最小生成树分析.pptVIP

* 按最短路径长度的递增次序依次把U组的顶点加入S中。在加入的过程中，总保持从源点v到S中各顶点的最短路径长度不大于从源点v到U中任何顶点的最短路径长度。 此外，每个顶点对应一个距离，S中的顶点的距离就是从v到此顶点的最短路径长度，U中的顶点的距离从v到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。 * （1）初始时，S只包含源点即S={v}，v的距离为0。U包含除v外的其他顶点，U中顶点u距离为边上的权（若v与u有边v，u）或∞（若u不是v的出边邻接点）。 （2）从U中选取一个距离v最小的顶点k，把k加入S中（该选定的距离就是v到k的最短路径长度）。 （3）以k为新考虑的中间点，修改U中各顶点的距离：若从源点v到顶点u（u∈U）的距离（经过顶点k）比原来距离（不经过顶点k）短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边k，u上的权。 （4）重复步骤（2）和（3）直到所有顶点都包含在S中。 狄克斯特拉算法的过程 * 顶点v到j的最小距离＝MIN(cvk+wkj，cvj) k v j ... cvk …… cvj 边wkj * {0} {0,1} {0,1,2} {0,1,2,3} {0,1,2,3,5} {0,1,2,3,5,4} {0,1,2,3,5,4,6} 0 1 3 2 4 5 6 4 7 6 1 6 8 5 6 6 2 4 1 {0, 0, 0, 0, -1, -1, -1} {0, 0, 1, 0, 1, -1, -1} {0, 0, 1, 0, 1, 2, -1} {0, 0, 1, 0, 1, 2, -1} {0, 0, 1, 0, 5, 2, 5} {0, 0, 1, 0, 5, 2, 4} {0, 0, 1, 0, 5, 2, 4} S U dist[ ] path[ ] {1,2,3,4,5,6} {2,3,4,5,6} {3,4,5,6} {4,5,6} {4,6} {6} {} {0, 4, 6, 6, ∞, ∞,∞} {0, 4, 5, 6, 11, ∞,∞} {0, 4, 5, 6, 11, 9, ∞} {0, 4, 5, 6, 11, 9, ∞} {0, 4, 5, 6, 10, 9, 17} {0, 4, 5, 6, 10, 9, 16} {0, 4, 5, 6, 10, 9, 16} 0 1 2 3 4 5 6 0 1 2 3 4 5 6 * 　　从顶点v到其他顶点的最短路径有n-1条，这里采用一维数组path来保存： 　　假设从顶点v到顶点u的最短路径序列为： 　　v,……,w,u 则v,……,w一定是从顶点v到顶点w的最短路径（为什么？） 所以用path[u]=w来表示，即path[u]表示从顶点v到顶点u的最短路径（实际上保存最短路径序列的前一个顶点w，再由w向前推到v，从而找出最短路径）。 * 8.5.3 每对顶点之间的最短路径 问题：对于一个各边权值均大于零的有向图，对每一对顶点i≠j，求出顶点i与顶点j之间的最短路径和最短路径长度。 可以通过以每个顶点作为源点循环求出每对顶点之间的最短路径。除此之外，弗洛伊德（Floyd）算法也可用于求两顶点之间最短路径。 * 假设有向图G=(V，E)采用邻接矩阵存储，另外设置一个二维数组A用于存放当前顶点之间的最短路径长度，分量A[i][j]表示当前顶点i到顶点j的最短路径长度。 弗洛伊德算法的基本思想是递推产生一个矩阵序列A0，A1，…，Ak，…，An-1，其中Ak[i][j]表示从顶点i到顶点j的路径上所经过的顶点编号不大于k的最短路径长度。 * 初始时，有A-1[i][j]=g.edges[i][j]。当求从顶点i到顶点j的路径上所经过的顶点编号不大于k+1的最短路径长度时，要分两种情况考虑： 一种情况是该路径不经过顶点编号为k+1的顶点，此时该路径长度与从顶点i到顶点j的路径上所经过的顶点编号不大于k的最短路径长度相同； 另一种情况是从顶点i到顶点j的最短路径上经过编号为k+1的顶点。 * Ak+1[i,j]=MIN{ Ak[i,j]，Ak[i,k+1]+Ak[k+1,j] } k+1 i j … Ak[i,k+1] … Ak[k+1,j] …… Ak[i,j] * 那么，该路径可分为两段: （1）从顶点