最小支配集
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。
最小点覆盖
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。
最大独立集
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,最小支配集,最小点覆盖和最大独立集问题不存在多项式时间的解法。不过如果图G是一棵树,求上述三种特殊的集合还是很容易的。两种主要解法,贪心和树形动态规划。
首先先介绍贪心法,(以最小支配集为例)。
以最小支配集为例,对于树上的最小支配集问题,贪心策略是首先选择一点为根,按照深度优先遍历得到遍历序列,按照所得序列的反向序列的顺序进行贪心,对于一个既不属于支配集也不与支配集中的点相连的点来说,如果他的父节点不属于支配集,将其父节点加入支配集。
这里注意到贪心的策略中贪心的顺序非常重要,按照深度优先遍历得到遍历序列的反向进行贪心,可以保证对于每个点来说,当期子树都被处理过后才轮到该节点的处理,保证了贪心的正确性。
1.以1号点深度优先搜索整棵树,求出每个点在DFS中的编号和每个点的父亲节点编号。
2.按DFS的反向序列检查,如果当前点既不属于支配集也不与支配集中的点相连,且它的父亲也不属于支配集,将其父亲点加入支配集,支配集个数加1。
3.标记当前结点、当前结点的父节点(属于支配集)、当前结点的父节点的父节点(与支配集中的点相连)
上述就是贪心法的步骤。
int s[MAX],nodeset[MAX]; //s[MAX]数组是判断点是否被支配集内的点所覆盖,nodeset[MAX]是支配集集合,一般这两个数组设置成bool型,我这里是int型
int newpos[MAX]; //DFS时用到存储DFS序的数组
int now;int fa[MAX]; //fa[MAX]是用来存放各店父节点是谁
void DFS(int start) {
newpos[now++] = start;
for (int i = head[start]; i != -1; i = edge[i].next) {
int v = edge[i].to;
if (!vis[v]) {
vis[v] = 1;
fa[v] = start;
DFS(v);
}
}
}
int greedySet(int n) { //形参是树上点的个数
/*int s[MAX] = { 0 };
int nodeset[MAX] = { 0 };*/
memset(s, 0, sizeof(s));
memset(nodeset, 0, sizeof(nodeset));
int ans = 0;
for (int i = n - 1; i >= 0; i--) { //逆序DFS序
int t = newpos[i];
if (!s[t]) { //如果当前点t未在支配集覆盖,即既不在支配集也不与支配集中的点相连
if (!nodeset[fa[t]]) { //其t结点的父亲也不在支配集中
nodeset[fa[t]] = 1; //将父节点加入支配集,支配集容量加一
ans++;
}
s[t] = 1;
s[fa[t]] = 1;
s[fa[fa[t]]] = 1; //标记当前点、当前结点的父节点、当前结点的父节点的父节点
}
}
return ans;
}
最小点覆盖也可使用贪心算法
int greedy(int n)
{
bool s[maxn]={0};
bool set[maxn]={0};
int ans=0;
int i;
for(i=n-1;i>=1;i--)
{
int t=newpos[i];
if(!s[t]&&s[p[t]])
{
set[p[t]]=true;
ans++;
s[t]=true;
s[p[t]]=true;
}
}
return ans;
}
最大独立集
int greedy(int n)
{
bool s[maxn]={0};
bool set[maxn]={0};
int ans=0;
int i;
for(i=n-1;i>=0;i--)
{
int t=newpos[i];
if(!s[t])
{
set[t]=true;
ans++;
s[t]=true;
s[p[t]]=true;
}
}
return ans;
}
树形动态规划的做法,日后补充。