算法系列15天速成——第十五天 图【下】(大结局)
首先看如下图,不知道大家能总结点什么。
对于一个连通图G,如果其全部顶点和一部分边构成一个子图G1,当G1满足:
① 刚好将图中所有顶点连通。②顶点不存在回路。则称G1就是G的“生成树”。
其实一句话总结就是:生成树是将原图的全部顶点以最小的边连通的子图,这不,如下的连通图可以得到下面的两个生成树。
② 对于一个带权的连通图,当生成的树不同,各边上的权值总和也不同,如果某个生成树的权值最小,则它就是“最小生成树”。
2. 场景
实际应用中“最小生成树”还是蛮有实际价值的,教科书上都有这么一句话,若用图来表示一个交通系统,每一个顶点代表一个城市,
边代表两个城市之间的距离,当有n个城市时,可能会有n(n-1)/2条边,那么怎么选择(n-1)条边来使城市之间的总距离最小,其实它
的抽象模型就是求“最小生成树”的问题。
3. prim算法
当然如何求“最小生成树”问题,前人都已经给我们总结好了,我们只要照葫芦画瓢就是了,
第一步:我们建立集合“V,U",将图中的所有顶点全部灌到V集合中,U集合初始为空。
第二步: 我们将V1放入U集合中并将V1顶点标记为已访问。此时:U(V1)。
第三步: 我们寻找V1的邻接点(V2,V3,V5),权值中发现(V1,V2)之间的权值最小,此时我们将V2放入U集合中并标记V2为已访问,
此时为U(V1,V2)。
第四步: 我们找U集合中的V1和V2的邻接边,一阵痉挛后,发现(V1,V5)的权值最小,此时将V5加入到U集合并标记为已访问,此时
U的集合元素为(V1,V2,V5)。
第五步:此时我们以(V1,V2,V5)为基准向四周寻找最小权值的邻接边,发现(V5,V4)的权值最小,此时将V4加入到U集合并标记
为已访问,此时U的集合元素为(V1,V2,V5,V4)。
第六步: 跟第五步形式一样,找到了(V1,V3)的权值最小,将V3加入到U集合中并标记为已访问,最终U的元素为(V1,V2,V5,V4,V3),
最终发现顶点全部被访问,最小生成树就此诞生。
#region prim算法获取最小生成树 /// summary /// prim算法获取最小生成树 /// /summary /// param name="graph" /param public void Prim(MatrixGraph graph, out int sum) //已访问过的标志 int used = 0; //非邻接顶点标志 int noadj = -1; //定义一个输出总权值的变量 sum = 0; //临时数组,用于保存邻接点的权值 int[] weight = new int[graph.vertexNum]; //临时数组,用于保存顶点信息 int[] tempvertex = new int[graph.vertexNum]; //取出邻接矩阵的第一行数据,也就是取出第一个顶点并将权和边信息保存于临时数据中 for (int i = 1; i graph.vertexNum; i++) //保存于邻接点之间的权值 weight[i] = graph.edges[0, i]; //等于0则说明V1与该邻接点没有边 if (weight[i] == short.MaxValue) tempvertex[i] = noadj; else tempvertex[i] = int.Parse(graph.vertex[0]); //从集合V中取出V1节点,只需要将此节点设置为已访问过,weight为0集合 var index = tempvertex[0] = used; var min = weight[0] = short.MaxValue; //在V的邻接点中找权值最小的节点 for (int i = 1; i graph.vertexNum; i++) index = i; min = short.MaxValue; for (int j = 1; j graph.vertexNum; j++) //用于找出当前节点的邻接点中权值最小的未访问点 if (weight[j] min tempvertex[j] != 0) min = weight[j]; index = j; //累加权值 sum += min; Console.Write("({0},{1}) ", tempvertex[index], graph.vertex[index]); //将取得的最小节点标识为已访问 weight[index] = short.MaxValue; tempvertex[index] = 0; //从最新的节点出发,将此节点的weight比较赋值 for (int j = 0; j graph.vertexNum; j++) //已当前节点为出发点,重新选择最小边 if (graph.edges[index, j] weight[j] tempvertex[j] != used) weight[j] = graph.edges[index, j]; //这里做的目的将较短的边覆盖点上一个节点的邻接点中的较长的边 tempvertex[j] = int.Parse(graph.vertex[index]); #endregion
二: 最短路径
1. 概念
求最短路径问题其实也是非常有实用价值的,映射到交通系统图中,就是求两个城市间的最短路径问题,还是看这张图,我们可以很容易的看出比如
V1到图中各顶点的最短路径。
① V1 - V2 直达, 权为2。
② V1 - V3 直达 权为3。
③ V1- V5- V4 中转 权为3+2=5。
④ V1 - V5 直达 权为3。
、
2. Dijkstra算法
我们的学习需要站在巨人的肩膀上,那么对于现实中非常复杂的问题,我们肯定不能用肉眼看出来,而是根据一定的算法推导出来的。
Dijkstra思想遵循 “走一步,看一步”的原则。
第一步: 我们需要一个集合U,然后将V1放入U集合中,既然走了一步,我们就要看一步,就是比较一下V1的邻接点(V2,V3,V5),
发现(V1,V2)的权值最小,此时我们将V2放入U集合中,表示我们已经找到了V1到V2的最短路径。
第二步:然后将V2做中间点,继续向前寻找权值最小的邻接点,发现只有V4可以连通,此时修改V4的权值为(V1,V2)+(V2,V4)=6。
此时我们就要看一步,发现V1到(V3,V4,V5)中权值最小的是(V1,V5),此时将V5放入U集合中,表示我们已经找到了
V1到V5的最短路径。
第三步:然后将V5做中间点,继续向前寻找权值最小的邻接点,发现能连通的有V3,V4,当我们正想修该V3的权值时发现(V1,V3)的权值
小于(V1- V5- V3),此时我们就不修改,将V3放入U集合中,最后我们找到了V1到V3的最短路径。
第四步:因为V5还没有走完,所以继续用V5做中间点,此时只能连通(V5,V4),当要修改权值的时候,发现原来的V4权值为(V1,V2)+(V2,V4),而
现在的权值为5,小于先前的6,此时更改原先的权值变为5,将V4放入集合中,最后我们找到了V1到V4的最短路径。
#region dijkstra求出最短路径 /// summary /// dijkstra求出最短路径 /// /summary /// param name="g" /param public void Dijkstra(MatrixGraph g) int[] weight = new int[g.vertexNum]; int[] path = new int[g.vertexNum]; int[] tempvertex = new int[g.vertexNum]; Console.WriteLine("\n请输入源点的编号:"); //让用户输入要遍历的起始点 int vertex = int.Parse(Console.ReadLine()) - 1; for (int i = 0; i g.vertexNum; i++) //初始赋权值 weight[i] = g.edges[vertex, i]; if (weight[i] short.MaxValue weight[i] 0) path[i] = vertex; tempvertex[i] = 0; tempvertex[vertex] = 1; weight[vertex] = 0; for (int i = 0; i g.vertexNum; i++) int min = short.MaxValue; int index = vertex; for (int j = 0; j g.vertexNum; j++) //顶点的权值中找出最小的 if (tempvertex[j] == 0 weight[j] min) min = weight[j]; index = j; tempvertex[index] = 1; //以当前的index作为中间点,找出最小的权值 for (int j = 0; j g.vertexNum; j++) if (tempvertex[j] == 0 weight[index] + g.edges[index, j] weight[j]) weight[j] = weight[index] + g.edges[index, j]; path[j] = index; Console.WriteLine("\n顶点{0}到各顶点的最短路径为:(终点 源点) " + g.vertex[vertex]); //最后输出 for (int i = 0; i g.vertexNum; i++) if (tempvertex[i] == 1) var index = i; while (index != vertex) var j = index; Console.Write("{0} ", g.vertex[index]); index = path[index]; Console.WriteLine("{0}\n", g.vertex[index]); else Console.WriteLine("{0} - {1}: 无路径\n", g.vertex[i], g.vertex[vertex]); #endregion
最后上一下总的运行代码
using System; using System.Collections.Generic; using System.Linq; using System.Text; namespace MatrixGraph public class Program static void Main(string[] args) MatrixGraphManager manager = new MatrixGraphManager(); //创建图 MatrixGraph graph = manager.CreateMatrixGraph(); manager.OutMatrix(graph); int sum = 0; manager.Prim(graph, out sum); Console.WriteLine("\n最小生成树的权值为:" + sum); manager.Dijkstra(graph); //Console.Write("广度递归:\t"); //manager.BFSTraverse(graph); //Console.Write("\n深度递归:\t"); //manager.DFSTraverse(graph); Console.ReadLine(); #region 邻接矩阵的结构图 /// summary /// 邻接矩阵的结构图 /// /summary public class MatrixGraph //保存顶点信息 public string[] vertex; //保存边信息 public int[,] edges; //深搜和广搜的遍历标志 public bool[] isTrav; //顶点数量 public int vertexNum; //边数量 public int edgeNum; //图类型 public int graphType; /// summary /// 存储容量的初始化 /// /summary /// param name="vertexNum" /param /// param name="edgeNum" /param /// param name="graphType" /param public MatrixGraph(int vertexNum, int edgeNum, int graphType) this.vertexNum = vertexNum; this.edgeNum = edgeNum; this.graphType = graphType; vertex = new string[vertexNum]; edges = new int[vertexNum, vertexNum]; isTrav = new bool[vertexNum]; #endregion /// summary /// 图的操作类 /// /summary public class MatrixGraphManager #region 图的创建 /// summary /// 图的创建 /// /summary /// param name="g" /param public MatrixGraph CreateMatrixGraph() Console.WriteLine("请输入创建图的顶点个数,边个数,是否为无向图(0,1来表示),已逗号隔开。"); var initData = Console.ReadLine().Split(,).Select(i = int.Parse(i)).ToList(); MatrixGraph graph = new MatrixGraph(initData[0], initData[1], initData[2]); //我们默认“正无穷大为没有边” for (int i = 0; i graph.vertexNum; i++) for (int j = 0; j graph.vertexNum; j++) graph.edges[i, j] = short.MaxValue; Console.WriteLine("请输入各顶点信息:"); for (int i = 0; i graph.vertexNum; i++) Console.Write("\n第" + (i + 1) + "个顶点为:"); var single = Console.ReadLine(); //顶点信息加入集合中 graph.vertex[i] = single; Console.WriteLine("\n请输入构成两个顶点的边和权值,以逗号隔开。\n"); for (int i = 0; i graph.edgeNum; i++) Console.Write("第" + (i + 1) + "条边:\t"); initData = Console.ReadLine().Split(,).Select(j = int.Parse(j)).ToList(); int start = initData[0]; int end = initData[1]; int weight = initData[2]; //给矩阵指定坐标位置赋值 graph.edges[start - 1, end - 1] = weight; //如果是无向图,则数据呈“二,四”象限对称 if (graph.graphType == 1) graph.edges[end - 1, start - 1] = weight; return graph; #endregion #region 输出矩阵数据 /// summary /// 输出矩阵数据 /// /summary /// param name="graph" /param public void OutMatrix(MatrixGraph graph) for (int i = 0; i graph.vertexNum; i++) for (int j = 0; j graph.vertexNum; j++) if (graph.edges[i, j] == short.MaxValue) Console.Write("∽\t"); else Console.Write(graph.edges[i, j] + "\t"); //换行 Console.WriteLine(); #endregion #region 广度优先 /// summary /// 广度优先 /// /summary /// param name="graph" /param public void BFSTraverse(MatrixGraph graph) //访问标记默认初始化 for (int i = 0; i graph.vertexNum; i++) graph.isTrav[i] = false; //遍历每个顶点 for (int i = 0; i graph.vertexNum; i++) //广度遍历未访问过的顶点 if (!graph.isTrav[i]) BFSM(ref graph, i); /// summary /// 广度遍历具体算法 /// /summary /// param name="graph" /param public void BFSM(ref MatrixGraph graph, int vertex) //这里就用系统的队列 Queue int queue = new Queue int //先把顶点入队 queue.Enqueue(vertex); //标记此顶点已经被访问 graph.isTrav[vertex] = true; //输出顶点 Console.Write(" - " + graph.vertex[vertex]); //广度遍历顶点的邻接点 while (queue.Count != 0) var temp = queue.Dequeue(); //遍历矩阵的横坐标 for (int i = 0; i graph.vertexNum; i++) if (!graph.isTrav[i] graph.edges[temp, i] != 0) graph.isTrav[i] = true; queue.Enqueue(i); //输出未被访问的顶点 Console.Write(" - " + graph.vertex[i]); #endregion #region 深度优先 /// summary /// 深度优先 /// /summary /// param name="graph" /param public void DFSTraverse(MatrixGraph graph) //访问标记默认初始化 for (int i = 0; i graph.vertexNum; i++) graph.isTrav[i] = false; //遍历每个顶点 for (int i = 0; i graph.vertexNum; i++) //广度遍历未访问过的顶点 if (!graph.isTrav[i]) DFSM(ref graph, i); #region 深度递归的具体算法 /// summary /// 深度递归的具体算法 /// /summary /// param name="graph" /param /// param name="vertex" /param public void DFSM(ref MatrixGraph graph, int vertex) Console.Write("- " + graph.vertex[vertex]); //标记为已访问 graph.isTrav[vertex] = true; //要遍历的六个点 for (int i = 0; i graph.vertexNum; i++) if (graph.isTrav[i] == false graph.edges[vertex, i] != 0) //深度递归 DFSM(ref graph, i); #endregion #endregion #region prim算法获取最小生成树 /// summary /// prim算法获取最小生成树 /// /summary /// param name="graph" /param public void Prim(MatrixGraph graph, out int sum) //已访问过的标志 int used = 0; //非邻接顶点标志 int noadj = -1; //定义一个输出总权值的变量 sum = 0; //临时数组,用于保存邻接点的权值 int[] weight = new int[graph.vertexNum]; //临时数组,用于保存顶点信息 int[] tempvertex = new int[graph.vertexNum]; //取出邻接矩阵的第一行数据,也就是取出第一个顶点并将权和边信息保存于临时数据中 for (int i = 1; i graph.vertexNum; i++) //保存于邻接点之间的权值 weight[i] = graph.edges[0, i]; //等于0则说明V1与该邻接点没有边 if (weight[i] == short.MaxValue) tempvertex[i] = noadj; else tempvertex[i] = int.Parse(graph.vertex[0]); //从集合V中取出V1节点,只需要将此节点设置为已访问过,weight为0集合 var index = tempvertex[0] = used; var min = weight[0] = short.MaxValue; //在V的邻接点中找权值最小的节点 for (int i = 1; i graph.vertexNum; i++) index = i; min = short.MaxValue; for (int j = 1; j graph.vertexNum; j++) //用于找出当前节点的邻接点中权值最小的未访问点 if (weight[j] min tempvertex[j] != 0) min = weight[j]; index = j; //累加权值 sum += min; Console.Write("({0},{1}) ", tempvertex[index], graph.vertex[index]); //将取得的最小节点标识为已访问 weight[index] = short.MaxValue; tempvertex[index] = 0; //从最新的节点出发,将此节点的weight比较赋值 for (int j = 0; j graph.vertexNum; j++) //已当前节点为出发点,重新选择最小边 if (graph.edges[index, j] weight[j] tempvertex[j] != used) weight[j] = graph.edges[index, j]; //这里做的目的将较短的边覆盖点上一个节点的邻接点中的较长的边 tempvertex[j] = int.Parse(graph.vertex[index]); #endregion #region dijkstra求出最短路径 /// summary /// dijkstra求出最短路径 /// /summary /// param name="g" /param public void Dijkstra(MatrixGraph g) int[] weight = new int[g.vertexNum]; int[] path = new int[g.vertexNum]; int[] tempvertex = new int[g.vertexNum]; Console.WriteLine("\n请输入源点的编号:"); //让用户输入要遍历的起始点 int vertex = int.Parse(Console.ReadLine()) - 1; for (int i = 0; i g.vertexNum; i++) //初始赋权值 weight[i] = g.edges[vertex, i]; if (weight[i] short.MaxValue weight[i] 0) path[i] = vertex; tempvertex[i] = 0; tempvertex[vertex] = 1; weight[vertex] = 0; for (int i = 0; i g.vertexNum; i++) int min = short.MaxValue; int index = vertex; for (int j = 0; j g.vertexNum; j++) //顶点的权值中找出最小的 if (tempvertex[j] == 0 weight[j] min) min = weight[j]; index = j; tempvertex[index] = 1; //以当前的index作为中间点,找出最小的权值 for (int j = 0; j g.vertexNum; j++) if (tempvertex[j] == 0 weight[index] + g.edges[index, j] weight[j]) weight[j] = weight[index] + g.edges[index, j]; path[j] = index; Console.WriteLine("\n顶点{0}到各顶点的最短路径为:(终点 源点) " + g.vertex[vertex]); //最后输出 for (int i = 0; i g.vertexNum; i++) if (tempvertex[i] == 1) var index = i; while (index != vertex) var j = index; Console.Write("{0} ", g.vertex[index]); index = path[index]; Console.WriteLine("{0}\n", g.vertex[index]); else Console.WriteLine("{0} - {1}: 无路径\n", g.vertex[i], g.vertex[vertex]); #endregion }
算法速成系列至此就全部结束了,公司给我们的算法培训也于上周五结束,呵呵,赶一下同步。最后希望大家能对算法重视起来,
学好算法,终身收益。
秒懂算法 | 基于图神经网络的推荐算法 图神经网络(Graph Neural Networks,GNN)是近几年兴起的学科,用来作推荐算法自然效果也相当好,但是要学会基于图神经网络的推荐算法之前,需要对图神经网络自身有个了解。
数据结构和算法之图的认识 什么是图 ● 1. 一组顶点:通常用V(Vertex)表示顶点集合 ● 2. 一组边:通常用E(Edge)表示边的集合 ⅰ. 1. 边是顶点对:(v,w)属于E,其中v,w属于V ⅱ. 2. 有向边 v,w 表示从v指 ⅲ. 3.不考虑重边和自回路 抽象数据类型定义 ● 1.类型名称:图(Graph) ● 2. 数据对象集:G(V,E)由一个非空的有限顶点集合V和一个有限边集合E组成(可以一条边都没有,但不 能一个顶点都没有) ● 3. 操作集:对于任意图G属于Graph,以及v属于V,e属于E 1. Graph Create():建立并返回空图
数据结构和算法之如何建立图 小白BG.1 邻接矩阵表示的图结点的结构 typedef struct GNode *PtrToGNode;//PtrToGNode是指向GNode的一个指针 struct GNode{ int Nv;//顶点数 int Ne;//边数 WeightType G[MaxVertexNum][MaxVertexNum]; DataType Data[MaxVertexNum];//存顶点的数据 typedef PtrToGNode MGraph;//以邻接矩阵存储的图类型。定义为指向节点的指针。因为要用到的时候 一个指针远远比一整个图来的快捷 小白BG.2 邻接矩阵表示的图——初始化
哈密顿路径在图G中找出一条包含所有顶点的简单路径,该路径称为哈密顿路径(1)图G是非完全有向图,且图G不一定存在哈密顿路径; > (2)设计算法判断图G是否存在哈密顿路径,如果存在,输出一天哈密顿路径 哈密顿路径在图G中找出一条包含所有顶点的简单路径,该路径称为哈密顿路径(1)图G是非完全有向图,且图G不一定存在哈密顿路径; > (2)设计算法判断图G是否存在哈密顿路径,如果存在,输出一天哈密顿路径
相关文章
- 【华为云技术分享】【Python算法】分类与预测——决策树
- 算法系列15天速成——第十三天 树操作【下】
- 算法系列15天速成——第八天 线性表【下】
- 算法系列15天速成——第五天 五大经典查找【中】
- 算法系列15天速成——第三天 七大经典排序【下】
- 算法系列15天速成——第一天 七大经典排序【上】
- Java实现 蓝桥杯 算法提高最小方差生成树
- Java实现 蓝桥杯VIP 算法训练 斜率计算
- 【OpenCV-Python】教程:4-6 FAST (Features from Accelerated Segment Test)算法角点检测
- [YOLOv7/YOLOv5系列算法改进NO.19]非极大值抑制NMS算法改进DIoU NMS
- [YOLOv7/YOLOv5系列算法改进NO.7]损失函数改进
- [YOLOv7/YOLOv5系列算法改进NO.3]添加CoordAtt注意力机制
- 【YOLOv8/YOLOv7/YOLOv5/YOLOv4/Faster-rcnn系列算法改进NO.61】结合最新的CVPR2023年Fasternet网络模块
- 【YOLOv7/v5系列算法改进NO.45】首发最新特征融合技术RepGFPN(DAMO-YOLO)
- 基于用户投票的排名算法(六):贝叶斯平均
- NLP/CV:Seq2Seq→Encoder-Decoder→Seq2Seq with Attention算法的简介、案例应用之详细攻略
- 【控制模型】数字 PID 控制 — 位置式PID算法
- 基于隶属度函数模糊CMAC神经网络算法matlab仿真
- 智能优化算法:群居蜘蛛优化算法-附代码
- 【数据结构与算法Python实践系列】5分钟学会经典排序算法-堆排序
- 2383. 赢得比赛需要的最少训练时长-贪心算法
- 2.7 离散对数-小步大步算法
- 【算法图文动画详解系列】QuickSort 快速排序算法
- 白话经典算法系列之六 高速排序 高速搞定
- 【课题总结】OpenCV 抠图项目实战(11)算法实验平台
- 【状态估计】用于描述符 LTI 和 LPV 系统的分析、状态估计和故障检测的算法(Matlab代码实现)
- [YOLOv7/YOLOv5系列算法改进NO.9]锚框K-Means算法改进K-Means++
- 目标检测系列算法:YOLOv6代码复现
- 目标检测系列算法复现1:Darknet-YOLO-CUDA11-OpenCV4(Ubuntu平台)
- yolo算法原理
- 程序员内功:八大排序算法