厦门理工3算法设计与(第三章)讲述.ppt

计算计算法设计与分析 第三章贪心算法 最小生成树 设G = (V, E)是无向连通带权图，即一个网络。E的每条边(v, w)的权为c[v][w]。 树的基本性质 连通无回路的图G称为树。 树是点比边多一且连通， q=p–1且连通 。 树是点比边多一且无回路： q=p–1且无回路。 树若添条边就有回路：G无回路，若u, v?G且uv ? E(G)，则G+uv中恰有一条回路。 树若减条边就不连通：G连通，对?e∈E(G), G–e不连通。 n个顶点的连通图的生成树含有n – 1条边。 求最小生成树的思路 一个很直观的简单想法：依次选出依据图G的权重较轻的n – 1条边。这样得到的n – 1条边的权重之和肯定是最小的。但是这样是否就得到了G的一棵最小生成树呢？ 求最小生成树的两种策略 策略一：在保证连通的前提下依次选出权重较小的n – 1条边(在实现中体现为n个顶点的选择)。 策略二： 在保证无回路的前提下依次选择权重较小的n – 1条边。 Prim算法 基本思想：设G=(V, E)为无向连通带权图，令V={1, …, n}。在保证连通的前提下依次选出权重较小的n – 1条边。 设置一个集合S ，初始化S = {1}，T = ?。 如果V–S中的顶点j与S中的某点i连接且(i, j)是E-T中的权重最小的边，于是就选择j(将j加入S)，并将(i, j) 加入T中 。 重复执行贪心策略，直至V–S为空。 Prim算法中的数据结构 图用连接矩阵C[i][j]给出，即C[i][j]为结点i到结点j的权重。 为了有效地找出V–S中满足与S中的某个点i连接且(i, j) 权重最小的顶点j，对其中每个顶点j设立两个数组closest[j]和lowcost[j]： closest[j]是s中与j最近的顶点，(closest[j], j)即为选中的边，而lowcost[j]是相应这条边的权重。 Prim算法的实现 Prim(int n, Type **c) { Prim算法的实现 Prim(int n, Type **c) { Prim算法的实现 Prim(int n, Type **c) { Prim算法的实现 Prim(int n, Type **c) { Prim算法的实现 Prim(int n, Type **c) { Prim算法的示例 给定一个连通带权图如下： Prim算法的示例 给定一个连通带权图如下： Prim算法的示例 给定一个连通带权图如下： Prim算法的示例 给定一个连通带权图如下： Prim算法的示例 给定一个连通带权图如下： Kruskal算法 基本思想：在保证无回路的前提下依次选出权重较小的n – 1条边。 具体做法：若(i, j)是E中尚未被选的边中权重最小的，且(i, j)不会与已经选择的边构成回路，于是就选择 (i, j)。 Kruskal算法 基本思想：在保证无回路的前提下依次选出权重较小的n – 1条边。 具体做法：若(i, j)是E中尚未被选的边中权重最小的，且(i, j)不会与已经选择的边构成回路，于是就选择 (i, j)。 Kruskal算法的数据结构 数组e[][]表示图的边，e[i][u]、e[i][v]和e[i][w]分别表示边i的两个端点及其权重。 函数Sort(e, w)对数组e按权重w排序。 一个连通分支中的顶点表示为一个集合。 函数Initialize(n)将每个顶点作为一个集合。 函数Find(u)给出顶点u所在的集合。 函数Union(a, b)给出集合a和集合b的并集。 重载算符!=判断集合的不相等。 Kruskal算法的实现 Kruskal(int n, **e) { Sort(e, w); initialize(n); k = 1; j = 1; while (k n) {a = Find(e[j][u]); b = Find(e[j][v]); if (a != b) {t[k++] = j; Union(a, b)} j++ }} Kruskal算法的例子 Kruskal算法的例子 Kruskal算法的例子 Kruskal算法的例子 Kruskal算法的例子 Kruskal算法的例子 Kruskal算法的例子 Kruskal算法的例子 Prim与Kruskal两算法的复杂性 Prim算法为两重循环，外层循环为n次，内层循环为O(n)，其复杂性为O(n2)。 Kruskal算法中，设边数为e，则边排序的时间为O(eloge)，确定边的时间为O(e)，所以整个时间复杂性为O(eloge)。 边数e和顶点数n最多为：e=n(n – 1)/2。 若边多点少，Prim算法较好； 若边少点多，Kruskal算法较好。 贪心