网络节点间最短路径长度计算matlab程序的优化

此功能用于计算动态网络中所有节点对之间的最短动态路径长度，该算法在论文“理解和建模动态网络中的小世界现象 - AD. Nguyen et al - MSWIM 2012”中定义。输入参数包括：状态 - 3D时间图的矩阵形式，其中第一和第二维表示节点的ID，第三维表示时间。states(:,:,t)代表时间t的网络邻接矩阵，即state(i,j,t) = 1表示节点i在时间t连接到节点j，否则为0；state(i,i,t) = 1对所有i成立。最短路径长度从初始状态开始计算。find_path参数若非零，则执行最短路径查找。输出包括：d - 网络的平均最短动态路径长度；D - 包含所有节点对之间最短动态路径长度的矩阵；E - 遭遇的问题列表，如fin。

经过指定节点的最短路径算法的Matlab源码，包括三种应用模式：1、从起点经过必经点到达终点；2、从起点经过必经点且不掉头到达终点；3、含指定朝向点，从起点经过必经点且不掉头到达终点。

这是图论中用于从一个起始点开始遍历所有节点的最短路径计算程序。

这种算法在速度和内存使用方面优于其他算法，尤其是在处理大型数据集时表现突出。函数 [成本] = mdijkstra(A,C) 可以根据输入的方阵 A（邻接或成本矩阵）计算出成本矩阵。当 C=1 时，A 是邻接矩阵，其中元素 (i,j)=1 表示顶点 v 和 j 相连，其他为 0；当 C=2 时，A 是成本矩阵，其中元素 (i,j) 表示顶点 i 和 j 之间的成本百分比。开发者为 Bharat Patel，发布日期为 03/28/2009。

开始时，程序会要求输入节点数量，并生成一个在空间中分布的图形，节点之间带有时间延迟。接着，根据维基百科链接中的理论解释，使用距离向量路由算法计算从源节点到目的节点的最短路径。

蚁群算法在求解最短路径问题上展现出良好的性能，特别是在Matlab环境中。这一程序实现不仅效果显著，而且易于理解和应用。

求解步骤： 采用弗洛伊德算法求得任意两节点之间的距离。 计算各节点距离的平均值，即为网络的平均路径长度。

ALLSPATH - 解决图中所有节点之间的最短路径问题，快速返回沿图边缘的最短节点到节点的距离。用法：B = allspath(A) A 是节点之间的距离矩阵，B 是所有节点之间的最短路径距离矩阵。注意：(1) 对于具有 n 个节点的图，A 是一个 n×n 的距离矩阵，给出相邻节点之间的距离。由于点 i 到点 j 的距离与点 j 到点 i 的距离相同，所以 A 一定是对称矩阵。(2) 从节点到自身的距离可以输入为零或无穷大，两者都会产生正确的结果。(3) 彼此不相邻的节点之间的距离必须输入为零或无穷大，两者都会产生正确的结果。(4) 如果输入图不是“连通的”，即无论经过多少条边都无法从其他节点到达某些节点，则无法。

蚁群算法通用的最短路径优化Matlab代码