计算机算法设计与分析第4章贪心算法.pptVIP

4.5 单源最短路径算法描述 for(int j=1; j=n; j++) if((!s[j])(c[u][j]maxint)) { Type newdist=dist[u]+c[u][j]; if (newdistdist[j]) { dist[j]=newdist; prev[j]=u; } } } } 4.5 单源最短路径 例如，对右图中的有向图，应用Dijkstra算法计算从源顶点1到其它顶点间最短路径的过程列在下页的表中。 4.5 单源最短路径 迭代 S u dist [2] dist [3] dist [4] dist [5] 初始 {1} 1 10 maxint 30 100 1 {1,2} 2 10 60 30 100 2 {1,2,4} 4 10 50 30 90 3 {1,2,4,3} 3 10 50 30 60 4 {1,2,4,3,5} 5 10 50 30 60 Dijkstra算法的迭代过程： 4.5 单源最短路径2.算法的计算复杂性 对于具有n个顶点和e条边的带权有向图，如果用带权邻接矩阵表示这个图，那么Dijkstra算法的主循环体需要 时间。这个循环需要执行n-1次，所以完成循环需要时间 。 算法的其余部分所需要时间不超过 。 4.4 哈夫曼编码 哈夫曼编码是广泛地用于数据文件压缩的十分有效的编码方法。其压缩率通常在20%～90%之间。哈夫曼编码算法用字符在文件中出现的频率表来建立一个用0,1串表示各字符的最优表示方式。 给出现频率高的字符以较短的编码，出现频率较低的字符以较长的编码，可以大大缩短总码长。 4.4 哈夫曼编码 哈夫曼编码是一种前缀码。 1、前缀码 对每一个字符规定一个0,1串作为其代码，并要求任一字符的代码都不是其它字符代码的前缀。这种编码称为前缀码。 4.4 哈夫曼编码 非前缀码 如：a b c d 0 10 101 11 试译出：1010 结果会有两种：bb 或 ca 原因在于：b的代码是c的代码的前缀。 哈夫曼编码是一种前缀码，可以避免以上情况。 4.4 哈夫曼编码 编码的前缀性质使译码方法非常简单。 001011101 →0 0 101 1101 (表4.1) a a b e 用二叉树作为前缀编码的数据结构，且表示最优前缀码的二叉树总是一棵完全二叉树，即树中任一结点都有2个儿子结点。每个叶子对应字符集中的一个字符。 4.4 哈夫曼编码 f(c)是字符集C中字符c的出现频率， dT(c)是叶子结点c在树中的深度。 平均码长定义为： 使平均码长达到最小的前缀码编码方案称为字符集C的一个最优前缀码。 4.4 哈夫曼编码 2、构造哈夫曼编码 德国数学家哈夫曼提出构造最优前缀码的贪心算法，由此产生的编码方案称为哈夫曼算法。 哈夫曼算法以自底向上的方式构造表示最优前缀码的二叉树T。 算法以|C|个叶结点开始，执行|C|－1次的“合并”运算后产生最终所要求的树T。 4.4 哈夫曼编码 贪心准则：每次找出具有最小频率的两棵树合并。 算法huffmanTree中，编码字符集中每一字符c的频率是f(c)。以f为键值的优先队列Q用在贪心选择时有效地确定算法当前要合并的2棵具有最小频率的树。 一旦2棵具有最小频率的树合并后，产生一棵新的树，其频率为合并的2棵树的频率之和，并将新树插入优先队列Q。经过n－1次的合并后，优先队列中只剩下一棵树，即所要求的树T。 4.4 哈夫曼编码 算法huffmanTree用最小堆实现优先队列Q。初始化优先队列需要O(n)计算时间; 最小堆的DeleteMin和Insert运算均需O(logn)时间,n－1次的合并总共需要O(nlogn)计算时间。 因此，关于n个字符的哈夫曼算法的计算时间为O(nlogn) 。 4.6 最小生成树 设G =(V,E)是无向连通带权图，即一个网络。E中每条边(v,w)的权为c[v][w]。 如果G的子图G’是一棵包含G的所有顶点的树，则称G’为G的生成树。生成树上各边权的总和称为该生成树的耗费。 在G的所有生成树中，耗费最小的生成树称为G的最小生成树。 4.6 最小生成树