de origem
da mesma. Vide Programa 5
void ∗ vA , int int
∗ vB , T G r a f o ∗ g , ∗ peso ) { int
if
addInteracao (
(!g−v [ ( ∗ vA ) − 1 ] . q t d F r e e ) {
g−v [ ( ∗ vA ) − 1 ] . q t d F r e e + = g−
int
q t d M e d i a ;
g−v [ ( ∗ vA ) − 1 ] . p e s o s = ( ∗ ) r e a l l o c ( g−v [ ( ∗ vA ) − 1 ] . p e s o s ,
sizeof int
( ) ∗ ( g− v [ ( ∗ vA ) − 1 ] . q t d F r e e + g− v [ ( ∗ vA ) − 1 ] .
int
qtdAlloc ) ) ;
5 −v [ ( ∗ vA ) − ∗ ) r e a l l o c ( g−v [ ( ∗ vA ) − 1 ] .
sizeof int
g 1 ] . vizinhos = (
vizinhos , ( ) ∗ ( g−v [ ( ∗ vA ) − 1 ] . q t d F r e e + g−v [ ( ∗
vA ) − 1 ] . qtdAlloc ) ) ;
}
g−v [ ( ∗ vA ) − 1 ] . vizinhos [ g −v [ ( ∗ vA ) − 1 ] . qtdAlloc ] = ( ( ∗ vB ) − 1) ;
g−v [ ( ∗ vA ) − 1 ] . pesos [ g −v [ ( ∗ vA ) − 1 ] . q t d A l l o c ++] = ∗ peso ;
g−v [ ( ∗ vA ) − 1 ] . q t d F r e e −−;
10 }
Programa 5: Função ConstruindoLista
2.2 Heap Binária
A heap binaria é representada por uma árvore binária completa ou quase com-
pleta. Para o caso do dijkstra, como a heap é mínima, o pai sempre é menor que
seus lhos. Para representar a heap há duas estruturas possíveis, lista encadeada
com ponteiros para os dois lhos e lista simples utilizando um vetor[8]. Na imple-
mentação foi utilizada a segunda estrutura por ser mais simples de trabalhar. Vide
Programa 6:
#include TGrafoD . h
typedef struct
int ∗ ∗
Heap {
v,∗ dist , pos , qtdV ;
5 } THeap ;
int tamanho ( THeap ∗) ;
void c r i a H e a p ( THeap int ∗
∗, ) ;
10
void reconstroi ( int int , , THeap ∗) ;
void c o n s t r o i ( THeap ∗) ;
9
14. 15 int p e g a r M e n o r ( THeap ∗) ;
void d i m i n u i ( THeap ∗, int ∗ ) ;
Caminho d i j k s t r a P ( TGrafo ∗, int ∗ ) ;
20
void d i j k s t r a ( TGrafo ∗, int ∗ ) ;
Programa 6: TAD Grafo
Para representar uma árvore com vetor considera-se que para o vértice i seus
lhos são (2 ∗ i + 1) e (2 ∗ i + 2), sendo sua raiz o nó de índice 0. O pai de um nó
de índice i é representado pelo nó de índice ceil(i/2).
2.2.1 Inicialização da heap
A função Criaheap 7 aloca todas os vetores da heap e inicializa seus valores
para os esperados ao inicio do dijkstra.
void ∗ int ∗
int
c r i a H e a p ( THeap h, qtdD ) {
i ;
− ∗ qtdD ;
int sizeof int
h qtdV =
− ∗ ) c a l l o c ( ∗ qtdD ,
int sizeof int
h v = ( ( )) ;
5 h− d i s t = ( ∗ ) c a l l o c ( ∗ qtdD ,
int sizeof int
( )) ;
h− ∗ ) c a l l o c ( ∗ qtdD ,
for
p o s = ( ( )) ;
( i = 0; i ∗ qtdD ; i ++) {
h− d i s t [ i ] = INF ;
h− v [ i ] = i ;
10 h− p o s [ i ] = i ;
}
}
Programa 7: Criação da heap
A Inserção para a heap binária consiste em colocar sua chave no vetor e refazer
o posicionamento do nós no vetor seguindo os índices de forma a respeitar a pro-
priedade da heap de que o pai é menor que todos os lhos. A ordem de complexidade
da inserção é O(logn)[8]. Para o caso do dijkstra todos os nós são inseridos na heap
logo no começo, para isso existe a função constrói que considera que as n/2 últimas
posições do vetor já estão na heap, já que nenhuma posição representa o pai de outra
já que i é pai de 2∗i+1 e 2∗i+2 e i é pai de n+1 e n+2, para i = n/2. Considerando
isso os n/2 primeiros nós são inseridos na heap pela função reconstrói que verica
a propriedade da heap, trocando o pai com seu menor lho, caso o lho seja menor
que o pai. Na teoria são feitas n/2 inserções na heap, o que gera uma complexidade
O(nlogn)[2]. Vide Programa 8
void ∗
int
c o n s t r o i ( THeap h) {
esq ;
−
while
esq = h qtdV / 2;
( e s q = 0) {
5 r e c o n s t r o i ( esq , −
h qtdV − 1, h) ;
esq −−;
}
}
10 void reconstroi ( int esq , int dir , THeap ∗h ) {
10
15. int
int
i = esq ;
int
j ;
aux ;
j = i ∗ 2 + 1;
15 −
while
aux = h v [ i ] ;
if
( j = dir ) {
if
( j dir )
−
( h d i s t [ h v [ j ] ]− − −
h d i s t [ h v [ j + 1]])
if
j ++;
20 − − −
break
( h d i s t [ aux ] = h d i s t [ h v [ j ] ] )
;
−
h p o s [ h v [ j ] ] − = i ;
−
h v [ i ] −
= h v [ j ] ;
i = j ;
25 j = i ∗ 2 + 1;
}
−
h p o s [ aux ] = i ;
−
h v [ i ] = aux ;
}
Programa 8: Inicialização da heap
2.2.2 Remove menor
A remoção do menor é feita pegando sua chave e o trocando com o ultimo
elemento válido do vetor, que será a folha extrema direita da árvore. Após isso a
heap é refeita com a função reconstrói desconsiderando a posição onde estava o
ultimo. Sua complexidade é O(logn)[8].Vide Programa 8
int ∗
int
p e g a r M e n o r ( THeap h) {
min ;
−
min = h v [ 0 ] ;
−
h v [ 0 ] = h− v [( −− h−qtdV ) ];
5 h− p o s [ h− v [ 0 ] ] = 0 ;
r e c o n s t r o i ( 0 , h− qtdV − 1 ,
return
h) ;
min ;
}
Programa 9: Remove Menor
2.2.3 Diminui
Para decrementar a chave, já que o dijkstra já altera o valor do vetor dist, a
função apenas verica se o elemento com chave alterada fere a propriedade da heap
e o troca com seu pai em caso armativo. Isso é feito até que a propriedade volte a
ser obedecida pelo nó alterado. Vide Program 10
void ∗h , int ∗
int
d i m i n u i ( THeap i ) {
aux , pos ;
pos −
= h p o s [ ∗ i ];
5
while ( ( p o s ) = 1 −
h d i s t [ h v [ ( − int ) c e i l ( ( pos ) / 2.) − 1]] h
− d i s t −
int
[ h v [ ( p o s ) ] ] ) {
aux = h−v [ ( ) c e i l ( ( pos ) / 2.) − 1];
11
16. − int − −
int int
h v [ ( ) c e i l ( ( pos ) / 2.) 1] = h v [ ( p o s ) ] ;
10 −
h p o s [ h v [ ( − ) c e i l ( ( pos ) / 2.) − 1]] = ( ) c e i l ( ( pos ) /
2.) − 1;
−
h v [ ( p o s ) ] = aux ;
−
int
h p o s [ aux ]= p o s ;
pos = ( ) c e i l ( ( pos ) / 2.) − 1;
}
15 }
Programa 10: Decrementa Chave
2.2.4 Tamanho
Esta função apenas retorna o tamanho da heap. Usada para vericar a existencia
de elementos na heap. Vide Programa 11
int ∗
return
tamanho ( THeap h) {
−
h qtdV ;
}
Programa 11: Tamanho
2.3 Dijkstra
2.3.1 Função Dijkstra
Essa função é responsável pela simples execução do algoritmo de Dijkstra sem
impressão de caminho.
void d i j k s t r a ( TGrafo ∗ g , int ∗ s) {
int
THeap h;
v, u, i , ∗ prev ;
5 prev = ( int ∗ ) calloc (g −q t d V e r t , sizeof int ( )) ;
c r i a H e a p (h , (g −q t d V e r t ) ) ;
h. dist [ ∗s] = 0;
c o n s t r o i (h ) ;
10 while ( tamanho (h ) ) {
for
v = p e g a r M e n o r (h ) ;
( i = 0; i g −v [ v ] . qtdAlloc ; i ++) {
−v [ v ] .
if
u = g vizinhos [ i ] ;
(h . dist [ u ] h. dist [v] + g −v [ v ] . pesos [ i ] ) {
15 h. dist [u] = h. dist [v] + g −v [ v ] . pesos [ i ] ;
prev [ u ] = v;
d i m i n u i (h , u ) ;
}
}
20 }
free (h . dist ) ;
free (h . v) ;
f r e e ( prev ) ;
}
Programa 12: Fijkstra sem Impressão
12
17. 2.3.2 Função DijkstraP
Essa função é responsável pela execução do algoritmo de Dijkstra imprimindo de
caminho. O caminho que é calculado para cada vertice v percorrendo o vetor pred
iniciando pelo pred[v] seguindo pelo pred até que ele seja igual ao nó fonte do
dijkstra. Vide Programa 13
Caminho d i j k s t r a P ( TGrafo ∗ g , int ∗ s) {
THeap h;
Caminho c ;
∗
int
FILE arq ;
5 v, w, u, aux , ∗ prev , i ;
prev = ( int ∗ ) calloc (g −q t d V e r t , sizeof int ( )) ;
c r i a H e a p (h , (g −q t d V e r t ) ) ;
h. dist [ ∗s] = 0;
10 c o n s t r o i (h ) ;
for (u = 0; u g−q t d V e r t ; u++) {
15 prev [ u ] = − 1;
while
}
( tamanho (h ) ) {
for
v = p e g a r M e n o r (h ) ;
( i = 0; i g−v [ v ] . qtdAlloc ; i ++) {
20 −v [ v ] .
if
u = g vizinhos [ i ] ;
(h . dist [ u ] h. dist [v] + g −v [ v ] . pesos [ i ] ) {
h. dist [u] = h. dist [v] + g −v [ v ] . pesos [ i ] ;
prev [ u ] = v;
d i m i n u i (h , u ) ;
25 }
}
}
w = INF ;
30 for (u = 0; u g −q t d V e r t ; u++) {
free (g −v [ u ] . pesos ) ;
f r e e ( g−v [ u ] . vizinhos ) ;
}
arq = fopen ( s p a t h s . t x t , w ) ;
35
if ( ! arq ) {
Erro ao e s c r e v e r no a r q u i v o ) ;
return
printf (
;
int ∗ sizeof int
}
40 ∗ ( g−q t d V e r t +1) ) ;
for
c . resultado = ( ) malloc ( ( )
−q t d V e r t ;
if
(u = 0; u g u++) {
∗s
continue
(u == || h . d i s t [ u]== w)
;
c . qtdusada = 2;
45 c . resultado [ 0 ] = h. dist [u ] ;
c . resultado [ 1 ] = u;
while
aux = prev [ u ] ;
( aux != ∗s aux != −1) {
c . r e s u l t a d o [ c . q t d u s a d a ++] = aux ;
50 aux = p r e v [ aux ] ;
}
13
18. c . r e s u l t a d o [ c . qtdusada ] = ∗s ;
[%d,%d ](% d ) , ( ∗ s ) +1 , u +1 , c . r e s u l t a d o
for
f p r i n t f ( arq , [0]) ;
( i = c . qtdusada ; i 0 ; i −−){
55 f p r i n t f ( a r q , %d , c . r e s u l t a d o [ i ] + 1 ) ;
}
f p r i n t f ( arq , n ) ;
}
free ( c . resultado ) ;
60 free (h . dist ) ;
free (h . v) ;
−v ) ;
return
free (g
c ;
}
Programa 13: Dijkstra com Impressão
2.3.3 Função Main para o Dijkstra
Essa função efetua as chamadas para leitura de arquivos e execução do dijkstra.
Note que foi feito uso de uma técnica denominada Loop Unrolling para aproveitarmos
melhor o uso do Pipeline do processador[4], ganhando uma leve melhora no tempo
de execução do programa.
#include T D i j k s t r a . h
int int
main ( char ∗∗
argc , argv ) {
5 int flagDepuracao , nrExecucao , vertRand ;
TGrafo g;
if
Caminho c ;
( argc 3) {
C o n f i r a o numero de parametros ) ;
return
printf (
10 ( EXIT_FAILURE ) ;
}
srand ( 0 ) ;
flagDepuracao = a t o i ( argv [ 3 ] ) ;
nrExecucao = a t o i ( argv [ 2 ] ) ;
15
if
g = cria_grafo_por_nome ( a r g v [ 1 ] ) ;
( g . qtdVert = = − 1) {
n ∗∗ Erro ao c r i a r o g r a f o ) ;
return
printf (
( EXIT_FAILURE ) ;
20
switch
}
case
( flagDepuracao ) {
switch
0:
case
( nrExecucao % 4) {
while
0:
25 ( nrExecucao ) {
vertRand = rand ( ) % g . qtdVert ;
d i j k s t r a (g , v e r t R a n d ) ;
nrExecucao −−;
30 vertRand = rand ( ) % g . qtdVert ;
d i j k s t r a (g , v e r t R a n d ) ;
nrExecucao −−;
vertRand = rand ( ) % g . qtdVert ;
14
19. 35 d i j k s t r a (g , v e r t R a n d ) ;
nrExecucao −−;
vertRand = rand ( ) % g . qtdVert ;
d i j k s t r a (g , v e r t R a n d ) ;
40 nrExecucao −−;
break
}
case
;
while
2:
( nrExecucao ) {
45 vertRand = rand ( ) % g . qtdVert ;
d i j k s t r a (g , v e r t R a n d ) ;
nrExecucao −−;
vertRand = rand ( ) % g . qtdVert ;
50 d i j k s t r a (g , v e r t R a n d ) ;
nrExecucao −−;
break
}
;
55 default
while
:
( nrExecucao −−) {
vertRand = rand ( ) % g . qtdVert ;
d i j k s t r a (g , v e r t R a n d ) ;
break
}
60 ;
break
}
case
;
1:
65 vertRand = 0;
c = d i j k s t r a P (g , v e r t R a n d ) ;
}
return ( EXIT_SUCCESS ) ;
70 }
Programa 14: Programa principal do Dijkstra
2.4 Grafo do Floyd-Warshall
Para a representação do grafo utilizamos a estrutura TGrafo 15, onde temos
uma variável ehcicloNeg para a vericação se o grafo é negativo ou não bem como
qtdVert, qtdAres para a quantidade de vértices e arestas respectivamente. O grafo,
na verdade, é representado por uma matriz de adjacências do tipo TVertice** matriz,
contendo um peso (distância) de um vértice A para um vértice B. Isso pode ser
visto facilmente no Programa 15.
Além de calcular a distância e a matriz de predecessores, para a impressão dos
caminhos de todos os vértices para todos os demais, foi preciso utilizar a estrutura
Caminho, onde qtdTotal, neg, s, t representam a quantidade total de vértices do
grafo, vericação se o grafo é ou não negativo para a geração do caminho de ciclo
negativo, s e t os vértices de início e nal do grafo, respectivamente. E, ainda, o
resultado contendo a quantidade de vértices que fazem parte do caminho gerado e o
próprio caminho de um vértice A para um vértice B. Isso pode ser visto na Figura
5
15
20. #include s t d a f x . h
typedef struct
int ∗
{
TP , qtdNos ;
5 } TPasseio ;
typedef struct {
∗
int
TPasseio resultado ;
qtdTotal , neg , s , t ;
10 } Caminho ;
typedef struct
int
{
peso ;
} TVertice ;
15
typedef struct
int
{
short int
qtdVert , qtdAres ;
ehcicloNeg ;
TVertice ∗∗ matriz ;
20 } TGrafo ;
TGrafo cria_grafo_por_nome ( char ∗ ) ;
void i m p r i m i r _ s a l v a r ( Caminho ∗) ;
25
void i n i c i a _ m a t r i z ( TGrafo ∗) ;
void i n s t _ m a t r i z ( TGrafo ∗, int ∗ int ∗ int ∗
, , ) ;
30 Caminho ∗ f l o y d P ( TGrafo ∗) ;
void f l o y d ( TGrafo ∗, TVertice ∗∗ , int ∗ ∗ ) ;
TVertice ∗∗ alocaMatriz ( TVertice ∗ ∗ int ∗
, ) ;
35
int ∗∗ iniciaPred ( int ∗∗ , int ∗ ) ;
Caminho ∗ f l o y d P N e g ( TGrafo ∗ ) ;
40 void f l o y d N e g ( TGrafo ∗ TVertice ∗∗ , int ∗∗ ) ;
Programa 15: TAD Grafo
2.4.1 Função CriaGrafoPorNome
A Função 2.4.1 tem como objetivo fazer a leitura do grafo a partir de um arquivo
.txt e ainda iniciar a matriz de adjacências 2.4.3 bem como instanciar a matriz com
todos os pesos do grafo de um vértice A para um vértice B . E é claro, vericar para
todos os vértices do grafo, durante a inserção, se o grafo contém aresta com peso
negativo.
Vide Programa 16
TGrafo cria_grafo_por_nome ( char ∗ nome ) {
∗ arqE ;
char
FILE
∗ buf , ∗ tok ;
TGrafo g;
16
21. 5 int
char ∗ sizeof char
numArestas , numVertices , vA , vB , peso , media_qtd_arestas ;
∗10) ;
char ∗ sizeof char
tok = ( ) malloc ( ( )
buf = ( ) malloc ( ( ) ∗100) ;
r) ;
if
arqE = f o p e n ( nome ,
( ! arqE ) {
10 printf ( Erro ao a b r i r o a r q u i v o de e n t r a d a %s , nome ) ;
g . q t d V e r t = − 1;
return (g) ;
}
while
g . ehcicloNeg = 0;
15 ( ! f e o f ( arqE ) ) {
if
buf = f g e t s ( buf , BUFSIZ , arqE ) ;
break
( buf == NULL)
switch
;
case ' p '
( buf [ 0 ] ) {
20 :
tok = ) ;
s t r t o k ( buf ,
tok = s t r t o k (NULL, ) ;
tok = s t r t o k (NULL, ) ;
numVertices = a t o i ( tok ) ;
25 tok = s t r t o k (NULL, ) ;
numArestas = a t o i ( tok ) ;
g . qtdAres = numArestas ;
g . qtdVert = numVertices ;
break
i n i c i a _ m a t r i z ( g ) ;
30
case
;
'a ' :
tok = s t r t o k ( buf , ) ;
tok = s t r t o k (NULL, ) ;
vA = a t o i ( tok ) − 1;
35 tok = s t r t o k (NULL, ) ;
vB = a t o i ( tok ) − 1;
tok = s t r t o k (NULL, ) ;
if
peso = a t o i ( tok ) ;
( p e s o 0)
40 g . ehcicloNeg = 1;
break
g . m a t r i z [ vA ] [ vB ] . p e s o = peso ;
default
;
break
:
;
45 }
return
}
(g) ;
}
Programa 16: Função criagrafopornome
2.4.2 Função alocaMatriz
Para a alocação da matriz, por padrão, seria feita em ordem de complexidade
quadrática, no entanto, para otimizar o código zemos em ordem de complexidade
linear. Para isso foi preciso alocar a matriz com a quantidade de linhas da matriz de
adjacências e mais uma alocação para a posição matriz[0] com tamanho Linha ∗
Coluna, fazendo, em seguida, um redirecionamento dos endereços da matriz.
Por exemplo, numa matriz 3x2 alocamos a matriz com 3 posições, sendo que para
a matriz[0] alocaremos 6 posições. Assim, no redirecionamento dos ponteiros como,
17
22. por exemplo, a posição matriz[1] receberá o endereço da matriz[0][i ∗ coluna], ou
seja, matriz[0][1x2]. Para melhor entendimento, vide Figura 1 e Programa 17.
Figura 1: Figura Repres. Alocação Matriz
18
23. ∗∗ ∗∗ int ∗
int
TVertice alocaMatriz ( TVertice matriz , tam ) {
sizeof
i , j ;
∗∗) ∗ tam ) ∗ ∗) ) ;
if
matriz = ( TVertice malloc (( ( TVertice
( matriz == NULL) {
5 Erro ao a l o c a r a m a t r i z n ) ;
return
printf (
0;
sizeof
}
matriz [ 0 ] = ( TVertice ∗) malloc ( ( ( ∗ tam ) ∗ ( ∗ tam ) ) ∗ ( TVertice ) )
if
;
( matriz [ 0 ] == NULL) {
10 Erro ao a l o c a r a m a t r i z n ) ;
return
printf (
0;
for
}
( i = 1; i ( ∗ tam ) ; i ++) {
matriz [ i ] = ( m a t r i z [ 0 ] [ i ∗ ( ∗ tam ) ] ) ;
15
return
}
matriz ;
}
Programa 17: Função alocaMatriz
2.4.3 Função iniciaMatriz
Função responsável por alocar 2.4.2 e inicializar a matriz de adjacências. Vide
Programa 18
void ∗
int
i n i c i a _ m a t r i z ( TGrafo g) {
i , j ;
− −m a t r i z , (g−q t d V e r t ) ) ;
for
g m a t r i z = alocaMatriz (g
−q t d V e r t ; i ++)
for
( i = 0; i g
5 ( j = 0; j g− q t d V e r t ; j ++)
−m a t r i z [ i ] [ j ] . p e s o = INF ;
for
g
( i = 0; i g− q t d V e r t ; i ++)
g −m a t r i z [ i ] [ i ] . peso = 0;
}
Programa 18: Função iniciamatriz
2.4.4 Função iniciaPred
Função semelhante a Função iniciaMatriz 2.4.3. Vide Programa 19
int ∗∗ int ∗∗ int ∗
int
iniciaPred ( pred , tam ) {
if
i , j ;
int ∗ ∗ sizeof int ∗
( pred == NULL) {
∗ tam ) ∗
if
pred = ( ) malloc (( ( )) ;
5 ( pred == NULL) {
Erro ao a l o c a r a m a t r i z n ) ;
return
printf (
0;
int ∗ sizeof int
}
∗ tam ) ∗ ( ∗ tam ) ) ∗
if
pred [ 0 ] = ( ) malloc ( ( ( ( )) ;
10 ( pred [ 0 ] == NULL) {
Erro ao a l o c a r a m a t r i z ) ;
return
printf (
0;
for
}
( i = 1; i ( ∗ tam ) ; i ++) {
19
24. 15 pred [ i ] = ( p r e d [ 0 ] [ ( ∗ tam ) ∗ i ]) ;
}
for
}
∗ tam ) ; i ++)
for
( i = 0; i (
( j = 0; j ( ∗ tam ) ; j ++)
20
return
pred [ i ] [ j ] = i ;
pred ;
}
Programa 19: Função iniciaPred
2.5 Floyd-Warshall
2.5.1 Função oydP
Função responsável por calcular a distância e predecessores de todos os vértices
do grafo positivo, utilizando o Algoritmo de Floyd Warshall, note que não é preciso
reinicializar a matriz de adjacências bem como a de predecessores uma vez que
quando passarmos ao programa a ag 1 de impressão o programa executará somente
uma única vez.
Para uma ilustração da geração dos caminhos veja a Figura 5. Vide Programa
20
∗ ∗
int
Caminho f l o y d P ( TGrafo g) {
k, i , j , aux , n = 0, pos ;
∗
int ∗∗
Caminho c ;
pred ;
5 pred = NULL ;
(g−
sizeof
pred = i n i c i a P r e d ( pred , q t d V e r t ) ) ;
c = ( Caminho ∗) malloc (g −q t d V e r t ∗ ( Caminho ) ) ;
c−n e g = 0;
c−s = 0;
10 c− −q t d V e r t ;
for
t = g
0 ; k g−
for
(k = q t d V e r t ; k++)
i g−
for
( i = 0; q t d V e r t ; i ++)
j g−
if
( j = 0; q t d V e r t ; j ++)
( ( g− m a t r i z [ i ] [ k ] . p e s o + g−m a t r i z [ k ] [ j ] . peso ) −
g
matriz [ i ] [ j ] . peso ) {
15 g −m a t r i z [ i ] [ j ] . peso = g −m a t r i z [ i ] [ k ] . peso + g −
matriz [ k ] [ j ] . peso ;
pred [ i ] [ j ] = pred [ k ] [ j ] ;
}
−q t d T o t a l = g−q t d V e r t ;
for
c
( k = c− s ; k c−
sizeof
t ; k++) {
20 c [ k ] . resultado = ( TPasseio ∗) calloc (c −q t d T o t a l , (
for
TPasseio ) ) ;
−s ; −t ;
int ∗ sizeof
( i = c i c i ++) {
−q t d T o t a l
int
c [ k ] . r e s u l t a d o [ i ] . TP = ( ) calloc (c , (
if
)) ;
continue
( i == k)
;
25 c [ k ] . r e s u l t a d o [ i ] . TP [ 0 ] = g −m a t r i z [ k ] [ i ] . peso ;
c [ k ] . r e s u l t a d o [ i ] . qtdNos = 1;
pos = 1;
while
aux = pred [ k ] [ i ] ;
( ( aux != i ) ( aux != k) ) {
20
25. 30 c [ k ] . r e s u l t a d o [ i ] . q t d N o s ++;
c [ k ] . r e s u l t a d o [ i ] . TP [ p o s ++] = aux ;
aux = p r e d [ k ] [ aux ] ;
}
}
35 }
f r e e ( pred [ 0 ] ) ;
return
f r e e ( pred ) ;
c ;
}
Programa 20: Função oydP
2.5.2 Função oyd
Análogo a Função oydP 2.5.1, porém sem geração de caminhos e ainda dois
pontos importantes:
• Matriz de Distâncias: criamos uma matriz auxiliar que é alocada somente
uma única vez e desalocada somente no nal das n execuções, porém sempre
que é executada, inicializamos a matriz de modo que que de acordo com a
especicação proposta pelo trabalho e ainda com código mais otimizado.
• Matriz de Predecessores: Optamos por reutilizá-la, porém reiniciando-a na
Função mainF 2.5.6 a cada execução. A função responsável por alocar e /
ou inicialização do Pred pode ser conferida na Seção 2.4.4. Vale lembrar que
a cada execução a matriz de predecessores é reinicializada, logo está de acordo
com a especicação proposta pelo trabalho e ainda mais otimizado.
void ∗ ∗∗ int ∗∗
int
f l o y d ( TGrafo g , TVertice auxMatriz , pred ) {
for
k, i , j ;
−q t d V e r t ; i ++)
for
( i = 0; i g
( j = g−
0; jq t d V e r t ; j ++)
5 a u x M a t r i z [ i ] [ j ] = g−
for
m a t r i z [ i ] [ j ] ;
= 0 ; k g−
for
(k q t d V e r t ; k++) {
i g−
for
( i = 0; q t d V e r t ; i ++)
j g−
if
( j = 0; q t d V e r t ; j ++)
( ( auxMatriz [ i ] [ k ] . peso + auxMatriz [ k ] [ j ] . peso )
auxMatriz [ i ] [ j ] . peso ) {
10 auxMatriz [ i ] [ j ] . peso = auxMatriz [ i ] [ k ] . peso +
auxMatriz [ k ] [ j ] . peso ;
pred [ i ] [ j ] = pred [ k ] [ j ] ;
}
}
}
Programa 21: Função oyd
2.5.3 Função oydPNeg
Função responsável por calcular a distância e predecessores de todos os vértices
do grafo negativo, utilizando o Algoritmo de Floyd Warshall, note que assim como
o Programa20 não é preciso reinicializar a matriz de adjacências bem como a de
21
26. predecessores uma vez que quando passarmos ao programa a ag 1 de impressão o
programa executará somente uma única vez. Logo, bastará somente inicializá-la.
Como o grafo é negativo (contém ciclos com pesos negativos), então será necessário
sair da execução do algoritmo de Warshall e identicar o ciclo de peso negativo,
gerando o caminho desse ciclo para futura impressão em arquivo. Isso é feito de
modo análogo à geração de caminho da Seção 2.5.1, mas, para isso, bastará percor-
rer e gerar o caminho da posição da matriz que foi identicado o ciclo negativo, ou
seja, a posição de uma das diagonais principais da matriz de adjacências do grafo.
Obs.: Para contornar a condição de parada do programa para ciclos negativos,
incrementamos uma unidade na quantidade da posição em que a matriz sua diagonal
principal foi modicada, isso somente para a representação do vértice nal.
Para uma ilustração da geração dos caminhos veja a Figura 14. Vide Programa
22
∗ ∗
int
Caminho f l o y d P N e g ( TGrafo g) {
k, i , j , aux , n = 0, pos ;
∗
int ∗∗
Caminho c ;
pred ;
5 pred = NULL ;
(g−
sizeof
pred = i n i c i a P r e d ( pred , q t d V e r t ) ) ;
c = ( Caminho ∗) malloc (g −q t d V e r t ∗ ( Caminho ) ) ;
c−n e g = 0;
c−s = 0;
10 c− −q t d V e r t ;
for
t = g
0 ; k g−
for
(k = q t d V e r t ; k++) {
i g−
for
( i = 0; q t d V e r t ; i ++)
j g−
if
( j = 0; q t d V e r t ; j ++) {
( ( g− m a t r i z [ i ] [ k ] . p e s o + g− m a t r i z [ k ] [ j ] . peso ) −
g
matriz [ i ] [ j ] . peso ) {
15 g−m a t r i z [ i ] [ j ] . peso = g −m a t r i z [ i ] [ k ] . peso + g −
matriz [ k ] [ j ] . peso ;
if
pred [ i ] [ j ] = pred [ k ] [ j ] ;
(g −m a t r i z [ i ] [ i ] . peso 0) {
c−n e g = 1 ;
c−s = i ;
20 c−
goto
t = i + 1 ;
NEG ;
}
}
}
25 }
NEG :
−q t d T o t a l = g−q t d V e r t ;
for
c
( k = c− s ; k c−
sizeof
t ; k++) {
c [ k ] . resultado = ( TPasseio ∗) calloc (c −q t d T o t a l , (
for
TPasseio ) ) ;
30 −s ; −t ;
int ∗ sizeof
( i = c i c i ++) {
−q t d T o t a l
int
c [ k ] . r e s u l t a d o [ i ] . TP = ( ) calloc (c , (
)) ;
c [ k ] . r e s u l t a d o [ i ] . TP [ 0 ] = g −m a t r i z [ k ] [ i ] . peso ;
c [ k ] . r e s u l t a d o [ i ] . qtdNos = 1;
pos = 1;
35
while
aux = pred [ k ] [ i ] ;
( ( aux != i ) ( aux != k) ) {
c [ k ] . r e s u l t a d o [ i ] . q t d N o s ++;
c [ k ] . r e s u l t a d o [ i ] . TP [ p o s ++] = aux ;
22
27. aux = p r e d [ k ] [ aux ] ;
40 }
}
}
f r e e ( pred [ 0 ] ) ;
return
f r e e ( pred ) ;
45 c ;
}
Programa 22: Função oydPNeg
2.5.4 Função oydNeg
Análogo a Função oydPNeg 2.5.3, porém sem geração de caminhos e ainda
com o mesmo ponto importante da Seção 2.5.2.
void ∗ ∗∗ int ∗∗
int
f l o y d N e g ( TGrafo g , TVertice auxMatriz , pred ) {
for
k, i , j ;
−q t d V e r t ; i ++)
for
( i = 0; i g
( j = g−
0; j
q t d V e r t ; j ++)
5 a u x M a t r i z [ i ] [ j ] = g−
for
m a t r i z [ i ] [ j ] ;
= 0 ; k g−
for
(k q t d V e r t ; k++)
i g−
for
( i = 0; q t d V e r t ; i ++)
j g−
if
( j = 0; q t d V e r t ; j ++)
( ( auxMatriz [ i ] [ k ] . peso + auxMatriz [ k ] [ j ] . peso )
auxMatriz [ i ] [ j ] . peso ) {
10 auxMatriz [ i ] [ j ] . peso = auxMatriz [ i ] [ k ] . peso +
auxMatriz [ k ] [ j ] . peso ;
if
pred [ i ] [ j ] = pred [ k ] [ j ] ;
return
( auxMatriz [ i ] [ i ] . peso 0) {
;
}
15 }
}
Programa 23: Função oydNeg
2.5.5 Função imprimirsalvar
Função utilizada para impressão dos resultados, isto é, distância e peso de todos
os vértices para os demais vértices do grafo bem como o caminho entres os vértices
de início e nal.
Obs.: Como os caminhos de cada vértice são acessados e armazenados em ordem
inversa a impressão dos caminhos é feita em ordem inversa para que os caminhos de
saída estejam na ordem correta. Um exemplo dessa geração de caminhos pode ser
vista na Figura 5. Vide Programa 24
void i m p r i m i r _ s a l v a r ( Caminho ∗ c) {
∗
int
FILE arqS ;
i , j , k;
s p a t h s . t x t , w ) ;
if
arqS = fopen (
5 ( ! arqS ) {
Erro ao e s c r e v e r no a r q u i v o ) ;
return
printf (
;
if
}
(c −n e g )
23