6.4.1最小生成树

news2025/5/26 5:56:42

知识总览

生成树(一定是连通的):

是连通的无向图的一个子图,子图包含这个无向图的所有顶点+有n-1条边(少一条边,生成树就不连通了)即为生成树,一个连通图可能有多个生成树

最小生成树(最小代价树):

只有连通的无向图才有生成树,不连通的无向图有多个连通分量,每个连通分量有生成树,合起来叫生成森林,单个的不连通的无向图没有生成树

如果一个连通的无向图本身就是一棵树,那最小生成树就是它本身

 

求最小生成树:

同一个图可能有多个最小生成树,虽然形态不同,但是生成的最小生成树的各个边的权值之和都是最小的

 

prim(普里姆算法):

概念:

从任意一个顶点出发构建最小生成树,每次都把权值最小的边连接的顶点纳入到生成树里,直到所有顶点都被纳入进去

过程:

假设从如下P城出发开始构建生成树,此时生成树里只有P城顶点,与P城相连的权值最小的顶点为学校1,把P城->学校边标红,此时生成树里的顶点有P城、学校,与P城、学校相连的权值最小的边是矿场或渔村都是4,假设选择矿场把P城->矿场边标红,此时生成树里的顶点有P城、学校、矿场,与P城、学校、矿场相连的权值最小的边为渔村2,生成树里的顶点有P城、学校、矿场、渔村,把矿场->渔村边标红,与P城、学校、矿场、渔村相连的权值最小的边为农场5,生成树里的顶点有P城、学校、矿场、渔村、农场,把P城->农场边标红,与P城、学校、矿场、渔村、农场相连的权值最小的边为电站3,把农场->电站边标红,生成树里的顶点有P城、学校、矿场、渔村、农场、电站。至此所有顶点纳入到生成树,最小生成树生成,权值为各边权值之和1+4+2+5+3=15

假设从如下P城出发开始构建生成树,此时生成树里只有P城顶点,与P城相连的权值最小的顶点为学校1,把P城->学校边标红,此时生成树里的顶点有P城、学校,与P城、学校相连的权值最小的边是矿场或渔村都是4,假设选择渔村把P城->渔村边标红,此时生成树里的顶点有P城、学校、渔村,与P城、学校、渔村连的权值最小的边为矿场2,生成树里的顶点有P城、学校、矿场、渔村,把渔村->矿场边标红,与P城、学校、渔村、矿场相连的权值最小的边为农场5,生成树里的顶点有P城、学校、渔村、矿场、农场,把P城->农场边标红,与P城、学校、渔村、矿场、农场相连的权值最小的边为电站3,把农场->电站边标红,生成树里的顶点有P城、学校、渔村、矿场、农场、电站。至此所有顶点纳入到生成树,最小生成树生成,权值为各边权值之和1+4+2+5+3=15

两个从P城出发的最小生成树形态不同,但是权值之和一样,即一个图的最小生成树有多个

如图(最后一个图)为从农场出发的最小生成树,最后权值之和=15

 

 Kruskal(克鲁斯卡尔算法):

注意连通不是2个顶点直接相连,而是有从一个顶点到另外一个顶点的路径,即A、B、C三个顶点,A->B->C也叫做A和C连通

概念:

每次都找权值最小的边,直到所有的边对应的2个顶点都连通(有路径,不是直接相连)

过程:

各个顶点没有连通所以是虚线,每次选权值最小的边,如下图开始权值最小为1,即把P城和学校标红连通,去掉权值1,然后剩余权值最小为2即把矿场和渔村标红连通,去掉权值2,剩余权值最小为3即把农场和电站标红连通,去掉权值3,剩余权值最小为4即P城和矿场或者P城和渔村,假设选择P城和矿场即把P城和矿场标红连通,去掉权值4,剩余权值最小为4,但是P城和渔村已经连通,即P城->矿场->渔村,故去掉P城->渔村权值4,剩余权值最小为5,即把矿P城和农场标红连通,此时如下图所有节点都已连通,最小生成树生成,权值之和为1+2+3+4+5=15跟普利姆算法同

如下所示假如先选择P城和渔村相连最后最小生成树形态和上述不同,但是权值之和应该还是15

 普里姆算法和克鲁斯卡尔算法比较:

普里姆算法是从顶点开始,致力于把顶点都纳入到生成树,时间复杂度只和顶点有关系为O(v²),适用于边稠密图(为啥?因为边稠密可能顶点少,时间复杂度低,跟邻接矩阵差不多?),克鲁斯卡尔算法是每次找边,致力于把边都连通,时间复杂度只和边有关系为O(Elog2|E|),适用于边稀疏图(因为边稀疏时间复杂度低)

普利姆算法时间复杂度:每次都要把一个未加入生成树的顶点加入到生成树,共有n个顶点遍历n-1次,每次遍历的时候要再遍历一遍lowCost数组去处理各个顶点的最小代价,所以是双层for循环,所以时间复杂度是O(v²)【大概是吧,想不出来。。。。。】

克鲁斯卡尔算法时间复杂度:每次都要用并查集遍历所有的边查询变对应的2个顶点是否属于一个集合,不是一个集合就把2个顶点边标红放到生成树,假设边数为e,每条边使用并查集时间开销为log2e,则一共时间复杂度是O(elog2e)。。。。。。。。。

prim普利姆算法实现思想:

时间开销计算在上边

初始化:2个数组,isJoin数组记录已经加入生成树的节点,lowCost数组记录要加入当前生成树各个节点花费的代价,初始化时vo已经加入生成树,其他顶点还没加入生成树,vo和v1直接相连有一条边权值为6,则加入当前生成树V1花费代价为6,v0和V2相连边上的权值为5,则v2加入当前生成树花费代价为5,同理v3代价为1,v4和v5并不和v0直接相连,所以认为花费代价是∞

第一轮处理:循环遍历isJoin数组找到没加入生成树的节点+从lowCost数组找到未加入节点花费最小的节点加入生成树,由初始化过程知道没加入+加入花费最小节点为V3,即把V3加入节点,修改剩余未加入生成树节点的最小花费代价,目前V0、V3已加入生成树,v3和v1相连花费代价为5,比v0和v1相连代价6要小,更新v1加入生成树代价为5,v3和v2相连权值为4比v0和V2相连代价5小,更新v2加入生成树代价为4,v3和V4相连权值为6比V0和V4不相连代价∞小,更新v4加入生成树代价为6,同理更新V5加入生成树代价为4

第二轮:上同第一轮

第三轮:上同第一轮

第4轮:上同第一轮

第5轮:上同第一轮

 

卡鲁斯卡尔算法思想:

时间开销计算在上边

初始化:因为每次找的都是权值最小的边,所以先将各个边按权值大小排序

第一轮:检查第一条边的2个顶点是否连通,不连通连起来,是否连通用并查集判断,听说是开始这俩顶点因为不连通分别属于各个集合,当连通了就把这俩顶点放到一个集合上了,所以集合1{V0,V3}

第2轮:检查第2条边的2个顶点是否连通,不连通连起来,上同第一轮,V2V5开始不连通,连通后放到同一集合{V2,V5}

第3轮:检查第3条边的2个顶点是否连通,不连通连起来,上同第一轮,V1V4开始不连通,连通后放到同一集合{V1,V4}

第4轮:检查第4条边的2个顶点是否连通,不连通连起来,上同第一轮,V2V3开始不连通,连通后放到同一集合{V0,V3,V2}、{V2,V5、V3}

第4轮:检查第5条边的2个顶点是否连通,不连通连起来,上同第一轮,V3V5已经连通,连通的就跳过(因为上边这俩顶点已经在同一个集合了)

第5轮:上同

第6轮:上同,每次都检查该条边连接的2个顶点是否是同一个集合,不是就选上纳入到生成树

 

知识回顾:

 

。。。。。。。。。。。。。。。。 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2385879.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

DARLR用于具有动态奖励的推荐系统的双智能体离线强化学习(论文大白话)

1. 概述 离线强化学习是现在强化学习研究的一个重点。相比与传统的强化学习它不需要大量的实时交互数据,仅仅依赖历史交互日志就可以进行学习。本文就是将离线强化学习用于推荐系统的一篇文章。 这篇文章主要解决的核心问题有以下几个: 1)…

第35节:PyTorch与TensorFlow框架对比分析

引言 在深度学习领域,PyTorch和TensorFlow无疑是当前最受欢迎的两大开源框架。 自2015年TensorFlow由Google Brain团队发布,以及2016年Facebook的AI研究团队推出PyTorch以来,这两个框架一直在推动着深度学习研究和工业应用的发展。 本文将从多个维度对这两个框架进行详细对…

企业级智能体 —— 企业 AI 发展的下一个风口?

在AI技术迅猛发展的当下,企业对AI的应用不断深入。企业级智能体逐渐受到关注,它会是企业AI发展的下一个风口吗?先来看企业典型的AI应用场景,再深入了解企业级智能体。 企业典型AI应用场景 1. 内容生成:2025年&#xf…

【软考向】Chapter 2 程序设计语言基础知识

程序设计语言概述低级语言 —— 机器指令、汇编语言高级语言 ——翻译:汇编、解释和编译语言处理程序基础 —— 翻译给计算机,汇编、编译、解释三类编译程序基本原理 —— 词法分析、语法分析、语义分析、中间代码生成、代码优化、目标代码生成文法和语言的形式描述确定的有限…

JavaWeb:SpringBootAOP切面实现统计方法耗时和源码解析

介绍 快速入门 1.导入依赖 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-aop</artifactId> </dependency>2.切面类java Slf4j Aspect Component public class RecordTimeApsect {/*** 统计耗…

RabbitMQ的其中工作模式介绍以及Java的实现

文章目录 前文一、模式介绍1. 简单模式2. 工作队列模式3. 广播模式4. 路由模式5. 通配符模式6. RPC模式7. 发布确认模式 二、代码实现1、简单模式2、工作队列模式生产者消费者消费者 1消费者 2 3、广播模式 (Fanout Mode)生产者消费者 4、路由模式 (Direct Mode)生产者消费者 5…

vue2项目搭建

作者碎碎念&#xff1a;开历史倒车了&#xff0c;没想到不兼容&#xff0c;只能从vue3->vue2了。 1 vue3和vue2 这部分参考了官网的《vue3迁移指南》&#xff1a;Vue 3 的支持库进行了重大更新。以下是新的默认建议的摘要: 新版本的 Router, Devtools & test utils 来…

Spring AI 源码解析:Tool Calling链路调用流程及示例

Tool工具允许模型与一组API或工具进行交互&#xff0c;增强模型功能&#xff0c;主要用于&#xff1a; 信息检索&#xff1a;从外部数据源检索信息&#xff0c;如数据库、Web服务、文件系统或Web搜索引擎等 采取行动&#xff1a;可用于在软件系统中执行特定操作&#xff0c;如…

2025年- H48-Lc156 --236. 二叉树的最近公共祖先(递归、深搜)--Java版

1.题目描述 递归终止条件&#xff1a; 如果当前节点 root 为 null&#xff0c;表示到达了叶子节点的空子树&#xff1b; 如果当前节点是 p 或 q&#xff0c;就返回它&#xff08;因为从这里可以回溯寻找公共祖先&#xff09;。 2.思路 &#xff08;1&#xff09; 如果当前节…

Hertz+Kitex快速上手开发

本篇文章以用户注册接口为例&#xff0c;快速上手HertzKitex 以用户注册接口来演示hertz结合kitex实现网关微服务架构的最简易版本 项目结构 api- gateway&#xff1a;网关实现&#xff0c;这里采用hertz框架 idl&#xff1a;接口定义用来生成kitex代码 kitex_gen&#xff…

机器学习课程设计报告 —— 基于二分类的岩石与金属识别模型

机器学习课程设计报告 题 目&#xff1a; 基于二分类的岩石与金属识别模型 专 业&#xff1a; 机器人工程 学生姓名&#xff1a; XXX 指导教师&#xff1a; XXX 完成日期&#xff1a…

分词算法BPE详解和CLIP的应用

一、TL&#xff1b;DR BPE通过替换相邻最频繁的字符和持续迭代来实现压缩CLIP对text进行标准化和预分词后&#xff0c;对每一个单词进行BPE编码和查表&#xff0c;完成token_id的转换 二、BPE算法 2.1 核心思想和原理 paper&#xff1a;Neural Machine Translation of Rare…

STM32F103_Bootloader程序开发02 - Bootloader程序架构与STM32F103ZET6的Flash内存规划

导言 在工业设备和机器人项目中&#xff0c;固件远程升级能力已成为提升设备维护性与生命周期的关键手段。本文将围绕STM32平台&#xff0c;系统性介绍一个简洁、可靠的Bootloader程序设计思路。 我们将Bootloader核心流程划分为五大功能模块&#xff1a; 启动入口与升级模式判…

通过Auto平台与VScode搭建远程开发环境(以Stable Diffusion Web UI为例)

文章目录 Stable Diffusion Web UI一、&#x1f3af;主要功能概述二、&#x1f9e0;支持的主要模型体系三、&#x1f4e6;安装方式简述✅ 一、前提准备✅ 二、安装步骤混乱版本&#xff08;仅用于记录测试过程&#xff09;第一步&#xff1a;克隆仓库&#xff08;使用清华大学镜…

Unity 打包程序全屏置顶无边框

该模块功能: 1. 打包无边框 2. 置顶 3. 不允许切屏 4.多显示器状态下,程序只在主显示上运行 5.全屏 Unity 打包设置: 如果更改打包设置,最好将Version版本增加一下,否则可能不会覆盖前配置文件 代码: 挂在场景中即可 using UnityEngine; using System; // 确保这行存…

GAMES104 Piccolo引擎搭建配置

操作系统&#xff1a;windows11 家庭版 inter 17 12 th 显卡&#xff1a;amd 运行内存&#xff1a;>12 1、如何构建&#xff1f; 在github下载&#xff1a;网址如下 https://github.com/BoomingTech/Piccolo 下载后安装 git、vs2022 Git Visual Studio 2022 IDE - …

用service 和 SCAN实现sqlplus/jdbc连接Oracle 11g RAC时负载均衡

说明 11.2推出的SCAN &#xff0c;简化了客户端连接&#xff08;当增加或者减少RAC实例时&#xff0c;不需要修改客户端配置&#xff0c;并且scan listener有各个实例的负载情况&#xff0c;可以实现连接时负载均衡。 不过客户端需要使用专门建立的service,而不能用RAC数据库…

防火墙流量管理

带宽管理介绍 针对企业用户流量&#xff0c;防火墙提供了带宽管理功能&#xff0c;基于出/入接口、源/目的安全区域、源/目的地址、时间段、报文DSCP优先级等信息&#xff0c;对通过自身的流量进行管理和控制。 带宽管理提供带宽限制、带宽保证和连接数限制功能&#xff0c;可…

Linux系统移植①:uboot概念

Linux系统移植①&#xff1a;uboot概念 uboot概念 1、uboot是一个比较复杂的裸机程序。 2、uboot就是一个bootloader,作用就是用原于启动Linux或其他系统。uboot最主要的工作就是初始化DDR。因为Linux是运行再DDR里面的。一般Linux镜像zImage&#xff08;uImage&#xff09;设…

DAY 35

import torch import torch.nn as nn import torch.optim as optim from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.preprocessing import MinMaxScaler import time import matplotlib.pyplot as plt# 设置GPU设…