普里姆算法
最小生成树问题。
目的:访问所有点。所以只要知道对于每个点,从哪里访问它,消耗最少。
在最小生成树里,每个点只被访问一次,而这条访问边,一定是与这个点相连的边里消耗最小的边。
在这里,点有三种状态:
1.确定点,已经在结果里;
2.未确定点,和确定点相连,不能保证从现在的确定点出发代价最小,是看得见的点。
3.未知点。没有和任何确定点相连,还在黑暗迷雾中。
MST性质
MST性质的解释:有很多条边(ui,vi),ui是确定点,vi是未确定点,那么如果其中的一条(u,v)的权值是数条(ui,vi)中最小的,那么这条边是可以作为结果的。v加入ui,完整确定。
也就是:目前能前往的点有哪些?到这些点的代价是多少?挑代价最小的走。
原理
“挑最短的走”,挑的是确定点和未确定点之间的最短路。但未知点里可能有去这个未确定点的更短的路。
现在选中的边,其实不一定是与这个点相连的边中的最小边,但最小边马上会被选中。
如果选中的不是最小边,在这个点从未确定点变成确定点之后,我们也就看得到,谁才是这个点周围的最小边。这个点也会从最小边去访问其他点。如这幅图。虽然S到B的路17,不是B周围的最短路,但一走到B,B点一确认,就看到新增确认点B与新增未确认点之间的路径,14是现在已知的最短路径,直接走。为什么是马上?比如有很多到其他未确定的,且比14小的,那不是要先走他们嘛?…那刚才也不走17啊!现在是假设走17,那么17在刚才是作为全局最短,才能走。现在来了个比17还短的,这波必不可能输啊。
那点周围的最小边有可能不被选中吗?不可能。只要是符合定义的最小生成树,就一定会选中每个点周围的最小边。
因为整个网,最终选中的生成树不能是环状!我们的结果是正确的最小生成树!那么我们就不会有环!
反证法:不合理情况:假设偏要不走14,还能保证是最小生成树吗?
假设我们走到了B点,把B确定了,但我们不去访问对岸的点的情况只有一种:对面A点已经是确定点了。因为是只有一个出发点,也就意味着:妈呀,他从另一边绕过来了!A要找最小生成树,根据最小生成树的定义,A要确定B点,要走14。一走就坏了,呼应上了,成为了一个环,这是不行的。那咋办嘛?幸好只是假设走到B这个点,实际上这个数据只是暂时记录,还没确定呢!在这里14更小,那么B点就投向了A的怀抱!
也就是S点和A点对B的争夺中,A取胜了。也就是如果从另一边绕进来,甚至不会选中刚才的 “非最短的最小边”–S到B的17。
反方向,从被访问点的角度看。任意一个点,看看它周围的边。最小的权值的边,一定被囊括在结果之中。
在下图里,任意一个点,与他连接的几条边中的最小边,一定被选中了。
然后着眼于最小边。选中这个点周围最小边的那一瞬间,我们先看做这个点是被访问的,是作为弧头/终点的。如图中,V3这个点,权值等于1的最小边,从V1进入V3,V3是终点。V3周围其他的边,都比1大,若是其他边被选中,我们看做V3是作为起点,把其他边当作终点。这样就如同开头所说的目的:”访问所有点。所以只要知道对于每个点,从哪里访问它消耗最少。”这一段都是歪理 。
原理就是这样。
实现
“现在看得到的点有哪些?到这些点的代价是多少?挑最短的走。”
这里设存储结构是邻接矩阵。
需要两个一维数组。
数组adjvex,记录顶点之间的连接状况, V数组内容=起点,V数组下标=终点。也就是从adjvex里可以知道,Vadjvex[i]访问了Vi点。adjvex[i]→i。
数组lowcost,记录了所有确定点通往未确定点的代价。下标是和adjvex下标同步的终点!也就是当前是未确定点的顶点里的内容,记录这进入这个顶点的最小代价。每次把代价最小的点拿出来,确定这个点!
代码有三部分,第零部分是初始化,第一部分是【大循环里的子循环while】,第二部分是【大循环里的子循环for】
每次大循环都会确定一个点。
Prim代码
from大话数据结构
/* Prim算法生成最小生成树 */
void MiniSpanTree_Prim(MGraph G) {
int min, i, j, k;
int adjvex[MAXVEX]; /* 保存相关顶点下标 */
int lowcost[MAXVEX]; /* 保存相关顶点间边的权值 */
lowcost[0] = 0;/* 初始化第一个权值为0,即v0加入生成树 */
/* lowcost的值为0,在这里就是此下标的顶点已经加入生成树 */
adjvex[0] = 0; /* 初始化第一个顶点下标为0 */
for (i = 1; i < G.numVertexes; i++) /* 循环除下标为0外的全部顶点 */
{
lowcost[i] = G.arc[0][i]; /* 将v0顶点与之有边的权值存入数组 */
adjvex[i] = 0; /* 初始化都为v0的下标 */
}
for (i = 1; i < G.numVertexes; i++) {
min = INFINITY; /* 初始化最小权值为∞, */
/* 通常设置为不可能的大数字如32767、65535等 */
j = 1; k = 0;
while (j < G.numVertexes) /* 循环全部顶点 */
{
if (lowcost[j] != 0 && lowcost[j] < min)/* 如果权值不为0且权值小于min */
{
min = lowcost[j]; /* 则让当前权值成为最小值 */
k = j; /* 将当前最小值的下标存入k */
}
j++;
}
printf("(%d, %d)\n", adjvex[k], k);/* 打印当前顶点边中权值最小的边 */
lowcost[k] = 0;/* 将当前顶点的权值设置为0,表示此顶点已经完成任务 */
for (j = 1; j < G.numVertexes; j++) /* 循环所有顶点 */
{
if (lowcost[j] != 0 && G.arc[k][j] < lowcost[j]) {/* 如果下标为k顶点各边权值小于此前这些顶点未被加入生成树权值 */
lowcost[j] = G.arc[k][j];/* 将较小的权值存入lowcost相应位置 */
adjvex[j] = k; /* 将下标为k的顶点存入adjvex */
}
}
}
}
第零部分,实现“目前能前往的点有哪些?到这些点的代价是多少?” adjvex[i] = 0;lowcost[i] = G.arc[0][i];
【1、2,候选】
第一部分,实现“挑最短的”。min = lowcost[j];k = j;
【1、2里选1为终点】
这一部分不需要考虑adjvex数组,不必知道起点是谁,只要知道到等会要到哪个终点,到这个终点的代价。
两个子循环中间,输出结果,并实现一个"确定k点"的操作。
第二部分,实现“目前能前往的点有哪些?到这些点的代价是多少?”adjvex[j] = k; lowcost[j] = G.arc[k][j];
【1选X、X、X,XXX会在下次的while循环里和刚才落选的2号点共同竞争】
第二部分和第零部分的区别是,0变成了k。0和k有什么区别?0是静止的,初始化的循环里不变。k也是静止的,第三部分的循环里不变。
只看两个循环,其实没什么区别。
但k不是永远静止的。k每次会在第二部分代表最终确认的j,也就是连接着目前最小代价路线的,被挑到的终点。
k是挑出来的终点,但对于下面的j,k变成了起点。adjvex[j] = k之后,Vadjvex[j]即Vk会访问Vj。这里,定义了谁会访问Vj,谁会把Vj当作终点。他们都会在下次一大循环里的while中竞争,胜利者变成k。
那么下一次大循环时,第一部分从k点指向的点继续搜寻,产生一个新的k。k就这样不断更新。
双层循环,时间复杂度O(n2)。适合稠密图。
迪杰斯特拉算法
解决单源点的最短路径问题。
原理是:已确定源点到2号点的最短路径,那么2号到3号之间的最短路径可能就是源点到3号点的最短路径。同样,三号点的旁边的路线都看得见时,就能最终确定。
原理和代码结构上与Prim基本一致。
需要三个一维数组辅助。
1.S[i] :记录源点到i点是否确定了最短路径。这在Prim的lowcost其实有体现。
2.Path[i]:记录源点到i点当前最短路径上i点的直接前驱顶点序号,相当于Prim的adjvex数组。【路是一步步走的,记它的上一步就好,上一步还记得上上步。】
3.D[i]:记录源点到i点的当前最短路径长度,相当于Prim的lowcost数组。
Dijkstra代码
#pragma region Dijkstra
typedef int Patharc[MAXVEX]; /* 用于存储最短路径下标的数组 */
typedef int ShortPathTable[MAXVEX];/* 用于存储到各点最短路径的权值和 */
/* Dijkstra算法,求有向网G的v0顶点到其余顶点v的最短路径P[v]及带权长度D[v] */
/* P[v]的值为前驱顶点下标,D[v]表示v0到v的最短路径长度和 */
void ShortestPath_Dijkstra(MGraph G, int v0, Patharc &P, ShortPathTable &D) {
int v, w, k, min;
int final[MAXVEX];/* final[w]=1表示求得顶点v0至vw的最短路径 */
for (v = 0; v < G.numVertexes; v++) /* 初始化数据 */
{
final[v] = 0; /* 全部顶点初始化为未知最短路径状态 */
D[v] = G.arc[v0][v];/* 将与v0点有连线的顶点加上权值 */
P[v] = -1; /* 初始化路径数组P为-1 */
}
D[v0] = 0; /* v0至v0路径为0 */
final[v0] = 1; /* v0至v0不需要求路径 */
/* 开始主循环,每次求得v0到某个v顶点的最短路径 */
for (v = 1; v < G.numVertexes; v++) {
min = INFINITY; /* 当前所知离v0顶点的最近距离 */
for (w = 0; w < G.numVertexes; w++) /* 寻找离v0最近的顶点 */
{
if (!final[w] && D[w] < min) {
k = w;
min = D[w]; /* w顶点离v0顶点更近 */
}
}
final[k] = 1; /* 将目前找到的最近的顶点置为1 */
for (w = 0; w < G.numVertexes; w++) /* 修正当前最短路径及距离 */
{
/* 如果经过v顶点的路径比现在这条路径的长度短的话 */
if (!final[w] && (min + G.arc[k][w] < D[w])) { /* 说明找到了更短的路径,修改D[w]和P[w] */
D[w] = min + G.arc[k][w]; /* 修改当前路径长度 */
P[w] = k;
}
}
}
}
#pragma endregion
同样是三个部分。初始化+大循环内子循环1+大循环内子循环2
零:final[v] = 0; D[v] = G.arc[v0][v];P[v] = -1;
一:min = D[w]; k = w;
二:P[w] = k; D[w] = min + G.arc[k][w];
求单源点到其他点,时间复杂度O(n2)。如果求图中任意两点,每个点来一次,存起来。O(n3)
完整的Dijkstra求最短路径代码
from大话数据结构
#include "stdio.h"
#include "stdlib.h"
#include "io.h"
#include "math.h"
#include "time.h"
#define OK 1
#define ERROR 0
#define TRUE 1
#define FALSE 0
#define MAXEDGE 20
#define MAXVEX 20
#define INFINITY 65535
typedef int Status; /* Status是函数的类型,其值是函数结果状态代码,如OK等 */
typedef struct
{
int vexs[MAXVEX];
int arc[MAXVEX][MAXVEX];
int numVertexes, numEdges;
}MGraph;
typedef int Patharc[MAXVEX]; /* 用于存储最短路径下标的数组 */
typedef int ShortPathTable[MAXVEX];/* 用于存储到各点最短路径的权值和 */
/* 构件图 */
void CreateMGraph(MGraph *G)
{
int i, j;
/* printf("请输入边数和顶点数:"); */
G->numEdges=16;
G->numVertexes=9;
for (i = 0; i < G->numVertexes; i++)/* 初始化图 */
{
G->vexs[i]=i;
}
for (i = 0; i < G->numVertexes; i++)/* 初始化图 */
{
for ( j = 0; j < G->numVertexes; j++)
{
if (i==j)
G->arc[i][j]=0;
else
G->arc[i][j] = G->arc[j][i] = INFINITY;
}
}
G->arc[0][1]=1;
G->arc[0][2]=5;
G->arc[1][2]=3;
G->arc[1][3]=7;
G->arc[1][4]=5;
G->arc[2][4]=1;
G->arc[2][5]=7;
G->arc[3][4]=2;
G->arc[3][6]=3;
G->arc[4][5]=3;
G->arc[4][6]=6;
G->arc[4][7]=9;
G->arc[5][7]=5;
G->arc[6][7]=2;
G->arc[6][8]=7;
G->arc[7][8]=4;
for(i = 0; i < G->numVertexes; i++)
{
for(j = i; j < G->numVertexes; j++)
{
G->arc[j][i] =G->arc[i][j];
}
}
}
/* Dijkstra算法,求有向网G的v0顶点到其余顶点v的最短路径P[v]及带权长度D[v] */
/* P[v]的值为前驱顶点下标,D[v]表示v0到v的最短路径长度和 */
void ShortestPath_Dijkstra(MGraph G, int v0, Patharc *P, ShortPathTable *D)
{
int v,w,k,min;
int final[MAXVEX];/* final[w]=1表示求得顶点v0至vw的最短路径 */
for(v=0; v<G.numVertexes; v++) /* 初始化数据 */
{
final[v] = 0; /* 全部顶点初始化为未知最短路径状态 */
(*D)[v] = G.arc[v0][v];/* 将与v0点有连线的顶点加上权值 */
(*P)[v] = -1; /* 初始化路径数组P为-1 */
}
(*D)[v0] = 0; /* v0至v0路径为0 */
final[v0] = 1; /* v0至v0不需要求路径 */
/* 开始主循环,每次求得v0到某个v顶点的最短路径 */
for(v=1; v<G.numVertexes; v++)
{
min=INFINITY; /* 当前所知离v0顶点的最近距离 */
for(w=0; w<G.numVertexes; w++) /* 寻找离v0最近的顶点 */
{
if(!final[w] && (*D)[w]<min)
{
k=w;
min = (*D)[w]; /* w顶点离v0顶点更近 */
}
}
final[k] = 1; /* 将目前找到的最近的顶点置为1 */
for(w=0; w<G.numVertexes; w++) /* 修正当前最短路径及距离 */
{
/* 如果经过v顶点的路径比现在这条路径的长度短的话 */
if(!final[w] && (min+G.arc[k][w]<(*D)[w]))
{ /* 说明找到了更短的路径,修改D[w]和P[w] */
(*D)[w] = min + G.arc[k][w]; /* 修改当前路径长度 */
(*P)[w]=k;
}
}
}
}
int main(void)
{
int i,j,v0;
MGraph G;
Patharc P;
ShortPathTable D; /* 求某点到其余各点的最短路径 */
v0=0;
CreateMGraph(&G);
ShortestPath_Dijkstra(G, v0, &P, &D);
printf("最短路径倒序如下:\n");
for(i=1;i<G.numVertexes;++i)
{
printf("v%d - v%d : ",v0,i);
j=i;
while(P[j]!=-1)
{
printf("%d ",P[j]);
j=P[j];
}
printf("\n");
}
printf("\n源点到各顶点的最短路径长度为:\n");
for(i=1;i<G.numVertexes;++i)
printf("v%d - v%d : %d \n",G.vexs[0],G.vexs[i],D[i]);
return 0;
}
感觉算法优化空间很大,毕竟很多点不用重复遍历。
有空再学。