最小生成树
最小生成树对应的都是无向图,一个有N个点的图,在这些边中选择N-1条出来,连接所有的N个点。这N-1条边的边权之和是所有方案中最小的,得到的就是最小生成树。
常用两个算法:Prim算法和Kruskal算法。
Prim算法和Dijkstra算法特别像,而且也是分为两个朴素版和堆优化版(但是基本不用)。
一般常用朴素版Prim(稠密图)和Kruskal算法(稀疏图)。
朴素版Prim
先初始化距离(没有起点所有都是正无穷),然后迭代n次。每次迭代找到集合(这个的集合意思是已经在当前的连通块的所有点)外距离集合最短的点(到集合距离意思是,看这个点有哪些边是连向集合内部的点的,然后在里面选一个最短的),用t来更新其他点到集合的距离,然后将t加入到集合中去。
第一次迭代的时候随便找个点就行,之后的每次迭代只要判断一下新加进来的点跟其他点的距离,然后要不要更新就行。
const int N = 510;
int n,m;
int g[N][N];
int dis[N];
bool st[N];
int Prim()
{
//初始化
memset(dis, 0x3f, sizeof dis);
int res = 0;
//迭代n次
for(int i = 0; i < n; i++)
{
//t为当前边
int t = -1;
//找出没用过并且最小的距离
for(int j = 1; j <=n; j++)
if( !st[j] && (t == -1 || dis[t] > dis[j]))
t = j;
if(i && dis[t] == INF) return INF; //INF是无穷大的意思
if(i) res += dis[t]; //除第一次外加长度,因为第一次只有点
//更新距离
for(int j = 1; j <= n; j++) dis[j] = min(dis[j], dis[t] + g[t][j])
//标记使用
st[i] = true;
}
return res;
}
Kruskal算法
首先将所有边按权重从小到大排序(可以用快排),然后枚举每条边a到b,权重为c。如果ab不连通,我们就把这条边加到集合里面来。我们可以用一个简单的并查集实现
const int N = 100010;
int p[N]; //这个数组用于并查集操作
struct Edge
{
int a,b,w;
bool operator(const Edge &W) const
{
return w < W.w;
}
}edges[N];
//这个是用来查找根节点的,如果在集合中根节点相同
int find(int x)
{
if(p[x] != x) p[x] = find(p[x]);
return p[x];
}
int Kruskal()
{
//首先排序
sort(edges, edges + m);
//
for(int i = 1; i <= n; i++) p[i] = i;
//初始化距离和已经有几个点
int res = 0, cnt = 0;
//枚举每条边
for(int i = 0; i < m; i++)
{
//得到起点终点和权重
int a = edges[i].a, b = edges[i].b, w = edges[i].w;
//找到起点和终点的根节点
a = find(a), b = find(b);
//根节点不同则合并
if(a != b)
{
p[a] = b;
res += w;
cnt++;
}
}
//返回结果
if(cnt < n-1) return -1;
else return res;
}
二分图
二分图就是把一个图中的所有点分到两个集合中。要求每个集合中的点与点之间不能相连,但是两个集合的点可以相连。
判别二分图用染色法,求二分图最大匹配用匈牙利算法。
(用邻接表)
染色法
染色法是通过深度优先遍历所有点,每经过一个点就用一个颜色(值)标记,比如这个点用白色,那与它相连的点就应该是黑色,如果出现冲突,那就说明不是二分图。
int n, m;
int h[N], e[M], ne[M], idx;
int color[N];
//通过深度优先遍历赋值并检查颜色
bool dfs(int u, int c)
{
color[u] = c;
for (int i = h[u]; i != -1; i = ne[i])
{
int j = e[i];
if (!color[j])
{
if (!dfs(j, 3 - c)) return false;
}
else if( color[j] == c) return false;
}
return true;
}
bool Dyeing()
{
bool flag = true;
for(int i = 1; i <=n; i++)
if (!color[i])
{
if (!dfs(i, 1))
{
flag = false;
break;
}
}
return flag;
}
匈牙利算法
匹配指的是边的数量,从两个集合中选两个点组成一对,然后相连的边就是一条匹配成功的边。并且凑成一对的点不能再与别的点组合了。
最大匹配就是可以凑出来的最大的边的数量。
匈牙利算法的思想是遍历一个集合中的所有点,然后遍历这个点的边来寻找目标,如果找到的目标已经匹配了,就会去找自己的竞争者,如果竞争者还有别的选择,就让竞争者选另一个,自己和目标匹配。如果竞争者没有,自己再换目标。
我们还是用邻接表存图。