首先看一下三者的定义:
定义1 对于图G=(V,E)来说, 最小支配集 指的是从V中取尽量少的点组成一个集合,使得对于V中剩余的点都与取出来的点有边相连。也就是说,设V‘是图G的一个支配集,则对于图中的任意一个顶点u,要么属于集合V’,要么与V‘中的顶点相邻。在V’中出去任何元素后V‘不再是支配集,则支配集是极小支配集。称G的所有支配集中顶点个数最少的支配集为最小支配集,最小支配集中顶点的个数称为支配数。
定义2 对于图G=(V,E)来说, 最小点覆盖 指的是从V中取尽量少的点组成一个集合,使得E中所有的边都与取出来的点相连。也就是说,设V‘是图G的一个顶点覆盖,则对于图中的任意一条边(u,v),要么u属于集合V’,要么v属于集合V‘。在V‘中除去任何元素后V’不在是顶点覆盖,则V‘是极小顶点覆盖。称G的所有顶点覆盖中顶点个数最少的覆盖为最小点覆盖。
定义3 对于图G=(V,E)来说, 最大独立集 指的是从V中取尽量多的点组成一个集合,使得这些点之间没有边相连。也就是说,设V’是图G的一个独立集,则对于图中任意一条边(u,v),u和v不能同时属于集合V',甚至可以u和v都不属于集合V‘。在V’中添加任何不属于V‘元素后V’不再是独立集,则V‘是极大独立集。称G的所有顶点独立集中顶点个数最多的独立集为最大独立集。
对于任意图G来说,这三个问题不存在多项式时间的解法。 不过对于树来说,却很容易。目前有两种解法,一种基于贪心思想,另一种基于树形动态规划思想。
求解(贪心算法):对整棵树进行dfs,求出dfs序,然后进行贪心。以求支配集为例,对于儿子和父亲,肯定选父亲能影响到的更多,那么只要把最小面一层确定后就可以从后往前进行判断了。
![](http://img2.tuicool.com/7JJJry.gif)
1 int p[maxn]; 2 bool select[maxn]; 3 int newpos[maxn]; 4 int now; 5 int n,m; 6 void DFS(int x) 7 { 8 newpos[now++]=x; 9 int k; 10 for(k=head[x];k!=-1;k=edge[k].next) 11 { 12 if(!select[edge[k].to]) 13 { 14 select[edge[k].to]=true; 15 p[edge[k].to]=x; 16 DFS(edge[k].to); 17 } 18 } 19 }
对于最小支配集,贪心函数如下:
![](http://img2.tuicool.com/7JJJry.gif)
1 int greedy() 2 { 3 bool s[maxn]; 4 bool set[maxn]={0}; 5 int ans=0; 6 int i; 7 for(i=n-1;i>=0;i--) 8 { 9 int t=newpos[i]; 10 if(!s[t]) 11 { 12 if(!set[p[t]]) 13 { 14 set[p[t]]=true; 15 ans++; 16 } 17 s[t]=true; 18 s[p[t]]=true; 19 s[p[p[t]]]=true; 20 } 21 } 22 return ans; 23 }
对于最小点覆盖,贪心函数如下:
![](http://img2.tuicool.com/7JJJry.gif)
1 int greedy() 2 { 3 bool s[maxn]={0}; 4 bool set[maxn]={0}; 5 int ans=0; 6 int i; 7 for(i=n-1;i>=1;i--) 8 { 9 int t=newpos[i]; 10 if(!s[t]&&s[p[t]]) 11 { 12 set[p[t]]=true; 13 ans++; 14 s[t]=true; 15 s[p[t]]=true; 16 } 17 } 18 return ans; 19 }
对于最大独立集,贪心函数如下:
![](http://img2.tuicool.com/7JJJry.gif)
1 int greedy() 2 { 3 bool s[maxn]={0}; 4 bool set[maxn]={0}; 5 int ans=0; 6 int i; 7 for(i=n-1;i>=0;i--) 8 { 9 int t=newpos[i]; 10 if(!s[t]) 11 { 12 set[t]=true; 13 ans++; 14 s[t]=true; 15 s[p[t]]=true; 16 } 17 } 18 return ans; 19 }