第4章贪心算法课题.pptVIP

* 计算机算法设计与分析 * Dijkstra 算法 Dijkstra 算法的做法是： 由近到远逐步计算，每次最近的顶点的距离就是它的最短路径长度。 然后再从这个最近者出发。即依据最近者修订到各顶点的距离，然后再选出新的最近者。 如此走下去，直到所有顶点都走到。 * 计算机算法设计与分析 * Dijkstra 算法 Procedure Dijkstra { (1) S:={1}; //初始化S (2) for i:= 2 to n do //初始化dis[] (3) dis[i] =C[1, i] ; //初始时为源到顶点i一步的距离 (4) for i :=1 to n do { (5) 从V-S中选取一个顶点u使得dis[u]最小； (6) 将u加入到S中；//将新的最近者加入S (7) for ?w∈V-S do //依据最近者u修订dis[w] (8) dis[w] := min(dis[w] , dis[u]+C[u ,w]) } } * 计算机算法设计与分析 * Dijkstra算法举例 迭代 S u dis[2] dis[3] dis[4] dis[5] 初始 {1} -- 10 ∞ 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 1 2 5 4 3 10 20 50 100 30 10 60 赋权图G 由数组dis[i]可知：从顶点1到顶点2、3、4、5的最短通路的长度分别为10、50、30和60。 * 计算机算法设计与分析 * Dijkstra算法的贪心选择性质 Dijkstra 算法中所做的贪心选择是：若u是V–S中具有最短路径的特殊顶点，就将u选入S，并确定了从源到u的最短路径长度dis[u]。 为什么从源到u没有更短的路径呢？ 若有，则将如下图所示： S v dis[u] (最近距离) u x dis[x] 若该路径经S外一点x到达u，则： dis[x]+d(x, u)＜dis[u]从而 dis[x]＜dis[u]，这与u的选取矛盾 * 计算机算法设计与分析 * Dijkstra算法的计算复杂性 Dijkstra 算法有两层循环，外层循环为n次，内层有两个循环：一个是选出最小的u(第5行)，另一个是修订dis[w](第7、8行)，内层循环的时间为O(n)。 因此Dijkstra算法的时间复杂度为 O(n2)。 Dijkstra 算法能求出从源到其它各顶点的最短通路的长度，但是却并没有给出其最短通路。 对Dijkstra 算法做适当的修改便可求出最短通路。 * 计算机算法设计与分析 * 旅行商问题 推销员从某城市出发，遍历n个城市最后返回出发城市。设从城市i到城市j的费用为cij，如何选择旅行路线使得该推销员此趟旅行的总费用最小? 图论语言表述：给定n个节点简单无向完全图G=V,E,c，c(i,j)是节点i到j的代价(边权)。在G中求遍历所有节点简单回路C，使C上所有边权的和最小。 * 计算机算法设计与分析 * 旅行商问题分析 1 2 3 4 5 1 ∞ 1 2 7 5 2 ∞ 4 4 3 3 ∞ 1 2 4 ∞ 3 5 ∞ 对于n个节点的旅行商问题，n个节点的任意一个圆排列都是问题的一个可能解。n个节点的圆排列有(n-1)!个，因此问题归结为在(n-1)!个回路中选取最小回路。 是否能够不用O((n-1)!)时间来求解旅行商问题？ * 计算机算法设计与分析 * 旅行商问题的贪心算法 基本思想：首先设置一个集合Path和当前节点v，然后不断地用贪心选择来扩充这个集合，直至Path包含所有V中顶点。 贪心选择：如果V–Path中的顶点j是与当前节点v相邻接的顶点中边权最小的，于是就选择j(将j加入Path)，并将j作为新的当前节点 。 初始化：Path中仅含有源v。 * 计算机算法设计与分析 * 最临近算法中的数据结构 图用连接矩阵W[i][j]给出，即W[i][j]为结点i到结点j的权重。 Path[]记录依次连接的城市，p记录当前到达的最后一个顶点，cost为当前路径长度。 如果节点k已经到达，则arrived[k]=true。 * 计算机算法设计与分析 * 旅行商问题的