数据结构图幻灯片.pptVIP

* * * * * * * 2005 * 2005 第 * 页 7.4 图的最小生成树 void MiniSpanTree_P ( MGraph G, VertexType u ) { //用普里姆算法从顶点u出发构造网G的最小生成树 k = LocateVex ( G, u ); for ( j=0; jG.vexnum; ++j ) // 辅助数组初始化 if ( j!=k ) closedge[ j ] = { u, G.arcs[ k ][ j ].adj }; // 从u点开始初始化 { adjvex,lowcost } closedge[k].lowcost = 0; // 初始，U＝{u} for (i=0; iG.vexnum; ++i) { 继续向生成树上添加顶点; } } //MiniSpanTree 第 * 页 7.4 图的最小生成树 k = minimum(closedge); // 求出加入生成树的下一个顶点(k) printf ( closedge[k].adjvex, G.vexs[k] ); // 输出生成树上一条边 closedge[k].lowcost = 0; // 第k顶点并入U集 for ( j=0; jG.vexnum; ++j ) // 修改其它顶点的最小边 if ( G.arcs[k][j].adj closedge[j].lowcost ) closedge[ j ] = { G.vexs[k], G.arcs[k][j].adj }; 第 * 页 7.4 图的最小生成树 克鲁斯卡尔(Kruskal)算法 考虑问题的出发点：为使生成树上边的权值之和达到最小，则应使生成树中每一条边的权值尽可能地小。 具体做法：先构造一个只含 n 个顶点的子图SG，然后从权值最小的边开始，若它的添加不使SG中产生回路，则在SG 上加上这条边，如此重复，直至加上n-1条边为止。 第 * 页 7.4 图的最小生成树 克鲁斯卡尔(Kruskal)算法 设连通网 N = ( V, {E} )。 令最小生成树初始状态为只有 n 个顶点而无边的非连通图 T = (V, {?})，每个顶点自成一个连通分量。 在E中选取代价最小的边，若该边依附的顶点落在 T 中不同的连通分量上，则将此边加入到 T中；否则，舍去此边，选取下一条代价最小的边。 依此类推，直至T中所有顶点都在同一连通分量上为止。 第 * 页 7.4 图的最小生成树 克鲁斯卡尔(Kruskal)算法 V3 V1 V4 V6 V5 V2 3 6 5 2 1 6 5 5 4 6 1 6 5 4 3 2 1 2 3 4 5 第 * 页 7.4 图的最小生成树 构造非连通图 ST=( V,{ } ); k = i = 0; // k 计选中的边数 while (kn-1) { ++i; 检查边集 E 中第 i 条权值最小的边(u,v); 若(u,v)加入ST后不使ST中产生回路， 则 输出边(u,v); 且 k++; } 第 * 页 7.4 图的最小生成树 克鲁斯卡尔(Kruskal)算法 V3 V1 V4 V6 V5 V2 3 6 5 2 1 6 5 5 4 6 1 6 5 4 3 2 1 2 3 4 5 data jihe 1 2 4 5 3 6 1 2 4 5 3 6 1 2 4 5 3 6 vexh weight 1 1 2 2 1 3 2 3 3 5 4 4 vext flag 6 1 5 3 5 5 0 0 0 0 0 0 0 1 3 4 2 5 6 7 8 9 3 3 4 5 5 6 6 6 6 4 2 6 0 0 0 0 1 1 1 1 1 4 2 1 1 1 2 2 2 2 2 采用边集数组的形式保存图： 第 * 页 7.4 图的最小生成树 两种算法比较 普里姆算法 克鲁斯卡尔算法 时间复杂度 O(n2) O(eloge) 稠密图 稀疏图 算法名 适应范围 第 * 页 思考题答案 用邻接矩阵表示图时，矩阵元素的个数与顶点个数是否相关？与边的条数是否相关？ 【解答】用邻接矩阵表示图，矩阵元素的个数是顶点个数的平方，与边的条数无关。矩阵中非零元素的个数与边的条数有关。 第 * 页 思考题答案 有n个顶点的无向连通图至少有多少条边？有n个顶点的有向强连通图至少有多少条边？ 【解答】n个顶点的无向连通图至少有n-1条边，n个顶点的有向强连通图至少有n条边。