[2018年最新整理]74图的连通性问题.pptVIP

7.4 图的连通性问题 在修建道路（或者铺设线路、管道）的时候，常常考虑的是如何既能够达到连通各个地点又能够使得所耗费的资源最少的问题。最好的办法就是把这些现实的问题抽象成图，比如把城市抽象成顶点（假设有n个），把城市之间的可能存在的道路抽象成边，从该图中寻找n-1条边，使得这n-1条边不仅能把这n个顶点连成一个连通图，并且他们所代表的路程之和最短。这样的连通图，形态上就是一棵树。求解这种耗费最少的问题，就转化成为求相应图的最小生成树(Minimum Cost Spanning Tree)的问题。 Prim算法和Kruskal算法都是基于下述性质： 如果（u，v）是图中权值最小的边，则最小生成树中必包含此边。 一、Prim算法 1、算法的动态演示过程 2、算法实现 从前面的演示过程可以看出来，问题集中在如何有效地找到距离当前生成树最近的顶点。 我们把Prim算法的具体实现过程演示一遍，大家可以从中观察出，Prim算法是怎样实现这一点的。 用一个数组L来存储各个顶点到当前最小生成树的最短距离。 初始化数组L： 初始化数组L： 初始化数组L： 开始生成最小生成树： 4. 算法分析 分析Prim算法伪代码(参看教材P175)，该算法由两个并列的循环组成，第一个循环次数为vex_num(即顶点的个数n)；第二个循环，外层循环的次数为n-1，内层的循环次数为n。所以总体来说，Prim的时间复杂度为O（n2），并且该算法与图中边数的多少无关，所以该算法适合于求边稠密的图的最小生成树。 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 二、Kruskal算法 1、算法演示 从演示过程可以看出，问题集中在如何判断在当前最小生成树中加入一条边后是否形成环？ 一个效率比较低的方法是，初始时为每个顶点设立一个类标号，表示该顶点属于标号所示的连通分量。 2.算法分析 Kruscal算法至多对e条边各扫描一次，假若以后面章节将介绍的堆来存放网中的边，则每次选择最小代价的边仅需O(loge)的时间，整个Kruscal算法时间复杂度可以达到O(eloge)。因此，该算法适合求边稀疏的图的最小生成树。 1 5 4 5 2 3 5 6 6 6 a b d c e f (e,f,6) (c,e,6) (a,b,6) (c,d,5) (b,c,5) (a,d,5) (c,f,4) (b,e,3) (d,f,2) (a,c,1) 6 f 5 e 4 d 3 c 2 b 1 a 标号 顶点 取第一条边（a,c,1）,对顶点a和顶点c的类标号进行比较，发现不等；则二者属于两个不同的连同分量，用边连起来也不会形成环。 在ac间加上一条边，则连通分量1和连通分量3变成了同一个连通分量，则它们的标号应该相同。所以，我们必须把所有的3变成1。 1 5 4 5 2 3 5 6 6 6 a b d c e f (e,f,6) (c,e,6) (a,b,6) (c,d,5) (b,c,5) (a,d,5) (c,f,4) (b,e,3) (d,f,2) 6 f 5 e 4 d 1 c 2 b 1 a 标号 顶点 1 5 4 5 2 3 5 6 6 6 a b d c e f (e,f,6) (c,e,6) (a,b,6) (c,d,5) (b,c,5) (a,d,5) (c,f,4) (b,e,3) (d,f,2) 6 f 5 e 4 d 1 c 2 b 1 a 标号 顶点 取边（d,f,2）,对顶点d和顶点f的类标号进行比较，发现不等；则二者属于两个不同的连同分量，用边连起来也不会形成环。 在df间加上一条边，则连通分量4和连通分量6变成了同一个连通分量，则它们的标号应该相同。所以，我们必须把所有的6变成4。 1 5 4 5 2 3 5 6 6 6 a b d c e f (e,f,6) (c,e,6) (a,b,6) (c,d,5) (b,c,5) (a,d,5) (c,f,4) (b,e,3) (d,f,2) 4 f 5 e 4 d 1 c 2 b 1 a 标号 顶点 1 5 4 5 2 3 5 6 6 6 a b d c e f (e,f,6)