生成树（基础）

news2024/9/23 5:17:55

目录

一、生成树的相关概念

二、最小生成树的相关概念

 最小生成树的性质(MST性质)：

MST性质解释：

 三、Prim算法（普里姆算法）

 动态演示

 关键算法：

完整代码：

 四、Kruskal(克鲁斯卡尔)算法

动态演示：

关键代码：

 完整代码：

一、生成树的相关概念

  •  生成树：所有顶点均由边连接在一起，但不存在回路的图。
  • 一个图可以有许多棵不同的生成树
  • 所有生成树具有以下共同特点：
    1.生成树的顶点个数和图的顶点个数相同
    2.生成树是图的极小连通子图，去掉一条边则非连通
    3.一个有n个顶点的连通图的生成树有n-1条边
    4.在生成树中再加上一条边必然形成回路
    5.生成树中任意两个顶点间的路径是唯一的
  • 求无向图的生成树
    1.对无向图进行遍历(深度或者广度优先)
    2.所经过的边的集合 + 所有顶点 = 生成树
  • 深度优先生成树：深度优先遍历得到的生成树
  • 广度优先生成树：广度优先遍历得到的生成树 

 

二、最小生成树的相关概念

  • 最小生成树：给定一个无向网络，在该网的所有生成树中，使得各边权值最小的那棵生成树称为该网的最小生成树，也叫最小代价生成树。 

  •  最小生成树的性质(MST性质)：

  • 1.设连通网 N = (V, { E })
    2.U为V的非空子集
    3.F = { (v1,v2) | (v1,v2)∈E,v1∈U,v2∈V - U }
    4.设(u, v)是F中权值最小的边，则必存在一棵包含(u, v)的最小生成树

  • MST性质解释：

  • 在生成树的构造过程中，图中n个顶点分属两个集合：
    1.已经落在生成树的顶点集：U
    2.尚未落在生成树上的顶点集：V-U

 接下来则应在所有连通U中顶点和V-U中顶点的边中选取权值最小的边。

  •  举例：

 三、Prim算法（普里姆算法）

  •  基本思想：从某一个顶点开始构建生成树；每次将代价最小的新顶点纳入生成树中，直到所有顶点都纳入为止
  •  注：普利姆算法逐步增加U中的顶点， 可称为“加点法”。
  • 时间复杂度：O(|V|^2)

  •  动态演示

  •  关键算法：

template <typename T>
void Prim(MGraph G, T v)
//v是第一个进入集合U中的顶点的序号
{
	closedge[v].lowcost = 0;//用于标记序号为v的顶点已经加入集合U中
	for (int j = 1; j <= G.n; j++)//初始化closedge数组
	{
		if (j != v)
		{
			closedge[j].adjvex = v;
			closedge[j].lowcost = G.edges[v][j];
		}
	}

	int k = 0;
	for (int i = 1; i < G.n; i++)//找出剩下的n-1个顶点
	{
		int min = INF;//min用于记录暂时的生成树外的任意点到生成树内的任意点的最小权值
		for (int j = 1; j <= G.n; j++)//在V-U中找出离U最近的顶点k                                              
		{
			if (closedge[j].lowcost < min && closedge[j].lowcost != 0)
			{
				min = closedge[j].lowcost;
				k = j;//记录当前最近顶点的编号
			}
		}

		cout << "边" << G.vexs[closedge[k].adjvex] << "--" << G.vexs[k] << "权值：" << closedge[k].lowcost << endl;
		closedge[k].lowcost = 0;//将序号为k的顶点加入到集合U
		for (int j = 1; j <= G.n; j++)//仅仅考虑V-U中的顶点，更新closedge数组的内容
		{
			if (G.edges[k][j] < closedge[j].lowcost && closedge[j].lowcost != 0)
				//如果集合U中序号为k的顶点到V-U中的其它顶点的权值小于当前最小权值，则更新
			{
				closedge[j].adjvex = k;
				closedge[j].lowcost = G.edges[k][j];
			}
		}
	}

}

  • 完整代码：

//MGraph.h
#pragma once
#include<iostream>
#include<stdbool.h>
#include<stdio.h>
using namespace std;

#define MaxVertexNum 100//顶点数目的最大值
#define INF  10000//宏定义常量“无穷”
#define MAXV 100


typedef char VertexType;//顶点的数据类型
typedef int EdgeType;//带权图中边上权值的数据类型
typedef struct
{
	VertexType vexs[MaxVertexNum];//顶点表（存放顶点）
	EdgeType edges[MaxVertexNum][MaxVertexNum];//邻接矩阵,边表（存放任意两个顶点之间的距离）
	int n, e;//图的当前顶点数和边数/弧数
}MGraph;

struct
{
	int adjvex;
	int lowcost;
}closedge[MAXV];

void CreatMat(MGraph& G, int A[][MAXV], int n);//由数组A[n][n]生成邻接矩阵G
//生成图的邻接矩阵
void DisMGraph(MGraph& G);//打印
template <typename T>
void Prim(MGraph G, T v);//普里姆算法
template <typename T>
void Prim(MGraph G, T v)
//v是第一个进入集合U中的顶点的序号
{
	closedge[v].lowcost = 0;//用于标记序号为v的顶点已经加入集合U中
	for (int j = 1; j <= G.n; j++)//初始化closedge数组
	{
		if (j != v)
		{
			closedge[j].adjvex = v;
			closedge[j].lowcost = G.edges[v][j];
		}
	}

	int k = 0;
	for (int i = 1; i < G.n; i++)//找出剩下的n-1个顶点
	{
		int min = INF;//min用于记录暂时的生成树外的任意点到生成树内的任意点的最小权值
		for (int j = 1; j <= G.n; j++)//在V-U中找出离U最近的顶点k                                              
		{
			if (closedge[j].lowcost < min && closedge[j].lowcost != 0)
			{
				min = closedge[j].lowcost;
				k = j;//记录当前最近顶点的编号
			}
		}

		cout << "边" << G.vexs[closedge[k].adjvex] << "--" << G.vexs[k] << "权值：" << closedge[k].lowcost << endl;
		closedge[k].lowcost = 0;//将序号为k的顶点加入到集合U
		for (int j = 1; j <= G.n; j++)//仅仅考虑V-U中的顶点，更新closedge数组的内容
		{
			if (G.edges[k][j] < closedge[j].lowcost && closedge[j].lowcost != 0)
				//如果集合U中序号为k的顶点到V-U中的其它顶点的权值小于当前最小权值，则更新
			{
				closedge[j].adjvex = k;
				closedge[j].lowcost = G.edges[k][j];
			}
		}
	}

}

//MGraph1.cpp
#include"MGraph.h"
void CreatMat(MGraph& G, int A[][MAXV], int n)//由数组A[n][n]生成邻接矩阵G
{
	G.n = n;
	G.e = 0;
	cout << "请依次输入顶点信息：";
	for (int i = 1; i <=G.n; i++)
	{
		cin >> G.vexs[i];
	}
	for (int i = 0; i < n; i++)
	{
		for (int j = 0; j < n; j++)
		{
			G.edges[i+1][j+1] = A[i][j];//i+1，j+1是为了从为了从二维数组[1][1]开始存储
			if (A[i][j] != 0 && A[i][j] != INF)
			{
				G.e++;//边数加1
			}
		}
	}
}


void DisMGraph(MGraph& G)//遍历打印
{
	for (int i = 1; i <= G.n; i++)
	{
		for (int j = 1; j <= G.n; j++)
		{
			cout << G.edges[i][j] << " ";
		}
		cout << endl;
	}
}                                                                                
//Text.cpp
#include"MGraph.h"
int main()
{
	MGraph G;
	int A[][MAXV] = { {0,6,1,5,INF,INF},{6,0,5,INF,3,INF},{1,5,0,5,6,4},{5,INF,5,0,INF,2},{INF,3,6,INF,0,6},{INF,INF,4,2,6,0}};
	CreatMat(G, A, 6);
	cout << "图的邻接矩阵：" << endl;
	DisMGraph(G);
	cout << endl;
	cout << "由Prim(普里姆)算法得到最小生成树是："<<endl;
	Prim(G,1);
	return 0;
}
  • 运行结果：

 四、Kruskal(克鲁斯卡尔)算法

  • 基本思想：  是将各边按权值大小从小到大排列，接着从权值最低的边开始建立最小成本生成树，如果加入的边会造成回路就舍弃不用，直到加入n-1个边为止。
  • 时间复杂度： O(e)

  • 动态演示：

  • 关键代码：

void Sort(struct Edge E[], int n)//对每条边进行从小到大排序  
{
	for (int i = n-1; i > 0; i--)//扫描次数
	{
		for (int j = 0; j < i; j++)
		{
			if (E[j].weight > E[j + 1].weight)
			{
				Swap(E[j], E[j + 1]);
				//Swap(E[j].vex2, E[j + 1].vex2);
				//Swap(E[j].weight, E[j + 1].weight);
			}
		}
	}
}

void Kruskal(MGraph G)
{
	struct Edge E[MAXV];
	int k = 0;
	for (int i = 0; i < G.n; i++)//取邻接矩阵的下三角部分边
	{
		for (int j = 0; j <= i; j++)
		{
			if (G.edges[i][j] != 0 && G.edges[i][j] != INF)
			{
				E[k].vex1 = i;
				E[k].vex2 = j;
				E[k].weight = G.edges[i][j];
				k++;
			}
		}
	}

	Sort(E, k);
	int vset[MAXV];//用于记录顶点是否属于同一集合的辅助数组
	for (int i = 0; i < G.n; i++)//初始化辅助数组
	{
		vset[i] = i;
	}
	k = 1;//k表示当前构造最小生成树的第几条边，初值为1
	int j = 0;
	while (k <= G.n - 1)
	{
		int m1 = E[j].vex1;
		int m2 = E[j].vex2;
		if (vset[m1] != vset[m2])
		{
			cout << "边" << E[j].vex1 << "--" << E[j].vex2 << " 权值为：" << E[j].weight << endl;
		}
		k++;//生成边数加1
		for (int i = 0; i < G.n; i++)//两个集合统一编号
		{
			if (vset[i] == vset[m2])
			{
				vset[i] = vset[m1];
			}
		}
		j++;//扫描下一条边
	}
}

  •  完整代码：

//MGraph.h
#pragma once
#include<iostream>
#include<stdbool.h>
#include<stdio.h>
using namespace std;

#define MaxVertexNum 100//顶点数目的最大值
#define INF  10000//宏定义常量“无穷”
#define MAXV 100


typedef char VertexType;//顶点的数据类型
typedef int EdgeType;//带权图中边上权值的数据类型
typedef struct
{
	VertexType vexs[MaxVertexNum];//顶点表（存放顶点）
	EdgeType edges[MaxVertexNum][MaxVertexNum];//邻接矩阵,边表（存放任意两个顶点之间的距离）
	int n, e;//图的当前顶点数和边数/弧数
}MGraph;

struct Edge
{
	int vex1;//边的起始顶点
	int vex2;//边的终止顶点
	int weight;//边的权值
};

void CreatMat(MGraph& G, int A[][MAXV], int n);//由数组A[n][n]生成邻接矩阵G
//生成图的邻接矩阵
void DisMGraph(MGraph& G);//打印
template <typename T>
void Sort(struct Edge E[], int n);//对每条边进行从小到大排序
void Kruskal(MGraph G);//Kruskal算法
template <typename T>
void Swap(T& a, T& b)
{
	T tmp;
	tmp = a;
	a = b;
	b = tmp;
}

//MGraph1.cpp
#include"MGraph.h"
void CreatMat(MGraph& G, int A[][MAXV], int n)//由数组A[n][n]生成邻接矩阵G
{
	G.n = n;
	G.e = 0;
	cout << "请依次输入顶点信息：";
	for (int i = 0; i <G.n; i++)
	{
		cin >> G.vexs[i];
	}
	for (int i = 0; i < n; i++)
	{
		for (int j = 0; j < n; j++)
		{
			G.edges[i][j] = A[i][j];
			if (A[i][j] != 0 && A[i][j] != INF)
			{
				G.e++;//边数加1
			}
		}
	}
}


void DisMGraph(MGraph& G)//遍历打印
{
	for (int i = 0; i < G.n; i++)
	{
		for (int j = 0; j < G.n; j++)
		{
			cout << G.edges[i][j] << " ";
		}
		cout << endl;
	}
}



void Sort(struct Edge E[], int n)//对每条边进行从小到大排序  
{
	for (int i = n-1; i > 0; i--)//扫描次数
	{
		for (int j = 0; j < i; j++)
		{
			if (E[j].weight > E[j + 1].weight)
			{
				Swap(E[j], E[j + 1]);
				//Swap(E[j].vex2, E[j + 1].vex2);
				//Swap(E[j].weight, E[j + 1].weight);
			}
		}
	}
}

void Kruskal(MGraph G)
{
	struct Edge E[MAXV];
	int k = 0;
	for (int i = 0; i < G.n; i++)//取邻接矩阵的下三角部分边
	{
		for (int j = 0; j <= i; j++)
		{
			if (G.edges[i][j] != 0 && G.edges[i][j] != INF)
			{
				E[k].vex1 = i;
				E[k].vex2 = j;
				E[k].weight = G.edges[i][j];
				k++;
			}
		}
	}

	Sort(E, k);
	int vset[MAXV];//用于记录顶点是否属于同一集合的辅助数组
	for (int i = 0; i < G.n; i++)//初始化辅助数组
	{
		vset[i] = i;
	}
	k = 1;//k表示当前构造最小生成树的第几条边，初值为1
	int j = 0;
	while (k <= G.n - 1)
	{
		int m1 = E[j].vex1;
		int m2 = E[j].vex2;
		if (vset[m1] != vset[m2])
		{
			cout << "边" << E[j].vex1 << "--" << E[j].vex2 << " 权值为：" << E[j].weight << endl;
		}
		k++;//生成边数加1
		for (int i = 0; i < G.n; i++)//两个集合统一编号
		{
			if (vset[i] == vset[m2])
			{
				vset[i] = vset[m1];
			}
		}
		j++;//扫描下一条边
	}
}
//Text.cpp
#include"MGraph.h"
int main()
{
	MGraph G;
	int A[][MAXV] = { {0,6,1,5,INF,INF},{6,0,5,INF,3,INF},{1,5,0,5,6,4},{5,INF,5,0,INF,2},{INF,3,6,INF,0,6},{INF,INF,4,2,6,0}};
	CreatMat(G, A, 6);
	cout << "图的邻接矩阵：" << endl;
	DisMGraph(G);
	cout << endl;

	cout << "由Kruskal(克鲁斯卡尔)算法得到最小生成树是："<<endl;
	Kruskal(G);
	return 0;
}
  • 结果：

 

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/98743.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

mysql主从复制架构

mysql主从复制架构

MySQL的主从复制架构的分布机制&#xff0c;是通过将MySQL的某一台主机(master)的数据复制到其他主机(slave)上。 在复制过程中一台主机作为主服务器&#xff0c;其他服务器则为从服务器。主服务器将更新写入到日志文件中&#xff0c;日志被从服务器的 I/O线程读取&#xff0c;…
阅读更多...
逻辑回归 预测癌症数据

逻辑回归 预测癌症数据

目录 一&#xff1a;加载数据 二&#xff1a;数据集划分 三&#xff1a;选择算法 四&#xff1a;网格模型 超参调优 五&#xff1a;模型预测 六&#xff1a;模型保存和使用 七&#xff1a;完整源码分享 八&#xff1a;预测与实际比对 一&#xff1a;加载数据 from sk…
阅读更多...
C语言—变量与常量

C语言—变量与常量

想存储一个数据时&#xff0c;都会在内存中开辟一个空间&#xff0c;这个空间会有一个地址&#xff1b; 这个地址是一串数字&#xff0c;为了方便记忆&#xff0c;所以要对这个地址起一个名字&#xff0c;也就是变量名&#xff1b; 通过这个变量名就可以找到内存中存放这个数…
阅读更多...
java高校学生电器报修系统ssm高校后勤报修系统小程序源码和论文

java高校学生电器报修系统ssm高校后勤报修系统小程序源码和论文

随着高校每年的扩大招生&#xff0c;学校人数越来越多&#xff0c;学校后勤报修管理的工作量也越来越繁重。使用传统的管理手段和方法&#xff0c;很难完成大量的信息分析和处理。因此&#xff0c;充分利用网络资源和信息化技术&#xff0c;建设一套基于校园网的学校后勤报修管…
阅读更多...
fpga实操训练（uart串口）

fpga实操训练（uart串口）

【 声明&#xff1a;版权所有&#xff0c;欢迎转载&#xff0c;请勿用于商业用途。 联系信箱&#xff1a;feixiaoxing 163.com】 如果说led灯、按键、数码管这些都只能算是基础的话&#xff0c;那么学习fpga遇到的第一个门槛就是uart。要做好uart&#xff0c;首先需要了解串口的…
阅读更多...
Thymeleaf 预处理表达式__${表达式}__之国际化使用案例

Thymeleaf 预处理表达式__${表达式}__之国际化使用案例

目录一. 前期准备1.1 国际化项目获取类1.2 国际化配置文件类1.3 项目配置文件1.4 国际化资源文件二. __${表达式}__预处理表达式2.1 在Thymeleaf中使用Spring的Bean2.2 通过#{}获取国际化资源2.3 预处理表达式__${表达式}__的使用三. 效果一. 前期准备 1.1 国际化项目获取类 …
阅读更多...
linux系统中RGBLCD的基本操作和实现方法

linux系统中RGBLCD的基本操作和实现方法

大家好&#xff0c;今天主要来聊一聊&#xff0c;如何控制RGBLCD屏的方法。 目录 第一&#xff1a;LCD基本简介 第二&#xff1a;LCD屏的要点 第三&#xff1a;LCD屏具体配置步骤 第四&#xff1a;LCD屏具体的代码实现 第一&#xff1a;LCD基本简介 LCD液晶屏是常用的外设&…
阅读更多...
Linux常用命令，能解决工作中99%的Linux操作问题

Linux常用命令，能解决工作中99%的Linux操作问题

目录 一、ls 二、pwd 三、cd 四、touch 五、mkdir 六、rmdir&rm 七、man 八、cp 九、mv 九、cat 十、move 十一、less 十二、head 十三、tail 十四、时间 十五、cal 十六、find 十七、grep 十八、zip/unzip 十九、tar 二十、计算器 二十一、uname 二…
阅读更多...
SpringBoot 整合Netty自定义消息协议

SpringBoot 整合Netty自定义消息协议

本文主要介绍springboot项目&#xff0c;配置netty进行消息通信&#xff0c;自定义的netty消息协议&#xff0c;本文消息主要以表格中进行 消息头消息体长度加密标识&#xff08;可选&#xff09;加密类型&#xff08;可选&#xff09;消息体标识消息体校验码2字节2字节1字节&…
阅读更多...
SAP ABAP——SAP简介（一）【SAP发展历程】

SAP ABAP——SAP简介（一）【SAP发展历程】

&#x1f482;作者简介&#xff1a; THUNDER王&#xff0c;一名热爱财税和SAP ABAP编程以及热爱分享的博主。目前于江西师范大学会计学专业大二本科在读&#xff0c;同时任汉硕云&#xff08;广东&#xff09;科技有限公司ABAP开发顾问。在学习工作中&#xff0c;我通常使用偏后…
阅读更多...
研究必备的 5 个外文文献检索网站

研究必备的 5 个外文文献检索网站

1. Google scholar 网址&#xff1a; https://scholar.google.com.hk/?hlzh-CN 如今搜索论文的首选&#xff0c;可以在这里查看论文统计和引用参考文献&#xff0c;还能通过关注作者或者论文获得新论文更新提醒&#xff0c;以及利用自动化推荐来提供一个基本库 2. DBLP 网址…
阅读更多...
MSVC C++ UTF-8编程

MSVC C++ UTF-8编程

除windows平台外大部分其他平台&#xff0c;编译器默认使用的编码都是UTF-8编码&#xff0c;最新版本的Clang编译器只支持UTF-8编码。如果程序需要在多个平台编译运行&#xff0c;则代码必须使用UTF-8。使用UTF-8可以更容易的在多字节字符串(char, std::string)和宽字符(wchar_…
阅读更多...
Java+SSM汽车租赁系统汽车出租(含源码+论文+答辩PPT等)

Java+SSM汽车租赁系统汽车出租(含源码+论文+答辩PPT等)

项目功能简介: 该项目采用的技术实现如下 后台框架&#xff1a;Spring、SpringMVC、MyBatis UI界面&#xff1a;jQuery 、JSP 数据库&#xff1a;MySQL 系统功能 系统分为前台用户租车和后台系统管理&#xff1a; 1.前台用户租车 用户注册、用户登录、用户中心、浏览车辆、车辆…
阅读更多...
Java项目：SSM在线二手图书交易商城网站平台

Java项目：SSM在线二手图书交易商城网站平台

作者主页&#xff1a;源码空间站2022 简介&#xff1a;Java领域优质创作者、Java项目、学习资料、技术互助 文末获取源码 项目介绍 用户角色包含以下功能&#xff1a; 用户登录,查看商品详情,按分类查看,查看我的书架,上传二手书等功能。 由于本程序规模不大&#xff0c;可供课…
阅读更多...
三、CAM可解释性分析——可解释性机器学习（DataWhale组队学习）

三、CAM可解释性分析——可解释性机器学习（DataWhale组队学习）

文章目录前言CAM算法的精妙之处相关工作CAM算法其它相关问题为什么不用池化操作&#xff1f;CAM的优点CAM算法的缺点扩展阅读和思考题前言 CAM算法奠定了可解释分析的基石 CAM算法的精妙之处 对深度学习实现可解释性分析、显著性分析可扩展性强&#xff0c;后续衍生出各种…
阅读更多...
域名备案怎么查？怎么批量查询域名备案

域名备案怎么查？怎么批量查询域名备案

ICP备案&#xff0c;是为了防止在网上从事非法的网站经营活动&#xff0c;打击不良互联网信息的传播&#xff0c;国家对互联网信息服务实行的备案制度。 备案的目的就是为了防止在网上从事非法的网站经营活动&#xff0c;打击不良互联网信息的传播&#xff0c;如果网站不备…
阅读更多...
Android TP驱动模型框架分析

Android TP驱动模型框架分析

本文主要是对TP驱动框架的学习。 一、概述 1、触摸IC的工作原理 tp与主控间的通信接口一般是i2c&#xff0c;即scl、sda、gnd、vcc。在正常工作时需要加上rst、int脚。 整个过程是&#xff1a;通过点击屏幕&#xff0c;tp ic端会将int 脚电平拉低&#xff0c;等待主控的读取。…
阅读更多...
【技术分享】Anaconda下载、安装、pip切换镜像源、conda切换镜像、conda创建指定Python版本虚拟环境教程

【技术分享】Anaconda下载、安装、pip切换镜像源、conda切换镜像、conda创建指定Python版本虚拟环境教程

文章目录1.下载Anaconda1.1.下载最新版本Anaconda1.2.下载历史版本的Anaconda2.安装Anaconda3.conda切换镜像源4.pip切换镜像源5.conda创建指定版本Python环境1.下载Anaconda 1.1.下载最新版本Anaconda 步骤&#xff1a; 进入Anaconda官网&#xff0c;点击Download按钮下载最…
阅读更多...
海量数据小内存！如何找到高频数

海量数据小内存！如何找到高频数

文章目录题目解答总结题目 如何在 20 亿个无符号整数中找到出现次数最多的那个数&#xff0c;在只提供 1 G 内存的条件下 解答 找到出现次数最多的数&#xff0c;通常的思维就是使用 HashMap 来统计这 20 亿个无符号整数中每个数出现的次数 已知只有 20 亿个数&#xff0c;…
阅读更多...
b站黑马的Vue快速入门案例代码——【axios+Vue2】悦听player(音乐播放器)

b站黑马的Vue快速入门案例代码——【axios+Vue2】悦听player(音乐播放器)

目录 本文中修改的原代码中的BUG&#xff1a; 修改方法&#xff1a; 本文案例代码仍有的BUG&#xff1a;&#xff08;欢迎大家献计献策&#xff09; 目标效果&#xff1a; 悦音player案例——效果展示视频&#xff1a; 更换的新接口/参数&#xff1a; 1.歌曲搜索接口&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023