数据结构与算法 图的遍历上与连通性.pptVIP

艾兹格 · W · 迪杰斯特拉 Edsger Wybe Dijkstra，生于1930 年 5 月 11 日，卒于 2002 年 8 月 6 日，荷兰人。 计算机科学家，毕业并就职于荷兰 Leiden 大学，早年钻研物理及数学，而后转为计算科学。曾在 1972 年获得过素有计算机科学界的诺贝尔奖之称的图灵奖。 * 5 0 4 6 1 3 2 28 10 25 14 24 22 16 18 12 H = {(1,6,14), (3,6,18), (4,6,24), (0,1,28)} ed = (1, 6, 14) Vmst = {t, t, t, t, t, t, f} Vmst = {t, t, t, t, t, t, t} 最小生成树中边集合里存入的各条边为： (0, 5, 10), (5, 4, 25), (4, 3, 22), (3, 2, 12), (2, 1, 16), (1, 6, 14) * Prim算法适用于边稠密的网络。 Kruskal算法不仅适合于边稠密的情形，也适合于边稀疏的情形。 注意：当各边有相同权值时，由于选择的随意性，产生的生成树可能不唯一。 * 最短路径 (Shortest Path) 最短路径问题：在图中，从某一顶点（称为源点）到另一顶点（称为终点）的路径可能不止一条，如何找到一条路径使得沿此路径上各边上的权值总和达到最小。 问题解法 边上权值非负情形的单源最短路径问题 — Dijkstra算法 ? (仅讲此算法) 边上权值为任意值的单源最短路径问题 — Bellman和Ford算法 ? (不讲) 所有顶点之间的最短路径 — Floyd算法 ? (不讲) * 边上权值非负情形的单源最短路径问题 问题的提法：给定一个带权有向图 D 与源点 v，求从 v 到 D 中其他顶点的最短路径。限定各边上的权值大于或等于 0。 为求得这些最短路径, Dijkstra 提出按路径长度的递增次序, 逐步产生最短路径的算法。首先求出长度最短的一条最短路径，再参照它求出长度次短的一条最短路径，依次类推，直到从顶点 v 到其它各顶点的最短路径全部求出为止。 * Dijkstra逐步求解的过程 源点 终点 最短路径 路径长度 v0 v1 v2 v3 v4 1 0 4 3 2 10 100 30 50 20 60 10 (v0,v1) — (v0,v3) (v0,v4) 10 ? 30 100 ,60 ,90 (v0,v1,v2) (v0,v3,v4) (v0,v3,v2) ,50 ,60 (v0,v3,v2 ,v4) * 引入辅助数组dist。它的每一个分量dist[i]表示当前找到的从源点 v0 到终点 vi 的最短路径的长度。初始状态： 若从v0到顶点vi有边, 则dist[i]为该边的权值； 若从v0到顶点vi无边, 则dist[i]为? 。 假设S是已求得的最短路径的终点的集合，则可证明：下一条最短路径必然是从v0 出发，中间只经过 S 中的顶点便可到达的那些顶点vx (vx ? V-S )的路径中的一条。 每次求得一条最短路径后, 其终点vk 加入集合S，然后对所有的vi ?V-S，修改其 dist[i]值。 * Dijkstra算法可描述如下： ① 初始化： S?{v0}; dist[j]?Edge[0][j], j = 1, 2, …, n-1; // n为图中顶点个数 ② 求出最短路径的长度： dist[k]?min { dist[i] }, i?V-S ; S?S∪{k}; ③ 修改： dist[i]?min{dist[i], dist[k]+Edge[k][i]}, 对于每一个 i?V-S ; ④ 判断：若 S = V, 则算法结束，否则转②。 * 计算从单个顶点到其他各顶点最短路径的算法 void ShortestPath (GraphT, E G, T v, E dist[ ], int path[ ]) { // Graph是一个带权有向图。dist[j], 0≤jn, 是当前 // 求到的从顶点v到顶点j的最短路径长度, path[j], // 0≤jn, 存放求到的最短路径。 int n = G.