图的扩扑排序关键路径和生成树.ppt

* Kruskal’s MST Algorithm(3) void Kruskel(Graph* G){//Kruskals MST algorithm Gentree A(G-n()); // Equivalence class array KruskElem E[G-e()]; // Array of edges for min-heap int i; int edgecnt = 0; for (i=0; iG-n(); i++) // Put the edges on the array for (int w=G-first(i); wG-n(); w = G-next(i,w)) { E[edgecnt].distance = G-weight(i, w); E[edgecnt].from = i; E[edgecnt++].to = w; }//所有边得权值入数组，变最小值堆 // Heapify the edges minheapKruskElem, KKComp H(E, edgecnt, edgecnt); int numMST = G-n(); // Initially n equiv classes for (i=0; numMST1; i++) { // Combine equiv classes KruskElem temp; H.removemin(temp); // Get next cheapest edge int v = temp.from; int u = temp.to; if (A.differ(v, u)) {//If in different equiv classes A.UNION(v, u); // Combine equiv classes AddEdgetoMST(temp.from, temp.to);//Add edge to MST numMST--; // One less MST } }} * Kruskal’s MST Algorithm (4) Cost is dominated by the time to remove edges from the heap. Can stop processing edges once all vertices are in the same MST Total cost: Q(|V| + |E| log |E|). * 普里姆算法 克鲁斯卡尔算法 时间复杂度 O(n2) O(e*loge) 稠密图 稀疏图 算法名 适应范围 顶点开始 边开始 * 要点回顾 熟悉图的各种存储结构及其构造算法，了解实际问题的求解效率与采用何种存储结构和算法有密切联系。 熟练掌握图的两种搜索路径的遍历：遍历的逻辑定义、深度优先搜索和广度优先搜索的算法。 应用图的遍历算法求解各种简单路径问题。 理解教科书中讨论的各种图的算法。 * 课堂练习 请下课时，提交你的练习结果给我，谢谢。 并请写好你的学号和姓名。 邻接矩阵 邻接表 深度优先遍历 广度优先遍历 拓扑排序 关键路径 A到其它节点的最短路径 所有节点对之间的最短路径 * 课堂练习 请下课时，提交你的练习结果给我，谢谢。 并请写好你的学号和姓名。 Prim求MST，从A开始 Kruskal求MST * * 图的周游可用于解决先决条件问题。假设我们要安排一系列任务，如轮班或分工，而只有在某个任务的先决条件具备时才能着手执行这个任务。我们希望以某种线性顺序组织这些任务，以便在满足先决条件的情况下逐个完成各项任务。 * Prints in reverse order. * 画队列情况 * 我们也可以使用队列代替递归来实现拓扑排序。做法如下: 首先访问所有的边，计算指向每个顶点的边的数目(即计算每个顶点的先决条件个数)，将所有无先决条件的顶点放入队列，然后开始处理队列。从队列中删除一个顶点并打印，同时将其所有相邻顶点的先决条件计数减1。当某个相邻顶点的计数为0时，就将其插入队列。如果在所有顶点都被打印前队列已为空，则图中必包含回路(即不可能不违反任何先决条件为这些任务安排一个合理顺序)。 * 拓扑序列可通过对图进行深度优先搜索来寻找, 某个顶点被访问时，不进行任何处理(即PreVisit()函数什么也不做); 当递归返回到此顶点时，PostVisit()函数打印这个顶点。这就产生一个逆序的拓扑序列。序列从哪个顶点开始并不重要，因为所有顶点最终都被访问到 －－－ 使用此算法从J1开始