斯坦纳树 Steiner Tree

119 篇文章 4 订阅

前言:
以前在看学姐blog的时候,发现在动态规划中有一个叫斯坦纳树的部分

前辈的blog
论文

斯坦纳树

斯坦纳树问题是组合优化问题,是最短网络的一种
其实最小生成树是最小斯坦纳树的一种特殊情况
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

问题的提出

平原上的三个城镇间要兴建一个公用的煤气供应站,在选址问题上,要考虑的主要问题是使由供应站到三个城镇的输送管道的总长最短。如何去寻找合适地点?

假若要建的是一个垃圾处理站,要修建三条公路将垃圾站与三个城镇连起来
这时,因为三个城镇的居民的数目或工业性质等的不同,每天运送垃圾使用的车辆数目 各不相同,运输的费用也就各异。因此,选取地点时,如果仍考虑使三条公路的总长最小,就不合理了
这时应该考虑:先计算出三个城镇单位时间内生产的垃圾数量的百分比(或每日运输费用的百分比),如何选取地点,使得每个城镇垃圾运输数量与公路里程的乘积之和为最小

1638年,法国数学家费马在他所写的一本关于求极值的书中就有了第一个问题,称为费马问题
第二个问题则到了18世纪中叶才由辛普森(A.R.Simpson)提出来

性质

PollakGilbert P o l l a k − G i l b e r t 猜想:
平面上任意n点集,斯坦纳最小树长与最小生成树之长的比值的最小值是 sqrt(3)2 s q r t ( 3 ) 2

求解

这个问题比较现实,没有太多需要解释的地方
我们直接看解决方法:

首先我们知道,最优解必然是一棵树,这棵树又是由若干棵子树合并成的,
于是我们可以状态压缩, k k 个节点的连通状态用一个二进制数j表示
dp[i][j]表示以i为根,与对应状态为 j j 的节点连通的子树的最小权值

有两种转移方法:

  • 枚举子树的形态:dp[i][j]=min(dp[i][j]dp[i][k]+dp[i][l]),其中 k k l是对j的一个划分

    • 按照边进行松弛: dp[i][j]=min(dp[i][j]dp[i][j]+w[i][i]) d p [ i ] [ j ] = m i n ( d p [ i ] [ j ] , d p [ i ′ ] [ j ] + w [ i ] [ i ′ ] ) ,其中 i i i之间有边相连
    • 对于第一种转移,我们直接枚举子集就行了
      对于第二种转移,我们仔细观察可以发现这个方程和最短路的约束条件是很类似的,于是我们可以用spfa或者dijkstra来进行状态转移

      枚举子集的复杂度 =nC(ki)2i=n3k = n ∗ ∑ C ( k , i ) ∗ 2 i = n ∗ 3 k ,spfa的复杂度为 n2k n ∗ 2 k
      所以总复杂度为 O(n3k) O ( n ∗ 3 k )

      流程
      枚举状态集S 
      { 
           枚举S的子集s 
           { 
               更新f[S][1~n] 
           } 
           将 f[S][x]<inf 的x入队 
           spfa(S) 
      }
      

      LET US SEE THE CODE

      
      int f[1<<M][N];
      queue<int> q;
      bool in[N];
      
      void spfa(int S)
      {
          while (!q.empty())
          {
              int now=q.front(); q.pop();
              in[now]=0;
              for (int i=st[now];i;i=way[i].nxt)
              {
                  int y=way[i].y;
                  if (f[S][y]>f[S][now]+val[y])
                  {
                      f[S][y]=f[S][now]+val[y];
                      if (!in[y]) q.push(y),in[y]=1;
                  }
              }
          }
      }
      
      void work()
      {
          int cnt=0;
          memset(f,0x7f,sizeof(f));
      
          for (int i=1;i<=n;i++)
              if (!val[i]) f[1<<cnt][i]=0,cnt++;
          for (int S=1;S<(1<<cnt);S++)
          {
              for (s=(S-1)&S;s;s=(s-1)&S) 
                  for (int i=1;i<=n;i++)
                      f[S][i]=min(f[S][i],f[s][i]+f[S^s][i]-val[i]);
              for (int i=1;i<=n;i++)
                  if (f[S][i]<INF&&!in[i])
                      q.push(i),in[i]=1;
              spfa(S);
          }
      
          int ans=INF;
          for (int i=1;i<=n;i++) ans=min(ans,f[(1<<cnt)-1][i]);
          printf("%d\n",ans);
      }
  • 14
    点赞
  • 63
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 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。

“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 2
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