算法设计与第4章_贪心算法精编.pptVIP

* 算法设计与分析 * 更新所有非S集中的Dist[]值，看看是否可通过新加入的u点让其路径更短： 迭代 S u dist[2] dist[3] dist[4] dist[5] 初始 {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 if ( Dist[u]+(u,v)Dist[v] ) then Dist[v]=Dist[u]+(u,v); * 算法设计与分析 * 4. 跳转到2操作，循环（顶点数-1）次，依次找出所有顶点的最短路径。 迭代 S u dist[2] dist[3] dist[4] dist[5] 初始 {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 * 算法设计与分析 * 4.6 最小生成树 设G=(V,E)是无向带权连通图，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。 * 算法设计与分析 * 应用 网络的最小生成树在实际中有广泛应用。 例如，在设计通信网络时，用图的顶点表示城市，用边(v,w)的权c[v][w]表示建立城市v和城市w之间的通信线路所需的费用，则最小生成树就给出了建立通信网络的最经济的方案。 * 算法设计与分析 * 贪心法求解准则 将贪心策略用于求解无向连通图的最小代价生成树时，核心问题是需要确定贪心准则。 根据最优量度标准，算法的每一步从图中选择一条符合准则的边，共选择n-1条边，构成无向连通图的一棵生成树。 贪心法求解的关键：该量度标准必须足够好。它应当保证依据此准则选出n-1条边构成原图的一棵生成树，必定是最小代价生成树。 * 算法设计与分析 * 算法步骤分析 设G=(V,E)是带权的连通图，T=(V,S)是图G的最小代价生成树。 ESetType SpanningTree(ESetType E,int n) { //G=(V,E)为无向图，E是图G的边集，n是图中结点数 ESetType TE=?; //TE为生成树上边的集合 int u,v,k=0; EType e； //e=(u,v)为一条边 while(kn-1 E中尚有未检查的边) { //选择生成树的n-1条边 e=select(E); //按最优量度标准选择一条边 if(TE∪e 不包含回路) //判定可行性 { TE=TE∪e; k++; }//在生成树边集TE中添加一条边 } return S; } …… U V-U * 算法设计与分析 * 普里姆（Prim）算法克鲁斯卡尔（Kruskal）算法 Kruskal算法的贪心准则：按边代价的非减次序考察E中的边，从中选择一条代价最小的边e=(u,v)。 这种做法使得算法在构造生成树的过程中，当前子图不一定是连通的。 Prim算法的贪心准则：在保证S所代表的子图是一棵树的前提下选择一条最小代价的边e=(u,v)。 * 算法设计与分析 * Prim算法的基本步骤 在图G=(V, E) （V表示顶点集合，E表示边集合）中，从集合V中任取一个顶点（例如取顶点v1）放入集合U中，这时U={v1}，生成树边集合T(E)为空。 寻找与S中顶点相邻（另一顶点在V-U中）权值最小的边的另一顶点v2，并使v2加入S。即U={v1,v2 }，同时将该边加入集合T(E)中。 重复2，直到U=V为止。 这时T(E)中有n-1条边，T=(U,T(E))就是一棵最小生成树。 * 算法设计与分析 * prim算法 V1 V6 V5 V4 V3 V2 6 5 1 3 5 6 6 4 2 5 算法思想： 设 N=(V, E) 是连通网，TE 是 N 上 最小生成树中边的集合。 初始令 U={u0}, (u0?V ), TE={ }。 在所有 u?U, v?V-U 的边 (u, v)?E 中， 找一条代价最小的边 (u0, v0)。 将 (u0, v0) 并入集合 TE，同时 v0 并入 U。 重复上述操作直至 U=V 为止，则 T=(V,