斯坦纳树小结

斯坦纳树

网上关于这玩意儿的资料不是很多

度娘的定义

斯坦纳树问题是组合优化问题,与最小生成树相似,是最短网络的一种。
最小生成树是在给定的点集和边中寻求最短网络使所有点连通。
而最小斯坦纳树允许在给定点外增加额外的点,使生成的最短网络开销最小。

我个人认为这玩意儿应该是某一类没有多项式解法的最小生成树问题,然后可以用状压DP求解

直接从一道题目入手

 

 

[WC2008]游览计划

链接

这应该算是斯坦纳树的板子题了

我们令$f[i][sta]$表示$i$号节点,与其他节点的联通性为$sta$时的最小代价,这里的$sta$是一个二进制数,在它二进制下的每一位中,$0$表示不连通,$1$表示联通

那么转移的时候会有两种情况

  • 由子集转移而来

方程为$$f[i][sta] = \min_{s \in sta}\{f[i][s] + f[i][\complement_ssta] - val[i]\}$$

后面的减是防止加重

这里在枚举子集的时候有一个技巧

 for(int s = sta; s; s = (s - 1) & sta) 

这样可以枚举出sta的所有子集

  • 由不含该节点的状态转移而来

 转移方程为

其中$i$为新加入的节点

$$f[i][j] = \min\{f[k][j] + val[i]\}$$

大家看到这个方程有没有一种很熟悉的感觉?

是不是很像三角形不等式?

因此,我们可以用SPFA进行这种转移

 

完整代码

// luogu-judger-enable-o2
// luogu-judger-enable-o2
#include<cstdio>
#include<queue>
#include<cstring>
using namespace std;
const int limit = 1050;
const int INF = 1e9;
inline int read() {
    char c = getchar(); int x = 0, f = 1;
    while(c < '0' || c > '9') {if(c == '-') f = -1; c = getchar();}
    while(c >= '0' && c <= '9') {x = x * 10 + c - '0'; c = getchar();}
    return x * f;
}
#define MP(i,j) make_pair(i,j)
#define se second
#define fi first
#define Pair pair<int,int>
int N, M, tot = 0;
int a[12][12], f[12][12][limit];
int xx[5] = {-1, +1, 0, 0};
int yy[5] = {0, 0, -1, +1};
int vis[12][12];
struct PRE {
    int x, y, S;
}Pre[12][12][limit];
queue<Pair>q;
void SPFA(int cur) {
    while(q.size() != 0) {
        Pair p = q.front();q.pop();
        vis[p.fi][p.se] = 0;
        for(int i = 0; i <4; i++) {
            int wx = p.fi + xx[i], wy = p.se + yy[i];
            if(wx < 1 || wx > N || wy < 1 || wy > M) continue;
            if(f[wx][wy][cur] > f[p.fi][p.se][cur] + a[wx][wy]) {
                f[wx][wy][cur] = f[p.fi][p.se][cur] + a[wx][wy];
                Pre[wx][wy][cur] = (PRE){p.fi, p.se, cur};
                if(!vis[wx][wy])
                    vis[wx][wy] = 1, q.push(MP(wx,wy));
            }
        }
    }
}
void dfs(int x, int y, int now) {
    vis[x][y] = 1;
    PRE tmp = Pre[x][y][now];
    if(tmp.x == 0 && tmp.y == 0) return;
    dfs(tmp.x, tmp.y, tmp.S);
    if(tmp.x == x && tmp.y == y) dfs(tmp.x, tmp.y, now - tmp.S);
}
int main() {
    //freopen("a.in", "r", stdin);
    N = read(); M = read();
    memset(f, 0x3f, sizeof(f));
    for(int i = 1; i <= N; i++)
        for(int j = 1; j <= M; j++) {
            a[i][j] = read();
            if(a[i][j] == 0)
                f[i][j][1 << tot] = 0, tot++;
        }
    int limit = (1 << tot) - 1;
    for(int sta = 0; sta <= limit; sta++) {
        for(int i = 1; i<= N; i++)
            for(int j = 1; j <= M;j++) {
                for(int s = sta; s; s = (s - 1) & sta) {
                    if(f[i][j][s] + f[i][j][sta - s] - a[i][j] < f[i][j][sta])
                        f[i][j][sta] = f[i][j][s] + f[i][j][sta - s] - a[i][j],
                        Pre[i][j][sta] = (PRE){i,j,s};
                }
                if(f[i][j][sta] < INF) q.push(MP(i,j)), vis[i][j] = 1;
            }
        SPFA(sta);
    }
    int ansx, ansy, flag = 0;
    for(int i = 1; i <= N && !flag; i++)
        for(int j = 1; j <= M; j++)
            if(!a[i][j]) 
                {ansx = i, ansy = j; flag = 1; break;}
    printf("%d\n",f[ansx][ansy][limit]); 
    memset(vis, 0, sizeof(vis));
    dfs(ansx, ansy, limit);
    for(int i = 1; i <= N; i++, puts("")) {
        for(int j = 1; j <= M; j++) {
            if(a[i][j] == 0) putchar('x');
            else if(vis[i][j]) putchar('o');
            else putchar('_');            
        } 
    } 
    return 0;
}

 

 

 

### 回答1: Python实现最小斯坦纳树的代码可以使用Prim算法来解决。具体实现如下: ```python import sys # 为了方便表示图的邻接矩阵,使用无穷大代表不可达 inf = sys.maxsize def prim(graph): num_vertices = len(graph) key = [inf] * num_vertices # 记录顶点到最小生成树的最小权值边 parent = [None] * num_vertices # 记录最小生成树中顶点的父节点 visited = [False] * num_vertices # 记录顶点是否已访问 # 将第一个顶点设为起始顶点 key[0] = 0 for _ in range(num_vertices): # 找到未访问的顶点中键值最小的顶点 min_key = inf min_vertex = None for v in range(num_vertices): if not visited[v] and key[v] < min_key: min_key = key[v] min_vertex = v # 将找到的顶点标记为已访问 visited[min_vertex] = True # 更新顶点的最小权值边和父节点 for v in range(num_vertices): if not visited[v] and graph[min_vertex][v] < key[v]: key[v] = graph[min_vertex][v] parent[v] = min_vertex return parent def min_steiner_tree(graph, terminals): num_terminals = len(terminals) # 构建终端间的最短路径图 shortest_paths = [[inf] * num_terminals for _ in range(num_terminals)] for i in range(num_terminals): for j in range(num_terminals): shortest_paths[i][j] = dijkstra(graph, terminals[i], terminals[j]) # 在最短路径图上生成最小斯坦纳树 steiner_tree = [[inf] * num_terminals for _ in range(num_terminals)] for i in range(num_terminals): for j in range(num_terminals): if i == j: steiner_tree[i][j] = 0 else: for k in range(num_terminals): steiner_tree[i][j] = min(steiner_tree[i][j], shortest_paths[i][k] + shortest_paths[k][j]) # 使用Prim算法生成最小生成树 parent = prim(steiner_tree) return parent # 测试代码 graph = [[0, 7, 9, inf, inf, 14], [7, 0, 10, 15, inf, inf], [9, 10, 0, 11, inf, 2], [inf, 15, 11, 0, 6, inf], [inf, inf, inf, 6, 0, 9], [14, inf, 2, inf, 9, 0]] terminals = [0, 2, 4] parent = min_steiner_tree(graph, terminals) print(parent) ``` 此代码是使用Prim算法在最短路径图上生成最小斯坦纳树。输入的图是一个邻接矩阵,其中inf表示顶点之间不可达。terminals是终端节点的列表。输出是一个列表,表示每个顶点在生成的最小斯坦纳树中的父节点。 ### 回答2: Python实现最小斯坦纳树的代码可以使用图的最小生成树算法和动态规划的思想。 首先,我们可以使用Prim算法或Kruskal算法找到图的最小生成树,即连接所有顶点的最小权重的子图。 接下来,对于每一条边,我们通过遍历所有顶点集合的子集来找到最小斯坦纳树。子集的大小从1开始递增,直到包含所有顶点为止。 对于每个子集,我们通过动态规划的方法来找到连接子集中所有顶点的最小权重的边。 具体的实现步骤如下: 1. 使用Prim算法或Kruskal算法找到图的最小生成树,并保存最小生成树的边集合。 2. 对于每条边e in 最小生成树的边集合: 2.1 对于每个顶点集合V'(从1个元素开始递增到总顶点数): 2.1.1 如果V'包含边e的两个顶点,则忽略该顶点集合。 2.1.2 否则,遍历V'的所有子集V'': 2.1.2.1 如果V''中不包含边e的两个顶点,则忽略该子集。 2.1.2.2 否则,计算通过V''中的顶点连接边e的权重和,并更新最小权重值和对应的边。 3. 最后得到的最小权重值和对应的边即为最小斯坦纳树的结果。 以下是一个简单的Python代码示例: ```python import math def minimum_steiner_tree(graph): n = len(graph) inf = float('inf') dp = [[inf] * n for _ in range(1 << n)] for v in range(n): dp[1 << v][v] = 0 for S in range(1 << n): for v in range(n): for u in range(n): dp[S | (1 << u)][u] = min(dp[S | (1 << u)][u], dp[S][v] + graph[v][u]) return min(dp[-1]) # 测试代码 graph = [[0, 2, 3, math.inf], [2, 0, 1, 3], [3, 1, 0, 2], [math.inf, 3, 2, 0]] result = minimum_steiner_tree(graph) print("最小斯坦纳树的权重为:", result) ``` 权重矩阵graph表示的是无向图的邻接矩阵,math.inf表示无穷大,表示两个顶点之间没有边。代码中的结果为最小斯坦纳树的权重。 ### 回答3: Python最小斯坦纳树的代码可以通过使用Dijkstra算法和回溯法来实现。以下是一个可能的实现: ```python import sys def dijkstra(graph, src): n = len(graph) dist = [sys.maxsize] * n dist[src] = 0 visited = [False] * n for _ in range(n): u = min_distance(dist, visited) visited[u] = True for v in range(n): if graph[u][v] > 0 and not visited[v] and dist[v] > dist[u] + graph[u][v]: dist[v] = dist[u] + graph[u][v] return dist def min_distance(dist, visited): min_dist = sys.maxsize min_index = -1 for v in range(len(dist)): if not visited[v] and dist[v] < min_dist: min_dist = dist[v] min_index = v return min_index def tsp_solver(graph, start): n = len(graph) tsp_path = None tsp_cost = sys.maxsize def tsp_recursion(curr_node, visited, current_path, current_cost): nonlocal tsp_path, tsp_cost if len(visited) == n: if graph[curr_node][start] > 0: current_cost += graph[curr_node][start] current_path.append(start) if current_cost < tsp_cost: tsp_cost = current_cost tsp_path = current_path.copy() current_path.pop() current_cost -= graph[curr_node][start] return for next_node in range(n): if next_node not in visited: new_path = current_path.copy() new_path.append(next_node) tsp_recursion(next_node, visited + [next_node], new_path, current_cost + graph[curr_node][next_node]) tsp_recursion(start, [start], [start], 0) return tsp_path, tsp_cost def min_steiner_tree(graph, terminals): n = len(graph) t = len(terminals) dp = [[sys.maxsize] * t for _ in range(1 << t)] # 动态规划表格 path = [[None] * t for _ in range(1 << t)] # 记录路径 for i in range(t): dist = dijkstra(graph, terminals[i]) for j in range(t): dp[1 << i][j] = dist[terminals[j]] for i in range(1 << t): for j in range(t): if dp[i][j] == sys.maxsize: continue for k in range(t): if (i >> k) & 1 == 0 and dp[i][j] + dp[1 << k | i][k] < dp[1 << k | i][k]: dp[1 << k | i][k] = dp[i][j] + dp[1 << k | i][k] path[1 << k | i][k] = j min_cost = sys.maxsize min_path = None for i in range(t): if dp[(1 << t) - 1][i] < min_cost: min_cost = dp[(1 << t) - 1][i] min_path = [i] while len(min_path) < t: last_node = min_path[-1] min_path.append(path[(1 << t) - 1][last_node]) min_path = [terminals[i] for i in min_path] tsp_path, tsp_cost = tsp_solver(graph, terminals[0]) min_cost += tsp_cost min_path += tsp_path[1:] return min_path, min_cost # 测试例子 graph = [ [0, 2, 3, 0, 0], [2, 0, 0, 4, 0], [3, 0, 0, 1, 3], [0, 4, 1, 0, 2], [0, 0, 3, 2, 0] ] terminals = [1, 2, 3] path, cost = min_steiner_tree(graph, terminals) print("最小斯坦纳树路径:", path) print("最小斯坦纳树总成本:", cost) ``` 这段代码通过调用`min_steiner_tree`函数来计算给定图和终端点集合的最小斯坦纳树的路径和成本。`graph`代表图的邻接矩阵,`terminals`代表终端点的列表。最后将得到的最小斯坦纳树路径和成本打印出来。
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