[C++][数据结构][图][中][图的遍历][最小生成树]详细讲解
目录
- 1.图的遍历
- 1.广度优先遍历
- 2.深度优先遍历
- 2.最小生成树
- 1.Kruskal算法
- 2.Prim算法
1.图的遍历
- 给定一个图G和其中任意一个顶点 v 0 v_0 v0，从 v 0 v_0 v0出发，沿着图中各边访问图中的所有顶点，且每个顶 点仅被遍历一次
- “遍历”：对结点进行某种操作的意思
1.广度优先遍历
-
**例如：**现在要找东西，假设有三个抽屉，东西在哪个抽屉不清楚，现在要将其找到，广度优先遍历的做法是：
- 先将三个抽屉打开，在最外层找一遍
- 将每个抽屉中红色的盒子打开，再找一遍
- 将红色盒子中绿色盒子打开，再找一遍
- 直到找完所有的盒子
- 注意：每个盒子只能找一次，不能重复找
- 注意：每个盒子只能找一次，不能重复找
-
思考：如何防止节点被重复遍历？
- 增加一个数组，用于标记是否入过队列，这样可以防止重复遍历
void BFS(const V& src)
{size_t srci = GetVertexIndex(src);queue<int> q;vector<bool> visited(_vertexs.size(), false); // 标记数组q.push(srci);visited[srci] = true;int levelSize = 1; // 控制每层出的数量while (!q.empty()){// 一层一层出for (size_t i = 0; i < levelSize; i++){int front = q.front();q.pop();cout << front << ":" << _vertexs[front] << " ";// 把front的邻接顶点入队列for (size_t j = 0; j < _vertexs.size(); j++){if (_matrix[front][j] != MAX_W && visited[j] == false){q.push(j);visited[j] = true;}}}cout << endl;levelSize = q.size();}
}
2.深度优先遍历
- **例如：**现在要找东西，假设有三个抽屉，东西在哪个抽屉不清楚，现在要将其找到，深度优先遍历的做法是：
- 先将第一个抽屉打开，在最外层找一遍
- 将第一个抽屉中红盒子打开，在红盒子中找一遍
- 将红盒子中绿盒子打开，在绿盒子中找一遍
- 递归查找剩余的两个盒子
- **深度优先遍历：**将一个抽屉一次性遍历完(包括该抽屉中包含的小盒子)，再去递归遍历其他盒子
- 如果给的图不是连通图，以某个顶点为起点没有遍历完成，怎么保证遍历完剩下的顶点？
- 在visited数组中找没有遍历过的顶点，再次进行遍历
void _DFS(size_t srci, vector<bool>& visited)
{cout << srci << ":" << _vertexs[srci] << endl;visited[srci] = true;for (size_t i = 0; i < _vertexs.size(); i++){if (_matrix[i] != MAX_W && visited[i] == false){_DFS(i, visited);}}
}void DFS(const V& src)
{size_t srci = GetVertexIndex(src);vector<bool> visited(_vertexs.size(), false);_DFS(srci, visited);// 处理存在不连通的情况for (size_t i = 0; i < _vertexs.size(); i++){if (!visited[i]){_DFS(i, visited);}}
}
2.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：
- 只能使用图中权值最小的边来构造最小生成树
- 最小的成本让着N个顶点连通
- 只能使用恰好n-1条边来连接图中的n个顶点
- 选用的n-1条边不能构成回路
- 只能使用图中权值最小的边来构造最小生成树
- 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：
- 指在问题求解时，总是做出当前看起来最好的选择
- 即：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
- 指在问题求解时，总是做出当前看起来最好的选择
1.Kruskal算法
- 任给一个有n个顶点的连通网络 N = { V , E } N=\{V,E\} 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 , N U L L } G=\{V,NULL\} 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
- Kruskal算法是一种全局贪心的算法
- 如何判断是否形成环？
- 并查集
- 在下图执行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考察的边
- 如果该条边将两颗不同的树连接起来，它就被加入到森林里，从而完成对两棵树的合并
- 如果该条边将两颗不同的树连接起来，它就被加入到森林里，从而完成对两棵树的合并
W Kruskal(Self& minTree)
{size_t n = _vertexs.size();// 初始化minTreeminTree._vertexs = _vertexs;minTree._indexMap = _indexMap;minTree._matrix.resize(n);for (size_t i = 0; i < n; i++){minTree._matrix[i].resize(n, MAX_W);}priority_queue<Edge, vector<Edge>, greater<Edge>> minQueue;// 建堆排序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(Edge(i, j, _matrix[i][j]));}}}// 选出n-1条边size_t size = 0;W totalW = W();UnionFindSet ufs(n);while (!minQueue.empty()){Edge min = minQueue.top();minQueue.pop();// 判环 -> 并查集if (!ufs.InSameSet(min._srci, min._dsti)){cout << _vertexs[min._srci] << "->" \<< _vertexs[min._dsti] << ":" << min._w << endl;minTree._AddEdge(min._srci, min._dsti, min._w);ufs.Union(min._srci, min._dsti); // 入集size++;totalW += min._w;}else{cout << "Forming Ring: ";cout << _vertexs[min._srci] << "->" \<< _vertexs[min._dsti] << ":" << min._w << endl;}}if (size == n - 1){return totalW;}else{return W();}
}
2.Prim算法
- Prim算法的一个性质是集合A中的边总是构成一棵树，这棵树从一个任意的根节点r开始，一直长大到覆盖V中的所有结点时为止
- Prim算法思路天然避环
- 算法每一步在连续集合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
- 本策略也属于贪心策略，因为每一步所加入的边都必须是使树的总权重增加量最小的边
- Prim算法是一种局部贪心算法
- 在下图执行Prim算法的过程
- 初始的根节点为a，加阴影的边和黑色的结点都属于树A
- 在算法的每一步，树中的结点就决定了图的一个切割，横跨该切割的一条轻量级边被加入到树中
- **例如：**在途中第二步，该算法可以选择将边 ( b , c ) (b, c) (b,c)加入到树中，也可以将边 ( a , h ) (a, h) (a,h)加入到树中，因为这两条边都是横跨该切割的轻量级边
W Prim(Self& minTree, const W& src)
{size_t srci = GetVertexIndex(src);size_t n = _vertexs.size();// 初始化minTreeminTree._vertexs = _vertexs;minTree._indexMap = _indexMap;minTree._matrix.resize(n);for (size_t i = 0; i < n; i++){minTree._matrix[i].resize(n, MAX_W);}// true & false表示该元素是否在该集合内vector<bool> X(n, false);vector<bool> Y(n, true);X[srci] = true;Y[srci] = false;// 从X->Y集合中连接的边里面选出最小的边priority_queue<Edge, vector<Edge>, greater<Edge>> minQueue;// 先把srci连接的边添加到队列中for (size_t i = 0; i < n; i++){if (_matrix[srci][i] != MAX_W){minQueue.push(Edge(srci, i, _matrix[srci][i]));}}size_t size = 0;W totalW = W();while (!minQueue.empty()){Edge min = minQueue.top();minQueue.pop();// 最小边的目标也在X集合，则构成环if (X[min._dsti]){cout << "Forming Ring:";cout << _vertexs[min._srci] << "->" << _vertexs[min._dsti] << ":" << min._w << endl;}else{cout << _vertexs[min._srci] << "->" << _vertexs[min._dsti] << ":" << min._w << endl;minTree._AddEdge(min._srci, min._dsti, min._w);X[min._dsti] = true;Y[min._dsti] = false;size++;totalW += min._w;// 可能最小生成树已经生成，但是多了很多成环边，无须继续遍历if (size == n - 1){break;}// 将目标顶点连接的边加入到队列中for (size_t i = 0; i < n; i++){if (_matrix[min._dsti][i] != MAX_W && Y[i]){minQueue.push(Edge(min._dsti, i, _matrix[min._dsti][i]));}}}}// 实际不一定存在最小生成树if (size == n - 1){return totalW;}else{return W();}
}