一、最小生成树
连通图中的每一棵生成树,都是原图的一个极大无环子图,即:从其中删去任何一条边,生成树就不在连通;反之,在其中引入任何一条新边,都会形成一条回路。
若连通图由n个顶点组成,则其生成树必含n个顶点和n-1条边。因此构造最小生成树的准则有三条:
1.只能使用图中的边来构造最小生成树
2.只能使用恰好n-1条边来连接图中的n个顶点
3.选用的n-1条边不能构成回路
构造最小生成树的方法:Kruskal算法和Prim算法。这两个算法都采用了逐步求解的贪心策略。
贪心算法:是指在问题求解时,总是做出当前看起来最好的选择。也就是说贪心算法做出的不是整体最优的的选择,而是某种意义上的局部最优解。贪心算法不是对所有的问题都能得到整体最优解。
二、Kruskal算法
任给一个有n个顶点的连通网络N={V,E},首先构造一个由这n个顶点组成、不含任何边的图G={V,NULL},其中每个顶点自成一个连通分量,其次不断从E中取出权值最小的一条边(若有多条任取其一),若该边的两个顶点来自不同的连通分量,则将此边加入到G中。如此重复,直到所有顶点在同一个连通分量上为止。
核心:每次迭代时,选出一条具有最小权值,且两端点不在同一连通分量上的边,加入生成树。
在图23-1上执行Kruskal算法的过程。加了阴影的边属于不断增长的森林A。该算法按照边的权重大小依次进行考虑。箭头指向的边是算法每一步所考察的边。如果该条边将两棵不同的树连接起来,它就被加入到森林里,从而完成对两棵树的合并
我们对使用领接矩阵实现的图来查找最小生成树
代码实现:
// 临接矩阵
namespace Matrix
{
template <class V, class W, W MAX_W = INT_MAX, bool Direction = false>
class Graph
{
typedef Graph<V, W, MAX_W, Direction> Self;
private:
std::vector<V> _vertexs; // 顶点集合
std::map<V, size_t> _vIndexMap; // 顶点的下标映射关系
std::vector<std::vector<W>> _matrix; // 存储边集合的矩阵
struct Edge
{
size_t _srci;
size_t _dsti;
W _w;
Edge(size_t srci, size_t dsti, const W &w)
: _srci(srci), _dsti(dsti), _w(w)
{
}
bool operator>(const Edge &e) const
{
return _w > e._w;
}
};
W Kruskal(Self &minTree)
{
size_t n = _vertexs.size();
minTree._vertexs = _vertexs;
minTree._vIndexMap = _vIndexMap;
minTree._matrix.resize(n);
for (int i = 0; i < n; i++)
{
minTree._matrix[i].resize(n, MAX_W);
}
std::priority_queue<Edge, std::vector<Edge>, std::greater<Edge>> minqueue;
for (size_t i = 0; i < n; i++)
{
for (size_t j = 0; j < n; j++)
{
if (i < j && _matrix[i][j] != MAX_W)
{
minqueue.push({i, j, _matrix[i][j]});
}
}
}
// 选出n-1条边
size_t size = 0;
W totalW = W();
UnionFindSet ufs(n);
while (minqueue.size())
{
Edge min = minqueue.top();
minqueue.pop();
if (ufs.InSet(min._srci, min._dsti) == false)
{
std::cout << _vertexs[min._srci] << "->" << _vertexs[min._dsti] << ":" << min._w << std::endl;
minTree._AddEdge(min._srci, min._dsti, min._w);
ufs.Union(min._srci, min._dsti);
++size;
totalW += min._w;
}
else
{
std::cout << "构成环:";
std::cout << _vertexs[min._srci] << "->" << _vertexs[min._dsti] << ":" << min._w << std::endl;
}
}
if (size == n - 1)
return totalW;
else
return W();
}
};
}
三、Prim算法
与Kruskal算法类似,Prim 算法也是23.1节所讨论的通用最小生成树算法的一个特例。Prim 算法的工作原理与Dijkstra的最短路径算法相似(该算法将在24.3节中讨论)。Prim算法所具有的一个性质是集合A中的边总是构成一裸树。如图23-5所示,这梯树从一个任意的根结点r开始,一直长大到覆盖V中的所有结点时为止。算法每一步在连接集合A和A之外的结点的所有边中,选择一条轻量级边加入到A中。根据推论23.2,这条规则所加人的边都是对A安全的边。因此,当算法终止时,A中的边形成一棵最小生成树。本策略也属于贪心策略,因为每一步所加人的边都必须是使树的总权重增加量最小的边。
代码实现:
// 临接矩阵
namespace Matrix
{
template <class V, class W, W MAX_W = INT_MAX, bool Direction = false>
class Graph
{
typedef Graph<V, W, MAX_W, Direction> Self;
private:
std::vector<V> _vertexs; // 顶点集合
std::map<V, size_t> _vIndexMap; // 顶点的下标映射关系
std::vector<std::vector<W>> _matrix; // 存储边集合的矩阵
W Prim(Self &minTree, const V &v)
{
minTree._vertexs = _vertexs;
minTree._vIndexMap = _vIndexMap;
int n = _vertexs.size();
minTree._matrix.resize(n);
for (int i = 0; i < n; i++)
{
minTree._matrix[i].resize(n, MAX_W);
}
size_t srci = GetVertexIndex(v);
// 标记数组,将顶点分为两个部分,一个是一个加入最小生成树的部分,一个是未加入的
std::vector<bool> X(n, false);
std::vector<bool> Y(n, true);
X[srci] = true;
Y[srci] = false;
std::priority_queue<Edge, std::vector<Edge>, std::greater<Edge>> minq;
for (size_t i = 0; i < n; i++)
{
if (_matrix[srci][i] != MAX_W)
{
minq.push({srci, i, _matrix[srci][i]});
}
}
size_t size = 0;
W totalW = W();
while (minq.size())
{
Edge min = minq.top();
minq.pop();
size_t srci = min._srci;
size_t dsti = min._dsti;
if (X[min._dsti])
{
std::cout << "构成环:";
std::cout << _vertexs[srci] << "->" << _vertexs[dsti] << ":" << _matrix[srci][dsti] << std::endl;
}
else
{
minTree._AddEdge(srci, dsti, _matrix[srci][dsti]);
std::cout << _vertexs[srci] << "->" << _vertexs[dsti] << ":" << min._w << std::endl;
X[dsti] = true;
Y[dsti] = false;
++size;
totalW += _matrix[srci][dsti];
if (size == n - 1)
break;
for (size_t i = 0; i < n; i++)
{
if (_matrix[dsti][i] != MAX_W && Y[i])
{
minq.push({dsti, i, _matrix[dsti][i]});
}
}
}
}
if (size == n - 1)
{
return totalW;
}
else
return W();
}
};
}
测试代码:
void TestGraphMinTree()
{
const char str[] = "abcdefghi";
Graph<char, int> g(str, strlen(str));
g.AddEdge('a', 'b', 4);
g.AddEdge('a', 'h', 8);
// g.AddEdge('a', 'h', 9);
g.AddEdge('b', 'c', 8);
g.AddEdge('b', 'h', 11);
g.AddEdge('c', 'i', 2);
g.AddEdge('c', 'f', 4);
g.AddEdge('c', 'd', 7);
g.AddEdge('d', 'f', 14);
g.AddEdge('d', 'e', 9);
g.AddEdge('e', 'f', 10);
g.AddEdge('f', 'g', 2);
g.AddEdge('g', 'h', 1);
g.AddEdge('g', 'i', 6);
g.AddEdge('h', 'i', 7);
Graph<char, int> kminTree;
std::cout << "Kruskal:" << g.Kruskal(kminTree) << std::endl;
kminTree.Print();
std::cout << std::endl
<< std::endl;
Graph<char, int> pminTree;
std::cout << "Prim:" << g.Prim(pminTree, 'a') << std::endl;
pminTree.Print();
std::cout << std::endl;
for (size_t i = 0; i < strlen(str); ++i)
{
std::cout << "Prim:" << g.Prim(pminTree, str[i]) << std::endl;
}
}