581 lines
19 KiB
Markdown
581 lines
19 KiB
Markdown
|
||
<p align="center"><strong><a href="./qita/join.md">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们受益！</strong></p>
|
||
|
||
# Floyd 算法精讲
|
||
|
||
[卡码网：97. 小明逛公园](https://kamacoder.com/problempage.php?pid=1155)
|
||
|
||
【题目描述】
|
||
|
||
小明喜欢去公园散步，公园内布置了许多的景点，相互之间通过小路连接，小明希望在观看景点的同时，能够节省体力，走最短的路径。
|
||
|
||
|
||
给定一个公园景点图，图中有 N 个景点（编号为 1 到 N），以及 M 条双向道路连接着这些景点。每条道路上行走的距离都是已知的。
|
||
|
||
|
||
小明有 Q 个观景计划，每个计划都有一个起点 start 和一个终点 end，表示他想从景点 start 前往景点 end。由于小明希望节省体力，他想知道每个观景计划中从起点到终点的最短路径长度。 请你帮助小明计算出每个观景计划的最短路径长度。
|
||
|
||
【输入描述】
|
||
|
||
第一行包含两个整数 N, M, 分别表示景点的数量和道路的数量。
|
||
|
||
接下来的 M 行，每行包含三个整数 u, v, w，表示景点 u 和景点 v 之间有一条长度为 w 的双向道路。
|
||
|
||
接下里的一行包含一个整数 Q，表示观景计划的数量。
|
||
|
||
接下来的 Q 行，每行包含两个整数 start, end，表示一个观景计划的起点和终点。
|
||
|
||
【输出描述】
|
||
|
||
对于每个观景计划，输出一行表示从起点到终点的最短路径长度。如果两个景点之间不存在路径，则输出 -1。
|
||
|
||
【输入示例】
|
||
|
||
```
|
||
7 3
|
||
1 2 4
|
||
2 5 6
|
||
3 6 8
|
||
2
|
||
1 2
|
||
2 3
|
||
```
|
||
|
||
【输出示例】
|
||
|
||
```
|
||
4
|
||
-1
|
||
```
|
||
|
||
【提示信息】
|
||
|
||
从 1 到 2 的路径长度为 4，2 到 3 之间并没有道路。
|
||
|
||
1 <= N, M, Q <= 1000.
|
||
|
||
## 思路
|
||
|
||
本题是经典的多源最短路问题。
|
||
|
||
在这之前我们讲解过，dijkstra朴素版、dijkstra堆优化、Bellman算法、Bellman队列优化（SPFA） 都是单源最短路，即只能有一个起点。
|
||
|
||
而本题是多源最短路，即 求多个起点到多个终点的多条最短路径。
|
||
|
||
通过本题，我们来系统讲解一个新的最短路算法-Floyd 算法。
|
||
|
||
**Floyd 算法对边的权值正负没有要求，都可以处理**。
|
||
|
||
Floyd算法核心思想是动态规划。
|
||
|
||
例如我们再求节点1 到 节点9 的最短距离，用二维数组来表示即：grid[1][9]，如果最短距离是10 ，那就是 grid[1][9] = 10。
|
||
|
||
那 节点1 到 节点9 的最短距离 是不是可以由 节点1 到节点5的最短距离 + 节点5到节点9的最短距离组成呢？
|
||
|
||
即 grid[1][9] = grid[1][5] + grid[5][9]
|
||
|
||
节点1 到节点5的最短距离 是不是可以有 节点1 到 节点3的最短距离 + 节点3 到 节点5 的最短距离组成呢？
|
||
|
||
即 grid[1][5] = grid[1][3] + grid[3][5]
|
||
|
||
以此类推，节点1 到 节点3的最短距离 可以由更小的区间组成。
|
||
|
||
那么这样我们是不是就找到了，子问题推导求出整体最优方案的递归关系呢。
|
||
|
||
节点1 到 节点9 的最短距离 可以由 节点1 到节点5的最短距离 + 节点5到节点9的最短距离组成， 也可以有 节点1 到节点7的最短距离 + 节点7 到节点9的最短距离的距离组成。
|
||
|
||
那么选哪个呢？
|
||
|
||
是不是 要选一个最小的，毕竟是求最短路。
|
||
|
||
此时我们已经接近明确递归公式了。
|
||
|
||
之前在讲解动态规划的时候，给出过动规五部曲：
|
||
|
||
* 确定dp数组（dp table）以及下标的含义
|
||
* 确定递推公式
|
||
* dp数组如何初始化
|
||
* 确定遍历顺序
|
||
* 举例推导dp数组
|
||
|
||
那么接下来我们还是用这五部来给大家讲解 Floyd。
|
||
|
||
1、确定dp数组（dp table）以及下标的含义
|
||
|
||
这里我们用 grid数组来存图，那就把dp数组命名为 grid。
|
||
|
||
grid[i][j][k] = m，表示 **节点i 到 节点j 以[1...k] 集合中的一个节点为中间节点的最短距离为m**。
|
||
|
||
|
||
可能有录友会想，凭什么就这么定义呢？
|
||
|
||
节点i 到 节点j 的最短距离为m，这句话可以理解，但 以[1...k]集合为中间节点就理解不辽了。
|
||
|
||
节点i 到 节点j 的最短路径中 一定是经过很多节点，那么这个集合用[1...k] 来表示。
|
||
|
||
你可以反过来想，节点i 到 节点j 中间一定经过很多节点，那么你能用什么方式来表述中间这么多节点呢？
|
||
|
||
所以 这里的k不能单独指某个节点，k 一定要表示一个集合，即[1...k] ，表示节点1 到 节点k 一共k个节点的集合。
|
||
|
||
|
||
2、确定递推公式
|
||
|
||
在上面的分析中我们已经初步感受到了递推的关系。
|
||
|
||
我们分两种情况：
|
||
|
||
1. 节点i 到 节点j 的最短路径经过节点k
|
||
2. 节点i 到 节点j 的最短路径不经过节点k
|
||
|
||
对于第一种情况，`grid[i][j][k] = grid[i][k][k - 1] + grid[k][j][k - 1]`
|
||
|
||
节点i 到 节点k 的最短距离 是不经过节点k，中间节点集合为[1...k-1]，所以 表示为`grid[i][k][k - 1]`
|
||
|
||
节点k 到 节点j 的最短距离 也是不经过节点k，中间节点集合为[1...k-1]，所以表示为 `grid[k][j][k - 1]`
|
||
|
||
第二种情况，`grid[i][j][k] = grid[i][j][k - 1]`
|
||
|
||
如果节点i 到 节点j的最短距离 不经过节点k，那么 中间节点集合[1...k-1]，表示为 `grid[i][j][k - 1]`
|
||
|
||
因为我们是求最短路，对于这两种情况自然是取最小值。
|
||
|
||
即： `grid[i][j][k] = min(grid[i][k][k - 1] + grid[k][j][k - 1]， grid[i][j][k - 1])`
|
||
|
||
|
||
3、dp数组如何初始化
|
||
|
||
grid[i][j][k] = m，表示 节点i 到 节点j 以[1...k] 集合为中间节点的最短距离为m。
|
||
|
||
刚开始初始化k 是不确定的。
|
||
|
||
例如题目中只是输入边（节点2 -> 节点6，权值为3），那么grid[2][6][k] = 3，k需要填什么呢？
|
||
|
||
把k 填成1，那如何上来就知道 节点2 经过节点1 到达节点6的最短距离是多少 呢。
|
||
|
||
所以 只能 把k 赋值为 0，本题 节点0 是无意义的，节点是从1 到 n。
|
||
|
||
这样我们在下一轮计算的时候，就可以根据 grid[i][j][0] 来计算 grid[i][j][1]，此时的 grid[i][j][1] 就是 节点i 经过节点1 到达 节点j 的最小距离了。
|
||
|
||
|
||
grid数组是一个三维数组，那么我们初始化的数据在 i 与 j 构成的平层，如图：
|
||
|
||
|
||
|
||
红色的 底部一层是我们初始化好的数据，注意：从三维角度去看初始化的数据很重要，下面我们在聊遍历顺序的时候还会再讲。
|
||
|
||
所以初始化代码：
|
||
|
||
```CPP
|
||
vector<vector<vector<int>>> grid(n + 1, vector<vector<int>>(n + 1, vector<int>(n + 1, 10005))); // C++定义了一个三位数组，10005是因为边的最大距离是10^4
|
||
|
||
for(int i = 0; i < m; i++){
|
||
cin >> p1 >> p2 >> val;
|
||
grid[p1][p2][0] = val;
|
||
grid[p2][p1][0] = val; // 注意这里是双向图
|
||
}
|
||
|
||
```
|
||
|
||
grid数组中其他元素数值应该初始化多少呢？
|
||
|
||
本题求的是最小值，所以输入数据没有涉及到的节点的情况都应该初始为一个最大数。
|
||
|
||
这样才不会影响，每次计算去最小值的时候 初始值对计算结果的影响。
|
||
|
||
所以grid数组的定义可以是：
|
||
|
||
```CPP
|
||
// C++写法，定义了一个三位数组，10005是因为边的最大距离是10^4
|
||
vector<vector<vector<int>>> grid(n + 1, vector<vector<int>>(n + 1, vector<int>(n + 1, 10005)));
|
||
|
||
```
|
||
|
||
4、确定遍历顺序
|
||
|
||
从递推公式：`grid[i][j][k] = min(grid[i][k][k - 1] + grid[k][j][k - 1]， grid[i][j][k - 1])` 可以看出，我们需要三个for循环，分别遍历i，j 和k
|
||
|
||
而 k 依赖于 k - 1， i 和j 的到 并不依赖与 i - 1 或者 j - 1 等等。
|
||
|
||
那么这三个for的嵌套顺序应该是什么样的呢？
|
||
|
||
我们来看初始化，我们是把 k =0 的 i 和j 对应的数值都初始化了，这样才能去计算 k = 1 的时候 i 和 j 对应的数值。
|
||
|
||
这就好比是一个三维坐标，i 和j 是平层，而k 是 垂直向上 的。
|
||
|
||
遍历的顺序是从底向上 一层一层去遍历。
|
||
|
||
所以遍历k 的for循环一定是在最外面，这样才能一层一层去遍历。如图：
|
||
|
||
|
||
|
||
至于遍历 i 和 j 的话，for 循环的先后顺序无所谓。
|
||
|
||
代码如下：
|
||
|
||
```CPP
|
||
for (int k = 1; k <= n; k++) {
|
||
for (int i = 1; i <= n; i++) {
|
||
for (int j = 1; j <= n; j++) {
|
||
grid[i][j][k] = min(grid[i][j][k-1], grid[i][k][k-1] + grid[k][j][k-1]);
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
有录友可能想，难道 遍历k 放在最里层就不行吗？
|
||
|
||
k 放在最里层，代码是这样：
|
||
|
||
```CPP
|
||
for (int i = 1; i <= n; i++) {
|
||
for (int j = 1; j <= n; j++) {
|
||
for (int k = 1; k <= n; k++) {
|
||
grid[i][j][k] = min(grid[i][j][k-1], grid[i][k][k-1] + grid[k][j][k-1]);
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
此时就遍历了 j 与 k 形成一个平面，i 则是纵面，那遍历 就是这样的：
|
||
|
||
|
||
|
||
|
||
而我们初始化的数据 是 k 为0， i 和 j 形成的平面做初始化，如果以 k 和 j 形成的平面去一层一层遍历，就造成了 递推公式 用不上上一轮计算的结果，从而导致结果不对（初始化的部分是 i 与j 形成的平面，在初始部分有讲过）。
|
||
|
||
我再给大家举一个测试用例
|
||
|
||
```
|
||
5 4
|
||
1 2 10
|
||
1 3 1
|
||
3 4 1
|
||
4 2 1
|
||
1
|
||
1 2
|
||
```
|
||
|
||
就是图：
|
||
|
||
|
||
|
||
求节点1 到 节点 2 的最短距离，运行结果是 10 ，但正确的结果很明显是3。
|
||
|
||
为什么呢？
|
||
|
||
因为 k 放在最里面，先就把 节点1 和 节点 2 的最短距离就确定了，后面再也不会计算节点 1 和 节点 2的距离，同时也不会基于 初始化或者之前计算过的结果来计算，即：不会考虑 节点1 到 节点3， 节点3 到节点 4，节点4到节点2 的距离。
|
||
|
||
|
||
造成这一原因，是 在三维立体坐标中， 我们初始化的是 i 和 i 在k 为0 所构成的平面，但遍历的时候 是以 j 和 k构成的平面以 i 为垂直方向去层次遍历。
|
||
|
||
|
||
而遍历k 的for循环如果放在中间呢，同样是 j 与k 行程一个平面，i 是纵面，遍历的也是这样：
|
||
|
||
|
||
|
||
同样不能完全用上初始化 和 上一层计算的结果。
|
||
|
||
根据这个情况再举一个例子：
|
||
|
||
```
|
||
5 2
|
||
1 2 1
|
||
2 3 10
|
||
1
|
||
1 3
|
||
```
|
||
|
||
图：
|
||
|
||
|
||
|
||
求 节点1 到节点3 的最短距离，如果k循环放中间，程序的运行结果是 -1，也就是不能到达节点3。
|
||
|
||
在计算 grid[i][j][k] 的时候，需要基于 grid[i][k][k-1] 和 grid[k][j][k-1]的数值。
|
||
|
||
也就是 计算 grid[1][3][2] （表示节点1 到 节点3，经过节点2） 的时候，需要基于 grid[1][2][1] 和 grid[2][3][1]的数值，而 我们初始化，只初始化了 k为0 的那一层。
|
||
|
||
造成这一原因 依然是 在三维立体坐标中， 我们初始化的是 i 和 j 在k 为0 所构成的平面，但遍历的时候 是以 j 和 k构成的平面以 i 为垂直方向去层次遍历。
|
||
|
||
|
||
很多录友对于 floyd算法的遍历顺序搞不懂，**其实 是没有从三维的角度去思考**，同时我把三维立体图给大家画出来，遍历顺序标出来，大家就很容易想明白，为什么 k 放在最外层 才能用上 初始化和上一轮计算的结果了。
|
||
|
||
5、举例推导dp数组
|
||
|
||
这里涉及到 三维矩阵，可以一层一层打印出来去分析，例如k=0 的这一层，k = 1的这一层，但一起把三维带数据的图画出来其实不太好画。
|
||
|
||
## 代码如下
|
||
|
||
以上分析完毕，最后代码如下：
|
||
|
||
|
||
```CPP
|
||
#include <iostream>
|
||
#include <vector>
|
||
#include <list>
|
||
using namespace std;
|
||
|
||
int main() {
|
||
int n, m, p1, p2, val;
|
||
cin >> n >> m;
|
||
|
||
vector<vector<vector<int>>> grid(n + 1, vector<vector<int>>(n + 1, vector<int>(n + 1, 10005))); // 因为边的最大距离是10^4
|
||
for(int i = 0; i < m; i++){
|
||
cin >> p1 >> p2 >> val;
|
||
grid[p1][p2][0] = val;
|
||
grid[p2][p1][0] = val; // 注意这里是双向图
|
||
|
||
}
|
||
// 开始 floyd
|
||
for (int k = 1; k <= n; k++) {
|
||
for (int i = 1; i <= n; i++) {
|
||
for (int j = 1; j <= n; j++) {
|
||
grid[i][j][k] = min(grid[i][j][k-1], grid[i][k][k-1] + grid[k][j][k-1]);
|
||
}
|
||
}
|
||
}
|
||
// 输出结果
|
||
int z, start, end;
|
||
cin >> z;
|
||
while (z--) {
|
||
cin >> start >> end;
|
||
if (grid[start][end][n] == 10005) cout << -1 << endl;
|
||
else cout << grid[start][end][n] << endl;
|
||
}
|
||
}
|
||
|
||
```
|
||
|
||
## 空间优化
|
||
|
||
这里 我们可以做一下 空间上的优化，从滚动数组的角度来看，我们定义一个 grid[n + 1][ n + 1][2] 这么大的数组就可以，因为k 只是依赖于 k-1的状态，并不需要记录k-2，k-3，k-4 等等这些状态。
|
||
|
||
那么我们只需要记录 grid[i][j][1] 和 grid[i][j][0] 就好，之后就是 grid[i][j][1] 和 grid[i][j][0] 交替滚动。
|
||
|
||
在进一步想，如果本层计算（本层计算即k相同，从三维角度来讲） gird[i][j] 用到了 本层中刚计算好的 grid[i][k] 会有什么问题吗？
|
||
|
||
如果 本层刚计算好的 grid[i][k] 比上一层 （即k-1层）计算的 grid[i][k] 小，说明确实有 i 到 k 的更短路径，那么基于 更小的 grid[i][k] 去计算 gird[i][j] 没有问题。
|
||
|
||
如果 本层刚计算好的 grid[i][k] 比上一层 （即k-1层）计算的 grid[i][k] 大， 这不可能，因为这样也不会做更新 grid[i][k]的操作。
|
||
|
||
所以本层计算中，使用了本层计算过的 grid[i][k] 和 grid[k][j] 是没问题的。
|
||
|
||
那么就没必要区分，grid[i][k] 和 grid[k][j] 是 属于 k - 1 层的呢，还是 k 层的。
|
||
|
||
所以递归公式可以为：
|
||
|
||
```CPP
|
||
grid[i][j] = min(grid[i][j], grid[i][k] + grid[k][j]);
|
||
```
|
||
|
||
基于二维数组的本题代码为：
|
||
|
||
|
||
```CPP
|
||
#include <iostream>
|
||
#include <vector>
|
||
using namespace std;
|
||
|
||
int main() {
|
||
int n, m, p1, p2, val;
|
||
cin >> n >> m;
|
||
|
||
vector<vector<int>> grid(n + 1, vector<int>(n + 1, 10005)); // 因为边的最大距离是10^4
|
||
|
||
for(int i = 0; i < m; i++){
|
||
cin >> p1 >> p2 >> val;
|
||
grid[p1][p2] = val;
|
||
grid[p2][p1] = val; // 注意这里是双向图
|
||
|
||
}
|
||
// 开始 floyd
|
||
for (int k = 1; k <= n; k++) {
|
||
for (int i = 1; i <= n; i++) {
|
||
for (int j = 1; j <= n; j++) {
|
||
grid[i][j] = min(grid[i][j], grid[i][k] + grid[k][j]);
|
||
}
|
||
}
|
||
}
|
||
// 输出结果
|
||
int z, start, end;
|
||
cin >> z;
|
||
while (z--) {
|
||
cin >> start >> end;
|
||
if (grid[start][end] == 10005) cout << -1 << endl;
|
||
else cout << grid[start][end] << endl;
|
||
}
|
||
}
|
||
|
||
```
|
||
|
||
* 时间复杂度： O(n^3)
|
||
* 空间复杂度：O(n^2)
|
||
|
||
## 总结
|
||
|
||
本期如果上来只用二维数组来讲的话，其实更容易，但遍历顺序那里用二维数组其实是讲不清楚的，所以我直接用三维数组来讲，目的是将遍历顺序这里讲清楚。
|
||
|
||
理解了遍历顺序才是floyd算法最精髓的地方。
|
||
|
||
|
||
floyd算法的时间复杂度相对较高，适合 稠密图且源点较多的情况。
|
||
|
||
如果是稀疏图，floyd是从节点的角度去计算了，例如 图中节点数量是 1000，就一条边，那 floyd的时间复杂度依然是 O(n^3) 。
|
||
|
||
如果 源点少，其实可以 多次dijsktra 求源点到终点。
|
||
|
||
|
||
## 其他语言版本
|
||
|
||
### Java
|
||
|
||
- 基于三维数组的Floyd算法
|
||
|
||
```java
|
||
public class FloydBase {
|
||
|
||
// public static int MAX_VAL = Integer.MAX_VALUE;
|
||
public static int MAX_VAL = 10005; // 边的最大距离是10^4(不选用Integer.MAX_VALUE是为了避免相加导致数值溢出)
|
||
|
||
public static void main(String[] args) {
|
||
// 输入控制
|
||
Scanner sc = new Scanner(System.in);
|
||
System.out.println("1.输入N M");
|
||
int n = sc.nextInt();
|
||
int m = sc.nextInt();
|
||
|
||
System.out.println("2.输入M条边");
|
||
|
||
// ① dp定义（grid[i][j][k] 节点i到节点j 可能经过节点K（k∈[1,n]））的最短路径
|
||
int[][][] grid = new int[n + 1][n + 1][n + 1];
|
||
for (int i = 1; i <= n; i++) {
|
||
for (int j = 1; j <= n; j++) {
|
||
for (int k = 0; k <= n; k++) {
|
||
grid[i][j][k] = grid[j][i][k] = MAX_VAL; // 其余设置为最大值
|
||
}
|
||
}
|
||
}
|
||
|
||
// ② dp 推导：grid[i][j][k] = min{grid[i][k][k-1] + grid[k][j][k-1], grid[i][j][k-1]}
|
||
while (m-- > 0) {
|
||
int u = sc.nextInt();
|
||
int v = sc.nextInt();
|
||
int weight = sc.nextInt();
|
||
grid[u][v][0] = grid[v][u][0] = weight; // 初始化（处理k=0的情况） ③ dp初始化
|
||
}
|
||
|
||
// ④ dp推导：floyd 推导
|
||
for (int k = 1; k <= n; k++) {
|
||
for (int i = 1; i <= n; i++) {
|
||
for (int j = 1; j <= n; j++) {
|
||
grid[i][j][k] = Math.min(grid[i][k][k - 1] + grid[k][j][k - 1], grid[i][j][k - 1]);
|
||
}
|
||
}
|
||
}
|
||
|
||
System.out.println("3.输入[起点-终点]计划个数");
|
||
int x = sc.nextInt();
|
||
|
||
System.out.println("4.输入每个起点src 终点dst");
|
||
|
||
while (x-- > 0) {
|
||
int src = sc.nextInt();
|
||
int dst = sc.nextInt();
|
||
// 根据floyd推导结果输出计划路径的最小距离
|
||
if (grid[src][dst][n] == MAX_VAL) {
|
||
System.out.println("-1");
|
||
} else {
|
||
System.out.println(grid[src][dst][n]);
|
||
}
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
|
||
|
||
### Python
|
||
|
||
基于三维数组的Floyd
|
||
|
||
```python
|
||
if __name__ == '__main__':
|
||
max_int = 10005 # 设置最大路径，因为边最大距离为10^4
|
||
|
||
n, m = map(int, input().split())
|
||
|
||
grid = [[[max_int] * (n+1) for _ in range(n+1)] for _ in range(n+1)] # 初始化三维dp数组
|
||
|
||
for _ in range(m):
|
||
p1, p2, w = map(int, input().split())
|
||
grid[p1][p2][0] = w
|
||
grid[p2][p1][0] = w
|
||
|
||
# 开始floyd
|
||
for k in range(1, n+1):
|
||
for i in range(1, n+1):
|
||
for j in range(1, n+1):
|
||
grid[i][j][k] = min(grid[i][j][k-1], grid[i][k][k-1] + grid[k][j][k-1])
|
||
|
||
# 输出结果
|
||
z = int(input())
|
||
for _ in range(z):
|
||
start, end = map(int, input().split())
|
||
if grid[start][end][n] == max_int:
|
||
print(-1)
|
||
else:
|
||
print(grid[start][end][n])
|
||
```
|
||
|
||
基于二维数组的Floyd
|
||
|
||
```python
|
||
if __name__ == '__main__':
|
||
max_int = 10005 # 设置最大路径，因为边最大距离为10^4
|
||
|
||
n, m = map(int, input().split())
|
||
|
||
grid = [[max_int]*(n+1) for _ in range(n+1)] # 初始化二维dp数组
|
||
|
||
for _ in range(m):
|
||
p1, p2, val = map(int, input().split())
|
||
grid[p1][p2] = val
|
||
grid[p2][p1] = val
|
||
|
||
# 开始floyd
|
||
for k in range(1, n+1):
|
||
for i in range(1, n+1):
|
||
for j in range(1, n+1):
|
||
grid[i][j] = min(grid[i][j], grid[i][k] + grid[k][j])
|
||
|
||
# 输出结果
|
||
z = int(input())
|
||
for _ in range(z):
|
||
start, end = map(int, input().split())
|
||
if grid[start][end] == max_int:
|
||
print(-1)
|
||
else:
|
||
print(grid[start][end])
|
||
```
|
||
|
||
### Go
|
||
|
||
### Rust
|
||
|
||
### JavaScript
|
||
|
||
### TypeScript
|
||
|
||
### PhP
|
||
|
||
### Swift
|
||
|
||
### Scala
|
||
|
||
### C#
|
||
|
||
### Dart
|
||
|
||
### C
|
||
|