数据结构 学习笔记(九):图(下):最小生成树(Prim,Kruskal 算法),拓扑排序 AOV,关键路径 AOE
来源:互联网 发布:java 形参 实参 编辑:程序博客网 时间:2024/06/04 23:35
8.1 最小生成树
8.1.1 什么是最小生成树
解决最小生成树有很多算法,但是归结起来都是贪心算法。
贪心算法:
- 什么是“贪”:每一步都要最好的
- 什么是“好”:权重最小的边
- 但是因为是最小生成树,所以这个贪心算法还需要约束:
- 只能用图里有的边
- 只能正好用掉 | V | - 1 条边
- 不能有回路
贪心算法由两个著名的算法:Prim 算法 和 Kruskal 算法。
8.1.2 Prim 算法
Prim 算法–选一个结点,让一棵小树“长大” (和之前 单源最短路径中的 Dijkstra算法很像)(针对的是点)
和 Dijkstra算法 进行比较:
C 语言实现
/* 邻接矩阵存储 - Prim最小生成树算法 */Vertex FindMinDist( MGraph Graph, WeightType dist[] ){ /* 返回未被收录顶点中dist最小者 */ Vertex MinV, V; WeightType MinDist = INFINITY; for (V=0; V<Graph->Nv; V++) { if ( dist[V]!=0 && dist[V]<MinDist) { /* 若V未被收录,且dist[V]更小 */ MinDist = dist[V]; /* 更新最小距离 */ MinV = V; /* 更新对应顶点 */ } } if (MinDist < INFINITY) /* 若找到最小dist */ return MinV; /* 返回对应的顶点下标 */ else return ERROR; /* 若这样的顶点不存在,返回-1作为标记 */}int Prim( MGraph Graph, LGraph MST ){ /* 将最小生成树保存为邻接表存储的图MST,返回最小权重和 */ WeightType dist[MaxVertexNum], TotalWeight; Vertex parent[MaxVertexNum], V, W; int VCount; Edge E; /* 初始化。默认初始点下标是0 */ for (V=0; V<Graph->Nv; V++) { /* 这里假设若V到W没有直接的边,则Graph->G[V][W]定义为INFINITY */ dist[V] = Graph->G[0][V]; parent[V] = 0; /* 暂且定义所有顶点的父结点都是初始点0 */ } TotalWeight = 0; /* 初始化权重和 */ VCount = 0; /* 初始化收录的顶点数 */ /* 创建包含所有顶点但没有边的图。注意用邻接表版本 */ MST = CreateGraph(Graph->Nv); E = (Edge)malloc( sizeof(struct ENode) ); /* 建立空的边结点 */ /* 将初始点0收录进MST */ dist[0] = 0; VCount ++; parent[0] = -1; /* 当前树根是0 */ while (1) { V = FindMinDist( Graph, dist ); /* V = 未被收录顶点中dist最小者 */ if ( V==ERROR ) /* 若这样的V不存在 */ break; /* 算法结束 */ /* 将V及相应的边<parent[V], V>收录进MST */ E->V1 = parent[V]; E->V2 = V; E->Weight = dist[V]; InsertEdge( MST, E ); TotalWeight += dist[V]; dist[V] = 0; VCount++; for( W=0; W<Graph->Nv; W++ ) /* 对图中的每个顶点W */ if ( dist[W]!=0 && Graph->G[V][W]<INFINITY ) { /* 若W是V的邻接点并且未被收录 */ if ( Graph->G[V][W] < dist[W] ) { /* 若收录V使得dist[W]变小 */ dist[W] = Graph->G[V][W]; /* 更新dist[W] */ parent[W] = V; /* 更新树 */ } } } /* while结束*/ if ( VCount < Graph->Nv ) /* MST中收的顶点不到|V|个 */ TotalWeight = ERROR; return TotalWeight; /* 算法执行完毕,返回最小权重和或错误标记 */}
8.1.3 Kruskal 算法
如果图是比较稀疏的,也就是说有很多结点,但是边的数量很少,那么Kruskal 算法 就更合适。
Kruskal 算法 的思想是:将森林合并成树 (针对的是边)
伪代码:
C 语言实现
/* 邻接表存储 - Kruskal最小生成树算法 *//*-------------------- 顶点并查集定义 --------------------*/typedef Vertex ElementType; /* 默认元素可以用非负整数表示 */typedef Vertex SetName; /* 默认用根结点的下标作为集合名称 */typedef ElementType SetType[MaxVertexNum]; /* 假设集合元素下标从0开始 */void InitializeVSet( SetType S, int N ){ /* 初始化并查集 */ ElementType X; for ( X=0; X<N; X++ ) S[X] = -1;}void Union( SetType S, SetName Root1, SetName Root2 ){ /* 这里默认Root1和Root2是不同集合的根结点 */ /* 保证小集合并入大集合 */ if ( S[Root2] < S[Root1] ) { /* 如果集合2比较大 */ S[Root2] += S[Root1]; /* 集合1并入集合2 */ S[Root1] = Root2; } else { /* 如果集合1比较大 */ S[Root1] += S[Root2]; /* 集合2并入集合1 */ S[Root2] = Root1; }}SetName Find( SetType S, ElementType X ){ /* 默认集合元素全部初始化为-1 */ if ( S[X] < 0 ) /* 找到集合的根 */ return X; else return S[X] = Find( S, S[X] ); /* 路径压缩 */}bool CheckCycle( SetType VSet, Vertex V1, Vertex V2 ){ /* 检查连接V1和V2的边是否在现有的最小生成树子集中构成回路 */ Vertex Root1, Root2; Root1 = Find( VSet, V1 ); /* 得到V1所属的连通集名称 */ Root2 = Find( VSet, V2 ); /* 得到V2所属的连通集名称 */ if( Root1==Root2 ) /* 若V1和V2已经连通,则该边不能要 */ return false; else { /* 否则该边可以被收集,同时将V1和V2并入同一连通集 */ Union( VSet, Root1, Root2 ); return true; }}/*-------------------- 并查集定义结束 --------------------*//*-------------------- 边的最小堆定义 --------------------*/void PercDown( Edge ESet, int p, int N ){ /* 改编代码4.24的PercDown( MaxHeap H, int p ) */ /* 将N个元素的边数组中以ESet[p]为根的子堆调整为关于Weight的最小堆 */ int Parent, Child; struct ENode X; X = ESet[p]; /* 取出根结点存放的值 */ for( Parent=p; (Parent*2+1)<N; Parent=Child ) { Child = Parent * 2 + 1; if( (Child!=N-1) && (ESet[Child].Weight>ESet[Child+1].Weight) ) Child++; /* Child指向左右子结点的较小者 */ if( X.Weight <= ESet[Child].Weight ) break; /* 找到了合适位置 */ else /* 下滤X */ ESet[Parent] = ESet[Child]; } ESet[Parent] = X;}void InitializeESet( LGraph Graph, Edge ESet ){ /* 将图的边存入数组ESet,并且初始化为最小堆 */ Vertex V; PtrToAdjVNode W; int ECount; /* 将图的边存入数组ESet */ ECount = 0; for ( V=0; V<Graph->Nv; V++ ) for ( W=Graph->G[V].FirstEdge; W; W=W->Next ) if ( V < W->AdjV ) { /* 避免重复录入无向图的边,只收V1<V2的边 */ ESet[ECount].V1 = V; ESet[ECount].V2 = W->AdjV; ESet[ECount++].Weight = W->Weight; } /* 初始化为最小堆 */ for ( ECount=Graph->Ne/2; ECount>=0; ECount-- ) PercDown( ESet, ECount, Graph->Ne );}int GetEdge( Edge ESet, int CurrentSize ){ /* 给定当前堆的大小CurrentSize,将当前最小边位置弹出并调整堆 */ /* 将最小边与当前堆的最后一个位置的边交换 */ Swap( &ESet[0], &ESet[CurrentSize-1]); /* 将剩下的边继续调整成最小堆 */ PercDown( ESet, 0, CurrentSize-1 ); return CurrentSize-1; /* 返回最小边所在位置 */}/*-------------------- 最小堆定义结束 --------------------*/int ( LGraph Graph, LGraph MST ){ /* 将最小生成树保存为邻接表存储的图MST,返回最小权重和 */ WeightType TotalWeight; int ECount, NextEdge; SetType VSet; /* 顶点数组 */ Edge ESet; /* 边数组 */ InitializeVSet( VSet, Graph->Nv ); /* 初始化顶点并查集 */ ESet = (Edge)malloc( sizeof(struct ENode)*Graph->Ne ); InitializeESet( Graph, ESet ); /* 初始化边的最小堆 */ /* 创建包含所有顶点但没有边的图。注意用邻接表版本 */ MST = CreateGraph(Graph->Nv); TotalWeight = 0; /* 初始化权重和 */ ECount = 0; /* 初始化收录的边数 */ NextEdge = Graph->Ne; /* 原始边集的规模 */ while ( ECount < Graph->Nv-1 ) { /* 当收集的边不足以构成树时 */ NextEdge = GetEdge( ESet, NextEdge ); /* 从边集中得到最小边的位置 */ if (NextEdge < 0) /* 边集已空 */ break; /* 如果该边的加入不构成回路,即两端结点不属于同一连通集 */ if ( CheckCycle( VSet, ESet[NextEdge].V1, ESet[NextEdge].V2 )==true ) { /* 将该边插入MST */ InsertEdge( MST, ESet+NextEdge ); TotalWeight += ESet[NextEdge].Weight; /* 累计权重 */ ECount++; /* 生成树中边数加1 */ } } if ( ECount < Graph->Nv-1 ) TotalWeight = -1; /* 设置错误标记,表示生成树不存在 */ return TotalWeight;}
8.2 拓扑排序
例:计算机专业排课。每一门课都有一个预修课程。
如果计算机的课多了,肯定要写一个程序解决问题。我们可以用图的结构来解决,把每一门课当做一个顶点,边是预修课程。
这种关系依赖图,称作AOV(Activity On Vertex) 网络。
在一个有限图中,所有的真实活动是表现在顶点上的,而顶点和顶点之间的有向边表示了两个活动之间的先后顺序。整个问题抽象一下就成了一个拓扑排序的问题。(引出拓扑排序)
8.2.1 拓扑排序定义
拓扑序:如果图中从V 到 W有一条有向路径,则V 一定排在 W之前。满足此条件的顶点是序列称为一个拓扑序。
获得一个拓扑序的过程就是 拓扑排序。
AOV 如果有合理的拓扑序,则必定是有向无环图。
C语言实现:拓扑排序
/* 邻接表存储 - 拓扑排序算法 */bool TopSort( LGraph Graph, Vertex TopOrder[] ){ /* 对Graph进行拓扑排序, TopOrder[]顺序存储排序后的顶点下标 */ int Indegree[MaxVertexNum], cnt; Vertex V; PtrToAdjVNode W; Queue Q = CreateQueue( Graph->Nv ); /* 初始化Indegree[] */ for (V=0; V<Graph->Nv; V++) Indegree[V] = 0; /* 遍历图,得到Indegree[] */ for (V=0; V<Graph->Nv; V++) for (W=Graph->G[V].FirstEdge; W; W=W->Next) Indegree[W->AdjV]++; /* 对有向边<V, W->AdjV>累计终点的入度 */ /* 将所有入度为0的顶点入列 */ for (V=0; V<Graph->Nv; V++) if ( Indegree[V]==0 ) AddQ(Q, V); /* 下面进入拓扑排序 */ cnt = 0; while( !IsEmpty(Q) ){ V = DeleteQ(Q); /* 弹出一个入度为0的顶点 */ TopOrder[cnt++] = V; /* 将之存为结果序列的下一个元素 */ /* 对V的每个邻接点W->AdjV */ for ( W=Graph->G[V].FirstEdge; W; W=W->Next ) if ( --Indegree[W->AdjV] == 0 )/* 若删除V使得W->AdjV入度为0 */ AddQ(Q, W->AdjV); /* 则该顶点入列 */ } /* while结束*/ if ( cnt != Graph->Nv ) return false; /* 说明图中有回路, 返回不成功标志 */ else return true;}
8.2.2 关键路径
对拓扑排序的重要应用就是:关键路径
AOE (Activity On Edge)网络:
AOE 网络与 AOV 网络相反,AOE 网络所有的活动表现在边上,而顶点表示活动几到达这个顶点时结束。
例子:
阅读全文
0 0
- 数据结构 学习笔记(九):图(下):最小生成树(Prim,Kruskal 算法),拓扑排序 AOV,关键路径 AOE
- 关键路径(AOE)—基于拓扑排序(AOV)
- 数据结构--图--拓扑排序/关键路径/AOE/AOV
- 第二周---最小生成树(Kruskal,Prim)、拓扑排序
- AOE网上的关键路径(拓扑排序+SPFA算法)
- 最小生成树算法(prim&kruskal)
- 最小生成树[Kruskal&&Prim](学习)
- 数据结构与C语言实现(十一)——图(下):最小生成树与Prim与Kruskal算法
- 【算法复习】图的最小生成树(Prim&Kruskal)
- 数据结构与算法系列----最小生成树(Prim算法&Kruskal算法)
- 图:图的应用(最小生成树、拓扑排序、关键路径)
- 数据结构基础6.3:最小生成树MST(Prim、Kruskal)
- 图-----------拓扑排序+AOE网络关键路径
- 拓扑排序与AOE图关键路径
- 最小生成树(prim算法,kruskal算法)
- 最小生成树(Prim算法和Kruskal算法)
- 最小生成树(kruskal算法,prim算法)
- 算法导论--最小生成树(Kruskal和Prim算法)
- Java工程师成长路线
- 南阳OJ 47 过河问题
- Jquery+ashx实现Ajax
- XML SCHEMA 报错:Invalid content
- ROS学习笔记(七):新建一个消息和服务
- 数据结构 学习笔记(九):图(下):最小生成树(Prim,Kruskal 算法),拓扑排序 AOV,关键路径 AOE
- 备忘录(CSS)
- 解决 MISCONF Redis is configured to save RDB snapshots, but is currently not able to persist on disk.
- acquia dev desktop开发第六天
- python关于石头剪刀布的一道题
- 安装windows系统
- JDBC核心API
- rz命令乱码失败问题
- 编码格式说明及Unicode与utf-8互转