图论练习.pptVIP

图论算法练习 相信数据结构、算法和CODE的力量！ 主要涉及内容 堆(heap)、Dijstra-heap、spfa 并查集、 Kruskal 网络流：最大流、最小费用流 二部图：最大匹配、最大权匹配 Dijstra过程 初始化： S ← { v0 };dist[j] ← Edge[0][j], j = 1, 2, …, n-1; 1、求出最短路径的长度： dist[k] ← min{ dist[i] }, i ? V- S ; S ← S U { k }; 2、 修改： dist[i] ←min{ dist[i], dist[k] + Edge[k][i] }, for i?V- S ; 3、 判断： 若S = V, 则算法结束，否则转1。 引入一个辅助数组dist。dist[i]表示当前从源点v0到终点vi 的最短路径的长度。时间复杂度:O(V2) Dijstra-heap 在1过程中用堆(heap)来实现选择最短路径。复杂度为O(lgn) 在结点比较多的情况下，用邻接矩阵来记录图是不可能的，这种情况下要用邻接表来记录。 在一般的图中，特别是稀疏图中，每个结点的邻接顶点的个数是有限的，所以2过程的复杂度也视为O(1) 所以这样实现最短路复杂度近似认为是O(nlgn)的，在结点多的稀疏图中用起来比较高效。 堆（heap） 堆的定义 n个元素的序列 k1， k2 ，…… ，kn ，当且仅当满足以下关系时，称之为堆： ki = k2i ki = k2i ki= k2i+1 ki = k2i+1 且分别称之为小顶堆和大顶堆。 联想到二叉树，若将此元素序列按顺序组成一棵完全二叉树，则小顶堆的所有根结点值小于或等于左右孩子的值，大顶堆二叉树的所有根结点值大于或等于左右孩子的值。即堆顶元素是序列的最值。 堆排序：将无序序列建成一个堆，得到关键字最小（或最大）的记录；输出堆顶的最小（大）值后，使剩余的n-1个元素重又建成一个堆，则可得到n个元素的次小值；重复执行，得到一个有序序列，这个过程叫堆排序。 堆支持的两个操作： ①由一个无序序列建成一个大顶堆 Build-Max-Heap ②确保一个堆是一个大顶堆MAX-Heapify 堆排序的方法：Build-Max-Heap ; 将根与堆中的最后一个元素交换，堆元素个数减1，并且执行MAX-Heapify，重复此操作直到堆只剩一个元素；这样就得到了一个有序序列。 HEPASORT ? 要实现从小到大排列建立大顶堆，要实现从大到小排列建立健小顶堆 ? 运行时间： MAX-HEAPIFY复杂度O(lgn),BUILD-MAX-HEAP 的时间复杂度为O(nlgn)，所以HEAPSORT的时间复杂度为O(nlgn) ? 堆排序是不稳定排序，所以实际上的运行时间可能并不是O(nlgn) 例 对下面堆进行排序 例 对下面堆进行排序 Spfa算法 算法流程 SPFA算法是Bellman-ford的一个队列优化，初始时将源点加入队列，每次从队列中取出一个元素，并对所有与他相邻的点进行松弛，若某个相邻的点松弛成功，则将其入队。直到队列为空时算法结束。若一个点入队次数超过n，则有负权环。 我们都知道Dijstra不能解决负权边的图,如下，但spfa可以，而且算法的复杂度一般为O(kn) 练习 Pku 3159（示例） Pku 1062 Pku 2253 Zju 1589 Zju 1952 Kruskal 算法 将图中所有边按权值从小到大排序； 取权值最小的边，加入图中，判断是否形成了回路，若无，则保留此边，否则去掉该边，重取权值较小的边； 反复过程 2，直到全部顶点均连通为止。 算法复杂性O(e*loge) Kruscal算法的数据结构 一维数组，将所有边按从大到小的顺序存在数组里面 并查集 并查集 ?先把每一个对象看作是一个单元素集合，然后按一定顺序将相关联的元素所在的集合合并。能够完成这种功能的集合就是并查集。 ?对于并查集来说，每个集合用一棵树表示。 ?它支持以下操作： Union (Root1, Root2) //合并两个集合； Find(x) //搜索操作（搜索编号为x所在树的根）。 ?树的每一个结点有一个指向其父结点的指针。 练习 Pku1861(示例) Pku1258 Pku1639 zju1718 网络与流 求最大流的上些算法 Ford-Fulkerson算法（示例） Edmonds-Karp算法（示例