数据结构第5章图讲解.ppt

Dijkstra算法程序实现（续2） while(true){ v=SmallestUnknownDistIndex(table, g.GetNumVertices()); if(v==-1) break; table[v].known=true; for(w=g.GetFirstAdjVex(v); w!=-1; w=g.GetNextAdjVex(v,w)){ if(!table[w].known){ g.GetEdge(v, w, edge); if(table[v].dist+edge-weighttable[w].dist){ table[w].dist=table[v].dist+edge-weight; table[w].preVertex=v; } } } } return table; } 5.6.2每对顶点间的最短路径 对于n个顶点的图，求每一对顶点间的最短路径，方法有二： 按Dijkstra算法，求每个顶点到其他各顶点间的最短路径，每次以一个顶点为源点，重复执行Dijkstra算法。总时间复杂度是O(n3)； 弗洛伊德（Floyd）提出来的，时间复杂度也是O(n3)，但形式上简单。 弗洛伊德算法 基本思想：从 vi 到 vj 的所有可能存在的路径中，选出一条长度最短的路径。 若vi,vj存在，则存在路径{vi,vj} // 路径中不含其它顶点 若vi,v1,v1,vj存在，则存在路径{vi,v1,vj} // 路径中所含顶点序号不大于1 若{vi,…,v2}, {v2,…,vj}存在，则存在一条路径{vi, …, v2, …vj} // 路径中所含顶点序号不大于2 … 依次类推，则 vi 至 vj 的最短路径应是上述这些路径中，路径长度最小者。 弗洛伊德算法 假设Ak(i, j)表示顶点i到j的中间顶点序号不大于k的最短路径长度（k=1，2，?，n），那么对它做n次迭代，第n次迭代后，An(i, j)即为i到j的最短路径值，因为它中间的顶点不受限制，即允许为1～n。算法递推的产生个矩阵序列（逻辑上）：A1, A2,?, An 其始基是A0=g（即图的邻接矩阵）。 设图顶点是从1起编的连续自然数，每条弧i, j都有一个非负的权值cost(i, j)，弧i, j不存在时，cost(i, j)=∞；对任意不同的顶点i和j，定义Ak(i, j)为顶点i到j的中间顶点序号不大于k的最短路径长度，那么 A0(i, j)= cost(i, j) Ak(i, j)=Min{ Ak-1(i, j), Ak-1(i, k)+ Ak-1(k, j)} （k≥1） 本章小结 1. 熟悉图的各种存储结构及其构造算法，了解实际问题的求解效率与采用何种存储结构和算法有密切联系。 2. 熟练掌握图的两种搜索路径的遍历：遍历的逻辑定义、深度优先搜索和广度优先搜索的算法。 在学习中应注意图的遍历算法与树的遍历算法之间的类似和差异。 3. 应用图的遍历算法求解各种简单路径问题。 4. 理解教科书中讨论的各种图的算法。 Thank You! * * * * * * * Prim算法程序实现（续3） for(i=1; ig.GetNumVertices(); i++){ k=Minimum(lowcost, g.GetNumVertices()); g.GetVertex(k,vex); coutU[k] -- vex : lowcost[k]endl; lowcost[k]=0; for(j=0; jg.GetNumVertices(); j++){ if(g.GetEdge(k, j, edge) edge-weightlowcost[j]){ lowcost[j]=edge-weight; g.GetVertex(k, U[j]); } } } delete[] lowcost; delete[] U; } a b c d e g f 19