第4章_贪心算法课题.pptVIP

* 算法设计与分析 * 扫描非S集中Dist[]值最小的节点Dist[u]，也就是找出下一条最短路径，把节点u加入S集中。 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 * 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 * 算法的正确性 1. 贪心选择性质 Dijkstra算法所作的贪心选择是从V-S中选择具有最短特殊路径的顶点u，从而确定从源到u的最短路径长度dist[u]。 为什么从源到u没有更短的其他路径呢？ 如果存在一条从源到u且长度比dist[u]更短的路，设这条路初次走出S之外到达的顶点为x∈V-S，然后徘徊于S内外若干次，最后离开S到达u。 在这条路径上，分别记d(v,x)，d(x,u)和d(v,u)为顶点v到顶点x，顶点x到顶点u和顶点v到顶点u的路径长，那么，有 dist[x]≤d(v,x) d(v,x)+d(x,u)=d(v,u)dist[u] 利用边权的非负性，可知d(x,u)≥0从而推得dist[x]≤dist[u]，产生矛盾。证明dist[u]是源到顶点u的最短路径长度。 * 算法设计与分析 * 2. 最优子结构性质 证明最优子结构性质，即算法中确定的dist[u]确实是当前从源到顶点u的最短特殊路径长度。 为此，只要考察算法在添加u到S中后，dist[u]的值所起的变化就行了。 不论算法中dist[u]的值是否有变化，它总是关于当前顶点集S到顶点u的最短特殊路径长度。 * 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