第3章贪心算法技术方案.pptVIP

* 2、Prim（普里姆）算法 例如，对于右图中的带权图，按Prim算法选取边的过程如图所示。 * 2、Prim（普里姆）算法 PrimMST(G，T，r) //求图G的以r为根的MST，结果放在T中 { T=φ；U={1}; ??? while(U!=V) //O(V) { (i,j)=i∈U，j∈V-U，且c[i][j]最小的边//O(V)????T=T∪ (i，j) //轻边 (i，j) 加入T ???? U=U ∪ {j}; // 节点j 加入U，变为红点 ?? }? } /course_ware/data_structure/web/flashhtml/prim.htm * 2、Prim（普里姆）算法 若候选轻边集中的轻边不止一条，可任选其中的一条扩充到T中。 若一个蓝点与多个红点有边相接，选权最小的边做紫边。 连通网的最小生成树不一定是惟一的，但它们的权相等。 用这个办法实现的Prim算法所需的计算时间为O(V2)，与图中边数无关，该算法适合于稠密图。  * 2、Prim（普里姆）算法 如何有效地找出满足条件i∈U, j∈V-U，且权c[i][j]最小的边(i,j)？ 较简单的办法是设置2个数组closest和lowcost。 在Prim算法执行过程中，先找出V-U中使lowcost值最小的顶点j，然后根据数组closest选取边(j,closest[j］)，将j添加到U中，并对closest和lowcost作必要的修改。 * 3、Kruskal（克鲁斯卡尔）算法 Kruskal算法构造最小生成树的基本思想： (1)新建图G，G中拥有原图中相同的节点，但没有边 (2)将原图中所有的边按权值从小到大排序 (3）从权值最小的边开始，如果这条边连接的两个节点于图G中不在同一个连通分量中，则添加这条边到图G中 (4)重复(3)，直至图G中所有的节点都在同一个连通分量中 * 3、Kruskal（克鲁斯卡尔）算法 例如，对前面的连通带权图，按Kruskal算法顺序得到的最小生成树上的边如图所示。 * 3、Kruskal（克鲁斯卡尔）算法 （1）算法思想　　①T的初始状态???　?? 只有n个顶点而无边的森林T=(V，￠ )　　②按边长递增的顺序选择E中的n-1安全边(u，v)并加入T，生成MST 注意：??? 　安全边指两个端点分别是森林T里两棵树中的顶点的边。加入安全边，可将森林中的两棵树连接成一棵更大的树??? 　因为每一次添加到T中的边均是当前权值最小的安全边，MST性质也能保证最终的T是一棵最小生成树 * 3、Kruskal（克鲁斯卡尔）算法 MST-Kruskal (G) //求连通网G的一棵MST {T=(V，￠)； //初始化，T是只含n个顶点不包含边的森林 //依权值递增序对E(G)中的边排序，并设结果在E[0..e-1]中 O(Elog(E)sort the edges of E by non-decreasing weight w ?for(i=0;ie;i++) //e为图中边总数，O(E) {???取第i条边（u,v） if u和v分别属于T中两棵不同的树 ?????? T=T∪{(u，v)}；//(u，v)是安全边，将其加入T中????} ??return T； } * 说明 有关说明： 该算法的时间复杂度为O(ElogE)。 Kruskal算法的时间主要取决于边数。它较适合于稀疏图。 * 3.7 多机调度问题 设有 n 个独立的作业 { 1 , 2 , .. , n }，由 m 台相同的机器进行加工处理。作业 i 所需的处理时间为 ti。 约定： 任何作业可以在任何一台机器上加工处理，但未完工前不允许中断处理。 任何作业不能拆分成更小的作业。 多机调度问题要求给出一种作业调度方案，使所给的 n 个作业在尽可能短的时间内由 m 台机器加工处理完成。 * 3.7 多机调度问题 这个问题是NP完全问题(Non-deterministic Polynomial Complete Problem) ，也即是多项式复杂程度的非确定性问题 ，到目前为止还没有有效的解法。 对于这一类问题,用贪心选择策略有时可以设计出较好的近似算法。 非确定性问题:无法按部就班直接地计算出来。 找大质数的问题。没有一个公式，一套公式，就可以一步步推算出来，下一个质数应该是多少呢？ 大的合数分解质因数的问题，有没有一个公式，把合数代进去，就直接可以算出，它的因子各自是多少？也没有这样的公式。 * 3.7 多机调度问题 采用最长处理时间作业优先的贪心选择策略可以设计出解多机调度问题的较好的近似算法。 按此策略，当n≤m