数据结构_最小生成树与拓扑排序_C.pptVIP

第7章 图 7.1 图的定义和术语 7.2 图的存储结构 7.3 图的遍历 7.4 图的连通性问题 7.5 有向无环图及其应用 7.6 最短路径;;7.4 图的连通性问题;例：图及其生成树; 对于带权的连通图(连通网)G，其生成树也是带权的，将权最小的生成树称为最小生成树。 连通网最小生成树的意义？ 如何构造最小生成树？; 对于带权的连通图(连通网)G，其生成树也是带权的，将权最小的生成树称为最小生成树。 连通网最小生成树的意义？ 如何构造最小生成树？;最小生成树的MST性质： 假设 N =（V,{E}）是一个连通网，U是顶点集 V 的一个非空子集。若（u,v）是一条具有最小权值（代价）的边，其中 u ∈U，v∈V-U，则必存在一棵包含边（u,v）的最小生成树。;7.4 图的连通性问题;3.普里姆（Prim）算法 基本思想： (1)假设 G=(V,{E}) 是一个具有 n 个顶点的连通网络，T=(U，{TE})是 G 的最小生成树，其中 U 是 T 的顶点集，TE 是 T 的边集，U 和 TE 的初值均为空； (2)从 V 中任取一个顶点（假定为 V1），将此顶点并入 U中，此时最小生成树顶点集 U={V1}；;(3)从那些其中一个端点已在 U 中，另一端点仍在 U 外的所有边中，找一条最短（即权值最小）的边，设该边为(Vi,Vj)，其中 Vi∈U，Vj∈V-U，并把该边和顶点 Vj分别并入 T 的边集 TE 和顶点集 U； (4)如此进行下去，每次往生成树里并入一个顶点和一条边，直到 n-1 次后，把所有 n 个顶点都并入生成树 T 的顶点集 U 中，此时 U=V，TE中包含有（n-1）条边；这样，T 就是最后得到的最小生成树。; 实现该算法需附设一个辅助数组closedge，以记录从 U 到 V-U 具有最小代价的边。对每个顶点 vi∈V-U，在辅助数组中存在一个相应分量closedge[i-1](下标从0开始)，它包括两个域。其中：lowcost存储该边上的权。显然， closedge[i-1].lowcost =Min{cost(u，vi)|u∈U} 即vi到已生成子树的最短距离等于到U中所有顶点中的最小边的权值。 ???? vex域存储该边依附的在U中的顶点。;例：求下图最小生成树。假设开始顶点就选为顶点1， 故有U={1}，V-U={2，3，4，5，6};3;基于邻接矩阵的普里姆算法 struct { VertaxType adjvex; //顶点编号 VRType lowcost; // =Min{cost(u,vi|u∈U)} } closedge[MAX_VERTEX_NUM]; Void MiniSpanTree_PRIM(MGraph G, VertexType u) { k = LocateVex ( G, u ); // 顶点u为构造生成树的起始点,返回顶点u在图中的位置 for ( j=0; jG.vexnum; ++j ) // 辅助数组初始化 if (j!=k) closedge[j]= { u, G.arcs[k][j].adj }; closedge[k].lowcost = 0; // 初始，U＝{u}; for (i=1; iG.vexnum; ++i) { //在其余顶点中选择 k = minimum(closedge); // 求出T的下一结点(k) printf(closedge[k].adjvex, G.vexs[k]); //输出生成树的边 closedge[k].lowcost = 0; // 第k顶点并入U集 for (j=0; jG.vexnum; ++j) if (G.arcs[k][j].adj closedge[j].lowcost) // 新顶点并入U后重新选择最小边 closedge[j]={G.vexs[k],G.arcs[k][j].adj}; } // for } // MiniSpanTree_PRIM;4.克鲁斯卡尔（Kruskal）算法;4.克鲁斯卡尔（Kruskal）算法;例：对下图中无向网，用克鲁斯卡尔算法求最小生成树的过程。 ;一般来讲： 普里姆算法的时间复杂度为 O(n2)，适于稠密图； 克鲁斯卡尔算法需对 e 条边按权值进行排序，其时间复杂度为 O(eloge)，适于稀疏图。;第7