chap8 树.ppt

* 离散数学 * Kruskal 算法应用举例 9 5 1 4 8 7 6 2 3 6 G H 9 4 5 7 2 10 12 3 11 3 6 10 8 e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 将边按权值排序后： {e2, e9, e7, e8, e3, e6, e10, e5, e4, e1} i ET={} {e2} i {e2, e9} i {e2, e9 , e7} i i i {e2, e9 , e7 , e6} i i {e2, e9 , e7 , e6 , e5} i 已经达到5(6-1)条边，算法结束。 * 离散数学 * 定理8.3.1 对赋权图G(p,q) , 用Kruskal算法得到的G的子图T*必是最优树。 证明：显然T*是G的生成树。设E(T*)={e1,e2,…,ep-1}, T(G)={T|T是G的生成树且T≠T*}。 令：f: T(G) →{1,2…,n} ,f(T)=min{i|ei∈E(T*)- E(T)}。假设T*不是最优树，令T是使f(T)取最大值的最优树(w(T)w(T*))， 设f(T)=k,于是e1,e2,…,ek-1∈E(T*)∩E(T)，显然 ek∈ E(T*)但ek ?E(T)。 Kruskal算法的正确性 * 离散数学 * 由定理8.1.2(4)知，T+ek有唯一回路C。在C中取一条边ek’∈E(T)-E(T*)，作T’=(T+ ek)-ek’，则 T’是p-1条边的连通图，从而T’是G的生成树，且有：w(T’)=w(T)+w(ek)-w(ek’)，由Kruskal算法知： w(ek)≤w(ek’)，从而w(T’) ≤ w(T)，即T’也是最优树，但f(T’)k，此与T的选取矛盾，故T*是最优树。 Kruskal算法的正确性 边ek’是存在的，若不然，即回路C的边全是{e1,…,ek-1,ek}?E(T*)中的边，此与T*是树矛盾。 * 离散数学 * e1 e2 e3 e4 e1 e2 e3 e5 T* T e5 e6 e4 e6 e7 e7 Kruskal算法的正确性证明示意图 ek= ek’= * 离散数学 * Kruskal算法的正确性（1） 定理8.3.1 对赋权图G(p,q) , 用Kruskal算法得到的G的子图T*必是最优树。 证明：假设T*不是最优树，令k是G的最优树与T*有共同边的数目中的最大值。 令T为最优树与T*有k条共同边的最优树。 T≠T* ? ? ek+1 : ek+1? E(T)且ek+1∈E(T*) 。由定理8.1.2(4)知，T+ ek+1中含唯一的回路C，C至少有条边ek’不在T*中。做T’= (T+ek)– ek’ , 于是T’是有p–1条边的连通图。T’是G的生成树。显然，w(T’)=w(T)+w(ek+1) –w(ek’)。由算法知，w(ek+1) ? w(ek’) 。这说明T’也是G的最优树。但T’与T*有k+1条共同边。矛盾。故T*是最优树。 * 离散数学 离散数学 第八章 树 * 离散数学 * §8.1 树的定义 定义8.1.1： 连通无回路的图称为树。 让我们来看一下《数据结构》中的树的定义： 一棵树是一个或多个顶点的有限集合T，使得，⑴有一个特殊标识的顶点，称为根； ⑵除根以外的其余顶点形成n≥0个划分，T1 ，T2 ，… ，Tn，它们也都是树，称为根的子树。 这里的树的定义更为一般。《数据结构》中树的定义与此定义的区别只是指定了一个特殊的顶点 ——根，并由此使得顶点之间形成了层次结构，而它同样也是一个无回路的连通图。 * 离散数学 * 树的举例 b c d e a 树G： 取a为根： a b c d e 取b为根： b a d c e 取d为根： d b e a c 取e为根： e d b a c 显然它们是同构的。 数据结构中的树指定了一个特殊的顶点为根。 * 离散数学 * 树的应用举例 树的用途极其广泛，比如计算机网络中的最短通路、二叉树排序，各种层次结构的表示、等等。可以说，在计算机领域中几乎处处可以见到她的婆娑身影。 例如：右图就是用树表示的算术表达式： (a+b)* c – d /c a b + c * d e / – * 离散数学 * 树中只有单通路 定理 8.1.1 树T中任何两个顶点之间恰有一条通路。 证明: (存在性)因为树是连通图，所以任意两点之间有通路。 (唯一性)设u,v∈V(T),若u和v之间有两条不同的(u,v)?通路P1,P2，于是必有边xy,xy∈E(P1),但xy?E(P2),显然H=P1∪P2-xy是连通图，从而H中存在(x,y