最小环(floyd以及dijkstra实现+例题)

最小环定义

最小环是指在一个图中,有n个节点构成的边权和最小的环(n>=3)。
一般来说,最小环分为有向图最小环和无向图最小环。

最小环算法:

直接暴力:

\(u\)\(v\)之间有一条边长为\(w\)的边,\(dis(u,v)\)表示删除\(u\)\(v\)之间的连边之后,\(u\)\(v\)之间的最短路。那么最小环是\(dis(u,v)+w\)总时间复杂度\(O(n^2m)\)

Dijkstra

任意一个环,假设连接\(u\)\(v\),我们都可以看做删除\(u\)\(v\)的直接连边之后的\(u\)\(v\)的最短路再加上该边,若边数为\(m\),那么找出最小环要跑\(m\)次Dijkstra,复杂度为\(O(n(n+m)log)\)

Floyd

记原图\(u\),\(v\)之间边权为\(mp(u,v)\),floyd算法在外层循环到第k个点时(还没开始第k次循环),最短路数组\(g\)中,\(g(u,v)\)表示的是从\(u\)\(v\)且仅经过编号\([1,k)\)区间中的点的最短路。
最小环至少有三个顶点,设其中编号最大的顶点编号为\(w\),环上与\(w\)相邻两侧的两个点为\(u\),\(v\),则在最外层循环枚举到\(k=w\)时,该环的长度为\(g(u,v)+mp(v,w)+mp(w,u)\),所以

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最小搜索算法可以通过深度优先搜索(DFS)来实现。以下是使用 Python 实现最小搜索的示例代码: ```python def find_minimum_cycle(edges): min_cycle = float('inf') for i in range(len(edges)): visited = [False] * len(edges) stack = [(i, 0)] while stack: node, dist = stack.pop() if visited[node]: min_cycle = min(min_cycle, dist) break visited[node] = True for next_node in edges[node]: stack.append((next_node, dist + 1)) return min_cycle ``` 在以上代码中,`edges` 是一个邻接表,表示图中每个节点所连接的节点。函数首先遍历图中的每个节点,然后对于每个节点,使用 DFS 找出从该节点出发的最小。为了实现这一点,我们使用 `visited` 来跟踪访问过的节点,并使用 `stack` 来存储待访问的节点。在 DFS 的过程中,我们使用 `dist` 来记录当前节点与起始节点的距离。如果在 DFS 过程中访问到了一个已经被访问过的节点,那么我们就找到了一个,并且可以计算出该的长度。最后,我们返回最小的长度。 需要注意的是,以上实现中使用了一个 `min_cycle` 变量来维护最小的长度。如果找到了比当前最小更小的,那么我们就更新 `min_cycle` 的值。在 DFS 中,如果我们已经找到了一个,那么就可以直接终止搜索,因为该不可能比当前最小更小。如果 DFS 完成后仍然没有找到,那么说明该节点不连通,可以继续遍历其他节点。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值