第六讲、弦图的判定【信息技术】.pdfVIP

第六讲、弦图的判定 给定一个弦图，LexBFS 与 MCS 算法可以找到一个完美消除序列。本讲中，我们将了解 这两种算法实现的细节，并给出简要的正确性证明。同时我们将看到 LexBFS 在 O （n+m ） 的时间内得到完美消除序列。 1．介绍 每个弦图都有完美消除序列。我们将用 LexBFS 算法在 O （n+m ）的找到这个序列。回 忆以下 LexBFS 算法：每次选择标号最大的顶点并更新它的相邻点。直接做到这一点需要多 余线性的时间，我们使用了特殊的数据结构使得寻找、更新顶点的时间降为 O （1）。 判定一个图是否是弦图，我们需要测试 LexBFS 算法返回的序列是否是完美消除序列。 朴 素 的 算 法 是 测 试 每 个 顶 点 的 前 驱 集 合 是 否 构 成 一 个 团 ， 这 需 要 的时间。但事实上，我们可以知道使用恰当的测 试顺序，一个完美消除序列的每条边至多被检查两次。因此我们得到了一个时空复杂度都为 O （m+n ）的算法。 2 ．LexBFS 算法的复杂度 回忆以下LexBFS 算法的流程： 我们可以指出该算法是一个广度优先搜索。观察一下算法生成的搜索树，顶点 Vn 的相邻点 在 Vn －1 的相邻点之前被访问。LexBFS 与标准 BFS 的唯一区别是LexBFS 给 Vn 的相邻点 加上了特别的顺序。（图1） 3 ．数据结构 为了高效地执行 LexBFS 算法，我们使用一个链表形的数据结构，其中表 Q 中的每个节 点是指向另一个链表的指针，称为一个 “桶”。表 Sl （l 表示一个标号）包含了所有的满足 L （V ）＝l 顶点 V ，L 是顶点 V 的标号。Q 中不能包含空链表。Q 中的各桶按字典序排列， 最大的在最前面。我们看一个例子： 假设我们首先选择顶点 A 并标号它的所有相邻点；接着，我们选择顶点 C 并更新它的 相邻点，我们得到的表 Q 将如图 3 所示。 实际中，每个顶点所在的桶 S （L （Vi ））也被记录下来。另外，每个桶在 Q 中的位置也 被记录下来。注意：为了插入与删除的方便，这些链表都是双链表。 对于这种数据类型的世纪操作，初始时所有顶点都标号 ，因此 Q 只有一个桶 包含 了所有顶点。显然这个初始化能在O （n ）时间内解决。 为了获得下一个顶点并更新数据，我们进行一下操作： 1. 令 Vi 是第一个桶中的第一个元素（显然 Vi 是目前标号最大的一个顶点）。 2. 将 Vi 从桶 S （L （Vi ））中删去。 3. 如果 S （L （Vi ））已空，将它从Q 中删去。 4. 对于每个 Vi 的相邻点W ： 5. 如果 W 仍在 Q 中（W 尚未选择，必须更新它的标号和在Q 中的位置） 6. 找到 S （L （W ））以及它在Q 中的位置。 7. 寻找 Q 中 S （L （W ））上一个桶。 8. 如果这样的桶不存在，或它不是 9. 在 Q 中的当前位置建立一个桶 。 10. 将 W 从 S （L （W ））中取出并加入 中。 11. 如果 S （L （W ））已空，将它删除。 12. 将 L （W ）更新为 。 现在分析该算法的复杂度。获得 Vi 以需要O （1）时间。从桶中删除一个元素也只要 O （1）时间。 更新 Q 时，我们必须更新 Vi 所有未选择的相邻点。对每个顶点需要 O （1）时间（所有 需要的值都被储存下来了）。因此用时为 O （顶点Vi 的度）。总的时空复杂度都为 O （n+m ）。 空间也是线性也许不很明显。注意每个标号的长