【高阶数据结构】图的应用--最小生成树

2024-09-02 00:04

本文主要是介绍【高阶数据结构】图的应用--最小生成树,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、最小生成树

连通图中的每一棵生成树,都是原图的一个极大无环子图,即:从其中删去任何一条边,生成树就不在连通;反之,在其中引入任何一条新边,都会形成一条回路。

若连通图由n个顶点组成,则其生成树必含n个顶点和n-1条边。因此构造最小生成树的准则有三条:

1.只能使用图中的边来构造最小生成树

2.只能使用恰好n-1条边来连接图中的n个顶点

3.选用的n-1条边不能构成回路

构造最小生成树的方法:Kruskal算法和Prim算法。这两个算法都采用了逐步求解的贪心策略。

贪心算法:是指在问题求解时,总是做出当前看起来最好的选择。也就是说贪心算法做出的不是整体最优的的选择,而是某种意义上的局部最优解。贪心算法不是对所有的问题都能得到整体最优解。

二、Kruskal算法

任给一个有n个顶点的连通网络N={V,E},首先构造一个由这n个顶点组成、不含任何边的图G={V,NULL},其中每个顶点自成一个连通分量,其次不断从E中取出权值最小的一条边(若有多条任取其一),若该边的两个顶点来自不同的连通分量,则将此边加入到G中。如此重复,直到所有顶点在同一个连通分量上为止。

核心:每次迭代时,选出一条具有最小权值,且两端点不在同一连通分量上的边,加入生成树。

在这里插入图片描述

在图23-1上执行Kruskal算法的过程。加了阴影的边属于不断增长的森林A。该算法按照边的权重大小依次进行考虑。箭头指向的边是算法每一步所考察的边。如果该条边将两棵不同的树连接起来,它就被加入到森林里,从而完成对两棵树的合并

我们对使用领接矩阵实现的图来查找最小生成树

代码实现:

// 临接矩阵
namespace Matrix
{template <class V, class W, W MAX_W = INT_MAX, bool Direction = false>class Graph{typedef Graph<V, W, MAX_W, Direction> Self;private:std::vector<V> _vertexs;             // 顶点集合std::map<V, size_t> _vIndexMap;      // 顶点的下标映射关系std::vector<std::vector<W>> _matrix; // 存储边集合的矩阵struct Edge{size_t _srci;size_t _dsti;W _w;Edge(size_t srci, size_t dsti, const W &w): _srci(srci), _dsti(dsti), _w(w){}bool operator>(const Edge &e) const{return _w > e._w;}};W Kruskal(Self &minTree){size_t n = _vertexs.size();minTree._vertexs = _vertexs;minTree._vIndexMap = _vIndexMap;minTree._matrix.resize(n);for (int i = 0; i < n; i++){minTree._matrix[i].resize(n, MAX_W);}std::priority_queue<Edge, std::vector<Edge>, std::greater<Edge>> minqueue;for (size_t i = 0; i < n; i++){for (size_t j = 0; j < n; j++){if (i < j && _matrix[i][j] != MAX_W){minqueue.push({i, j, _matrix[i][j]});}}}// 选出n-1条边size_t size = 0;W totalW = W();UnionFindSet ufs(n);while (minqueue.size()){Edge min = minqueue.top();minqueue.pop();if (ufs.InSet(min._srci, min._dsti) == false){std::cout << _vertexs[min._srci] << "->" << _vertexs[min._dsti] << ":" << min._w << std::endl;minTree._AddEdge(min._srci, min._dsti, min._w);ufs.Union(min._srci, min._dsti);++size;totalW += min._w;}else{std::cout << "构成环:";std::cout << _vertexs[min._srci] << "->" << _vertexs[min._dsti] << ":" << min._w << std::endl;}}if (size == n - 1)return totalW;elsereturn W();}};
}

三、Prim算法

与Kruskal算法类似,Prim 算法也是23.1节所讨论的通用最小生成树算法的一个特例。Prim 算法的工作原理与Dijkstra的最短路径算法相似(该算法将在24.3节中讨论)。Prim算法所具有的一个性质是集合A中的边总是构成一裸树。如图23-5所示,这梯树从一个任意的根结点r开始,一直长大到覆盖V中的所有结点时为止。算法每一步在连接集合A和A之外的结点的所有边中,选择一条轻量级边加入到A中。根据推论23.2,这条规则所加人的边都是对A安全的边。因此,当算法终止时,A中的边形成一棵最小生成树。本策略也属于贪心策略,因为每一步所加人的边都必须是使树的总权重增加量最小的边。

在这里插入图片描述

代码实现:

// 临接矩阵
namespace Matrix
{template <class V, class W, W MAX_W = INT_MAX, bool Direction = false>class Graph{typedef Graph<V, W, MAX_W, Direction> Self;private:std::vector<V> _vertexs;             // 顶点集合std::map<V, size_t> _vIndexMap;      // 顶点的下标映射关系std::vector<std::vector<W>> _matrix; // 存储边集合的矩阵W Prim(Self &minTree, const V &v){minTree._vertexs = _vertexs;minTree._vIndexMap = _vIndexMap;int n = _vertexs.size();minTree._matrix.resize(n);for (int i = 0; i < n; i++){minTree._matrix[i].resize(n, MAX_W);}size_t srci = GetVertexIndex(v);// 标记数组,将顶点分为两个部分,一个是一个加入最小生成树的部分,一个是未加入的std::vector<bool> X(n, false);std::vector<bool> Y(n, true);X[srci] = true;Y[srci] = false;std::priority_queue<Edge, std::vector<Edge>, std::greater<Edge>> minq;for (size_t i = 0; i < n; i++){if (_matrix[srci][i] != MAX_W){minq.push({srci, i, _matrix[srci][i]});}}size_t size = 0;W totalW = W();while (minq.size()){Edge min = minq.top();minq.pop();size_t srci = min._srci;size_t dsti = min._dsti;if (X[min._dsti]){std::cout << "构成环:";std::cout << _vertexs[srci] << "->" << _vertexs[dsti] << ":" << _matrix[srci][dsti] << std::endl;}else{minTree._AddEdge(srci, dsti, _matrix[srci][dsti]);std::cout << _vertexs[srci] << "->" << _vertexs[dsti] << ":" << min._w << std::endl;X[dsti] = true;Y[dsti] = false;++size;totalW += _matrix[srci][dsti];if (size == n - 1)break;for (size_t i = 0; i < n; i++){if (_matrix[dsti][i] != MAX_W && Y[i]){minq.push({dsti, i, _matrix[dsti][i]});}}}}if (size == n - 1){return totalW;}elsereturn W();}};
}

测试代码:

void TestGraphMinTree()
{const char str[] = "abcdefghi";Graph<char, int> g(str, strlen(str));g.AddEdge('a', 'b', 4);g.AddEdge('a', 'h', 8);// g.AddEdge('a', 'h', 9);g.AddEdge('b', 'c', 8);g.AddEdge('b', 'h', 11);g.AddEdge('c', 'i', 2);g.AddEdge('c', 'f', 4);g.AddEdge('c', 'd', 7);g.AddEdge('d', 'f', 14);g.AddEdge('d', 'e', 9);g.AddEdge('e', 'f', 10);g.AddEdge('f', 'g', 2);g.AddEdge('g', 'h', 1);g.AddEdge('g', 'i', 6);g.AddEdge('h', 'i', 7);Graph<char, int> kminTree;std::cout << "Kruskal:" << g.Kruskal(kminTree) << std::endl;kminTree.Print();std::cout << std::endl<< std::endl;Graph<char, int> pminTree;std::cout << "Prim:" << g.Prim(pminTree, 'a') << std::endl;pminTree.Print();std::cout << std::endl;for (size_t i = 0; i < strlen(str); ++i){std::cout << "Prim:" << g.Prim(pminTree, str[i]) << std::endl;}
}

这篇关于【高阶数据结构】图的应用--最小生成树的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1128426

相关文章

Java中的Lambda表达式及其应用小结

《Java中的Lambda表达式及其应用小结》Java中的Lambda表达式是一项极具创新性的特性,它使得Java代码更加简洁和高效,尤其是在集合操作和并行处理方面,:本文主要介绍Java中的La... 目录前言1. 什么是Lambda表达式?2. Lambda表达式的基本语法例子1:最简单的Lambda表

Python结合PyWebView库打造跨平台桌面应用

《Python结合PyWebView库打造跨平台桌面应用》随着Web技术的发展,将HTML/CSS/JavaScript与Python结合构建桌面应用成为可能,本文将系统讲解如何使用PyWebView... 目录一、技术原理与优势分析1.1 架构原理1.2 核心优势二、开发环境搭建2.1 安装依赖2.2 验

Java字符串操作技巧之语法、示例与应用场景分析

《Java字符串操作技巧之语法、示例与应用场景分析》在Java算法题和日常开发中,字符串处理是必备的核心技能,本文全面梳理Java中字符串的常用操作语法,结合代码示例、应用场景和避坑指南,可快速掌握字... 目录引言1. 基础操作1.1 创建字符串1.2 获取长度1.3 访问字符2. 字符串处理2.1 子字

IDEA自动生成注释模板的配置教程

《IDEA自动生成注释模板的配置教程》本文介绍了如何在IntelliJIDEA中配置类和方法的注释模板,包括自动生成项目名称、包名、日期和时间等内容,以及如何定制参数和返回值的注释格式,需要的朋友可以... 目录项目场景配置方法类注释模板定义类开头的注释步骤类注释效果方法注释模板定义方法开头的注释步骤方法注

Python如何自动生成环境依赖包requirements

《Python如何自动生成环境依赖包requirements》:本文主要介绍Python如何自动生成环境依赖包requirements问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑... 目录生成当前 python 环境 安装的所有依赖包1、命令2、常见问题只生成当前 项目 的所有依赖包1、

SpringShell命令行之交互式Shell应用开发方式

《SpringShell命令行之交互式Shell应用开发方式》本文将深入探讨SpringShell的核心特性、实现方式及应用场景,帮助开发者掌握这一强大工具,具有很好的参考价值,希望对大家有所帮助,如... 目录引言一、Spring Shell概述二、创建命令类三、命令参数处理四、命令分组与帮助系统五、自定

SpringBoot应用中出现的Full GC问题的场景与解决

《SpringBoot应用中出现的FullGC问题的场景与解决》这篇文章主要为大家详细介绍了SpringBoot应用中出现的FullGC问题的场景与解决方法,文中的示例代码讲解详细,感兴趣的小伙伴可... 目录Full GC的原理与触发条件原理触发条件对Spring Boot应用的影响示例代码优化建议结论F

MySQL 分区与分库分表策略应用小结

《MySQL分区与分库分表策略应用小结》在大数据量、复杂查询和高并发的应用场景下,单一数据库往往难以满足性能和扩展性的要求,本文将详细介绍这两种策略的基本概念、实现方法及优缺点,并通过实际案例展示如... 目录mysql 分区与分库分表策略1. 数据库水平拆分的背景2. MySQL 分区策略2.1 分区概念

Spring Shell 命令行实现交互式Shell应用开发

《SpringShell命令行实现交互式Shell应用开发》本文主要介绍了SpringShell命令行实现交互式Shell应用开发,能够帮助开发者快速构建功能丰富的命令行应用程序,具有一定的参考价... 目录引言一、Spring Shell概述二、创建命令类三、命令参数处理四、命令分组与帮助系统五、自定义S

MySQL中动态生成SQL语句去掉所有字段的空格的操作方法

《MySQL中动态生成SQL语句去掉所有字段的空格的操作方法》在数据库管理过程中,我们常常会遇到需要对表中字段进行清洗和整理的情况,本文将详细介绍如何在MySQL中动态生成SQL语句来去掉所有字段的空... 目录在mysql中动态生成SQL语句去掉所有字段的空格准备工作原理分析动态生成SQL语句在MySQL