Algorithm 在图形中重新计算最大距离的更快方法

假设给定一个加权有向图G=V，E，有n个节点，其中p是中心节点。设C，| C |=p为中心节点集，N=V\C为非中心节点集。边eij的值为有限非负实数，如果：

i来自集合N，而j来自集合P，或 i来自集合P，而j来自集合P，或 i来自集合P，而j来自集合N。 否则，如果i来自集合N，j来自集合N，则eij的值等于正无穷大

我们感兴趣的是在图G中找到所有最短距离上的最大值。我发现解决这个问题的最快算法是使用Floyd Warshall算法的简单修改，该算法在On2p中运行。下面是简单的伪代码：

FOR ALL k FROM the set C DO
  FOR ALL i FROM the set V DO
    FOR ALL j FROM the set V DO 
      e[i, j] = MIN(e[i, j], e[i, k] + e[k, j])
-----------------------------------------------
result = 0
FOR ALL i FROM the set V DO
  FOR ALL j FROM the set V DO
    result = MAX(result, e[i, j])
-----------------------------------------------
RETURN result

也许，没有比这更快的算法了。或者，我错了吗

然而，我对以下内容更感兴趣，我认为这里有更快的东西。假设我们简单地交换集合C和N中的两个节点，即对于C中的一些vc和N中的一些vn，集合C变成C+vn-vc，集合N变成N+vc-vn。现在，我们感兴趣的是在G中的所有最短距离上寻找新的最大距离

我所知道的更快的算法就是使用弗洛伊德·沃沙尔的方法从一开始计算新的最大距离，该方法在On2p中再次运行。在交换节点之前，是否有更快的计算方法，可能使用最短距离的旧计算值