DSAA之图论Prim算法(六)

图论基础:从七桥问题到现代网络结构的数学语言 图论以点与边的抽象模型揭示现实世界中复杂关系的本质。从欧拉解决七桥问题出发,发展出度数、连通性、同构等核心概念,并通过邻接矩阵实现计算机化处理。其应用涵盖社交网络距离计算、死锁检测、资源分配优化及最小覆盖选址等。关键定理如握手定理、矩阵幂表示路径数,以及独立集与覆盖集的互补关系,构建了从理论到实践的完整体系。掌握图论,即掌握了理解与优化现代信息系统的底层逻辑。 阅读详情

备注

笔者暂时不记录网络流和关键路径分析法,DSAA这里讲的很粗略。以后根据需要单独补充。

1. Minimum Spanning Tree

  • Informally, a minimum spanning tree of an undirected graph G is a tree formed from graph edges that connects all the vertices of G at lowest total cost.
  • A minimum spanning tree exists if and only if G is connected.
  • Notice that the number of edges in the minimum spanning tree is |V| - 1. The minimum spanning tree is a tree because it is acyclic, it is spanning because it covers every edge, and it is minimum for the obvious reason.

注意最小是指无向图中生成的树的边的权重之和最小,第二点指出了只有连通的无向图存在最小生成树。因为该生成树包含图所有的顶点,所以边为∣V∣−1|V|-1∣V∣−1。特别的最小生成树不一定唯一。

2. Prim’s Algorithm

  • One way to compute a minimum spanning tree is to grow the tree in successive stages. In each stage, one node is picked as the root, and we add an edge, and thus an associated vertex, to the tree.
  • The algorithm then finds, at each stage, a new vertex to add to the tree by choosing the edge (u, v) such that the cost of (u, v) is the smallest among all edges where u is in the tree and v is not.
  • The rest of the algorithm is exactly the same, with the exception that since the definition of dv is different, so is the update rule. For this problem, the update rule is even simpler than before: After a vertex v is selected, for each unknown w adjacent to v, dw= min(dw, cw,v).

最关键的是第二、三点,每次将一个点标记为known时,更新其他与该点相邻的点。这里和Dijkstra很像,但是周边节点的dw更新准则变成dw=min(dw,Cw,v)dw= min(dw, Cw,v)dw=min(dw,Cw,v),下次将选择dvdvdv值最小的节点。

3. 伪代码实现

DSAA没有给出该实现,但是我们按照上面的提示,很容易从以前的Dijkstra算法修改得到:

void dijkstra( TABLE T ){
    vertex v, w;
    //初始情况下,除了起始顶点dv为0,其他都是负无穷
    //特别的T应为
    /*struct cell{
       int dv;
       int pv;
       int v;
    }的数组
    */
    p_q.inital(T);
    for( ;! p_q.empty(); ){
        v = p_q.delete_min()
        if(T[v].known == TRUE)
            continue;
        T[v].known = TRUE;
        for each w adjacent to v
            if( !T[w].known )
                //使用Prim算法的更新准则
                /*9*/if( Cv,w < T[w].dist ){ /* update w */
		            //就这里变了哦
                    decrease( T[w].dist to Cv,w);
                    T[w].path = v;
                    //插入优先堆中
                    p_q.insert(T[w]) 
                }
    }
}

4. 时间复杂度分析

Be aware that Prim’s algorithm runs on undirected graphs, so when coding it, remember to put every edge in two adjacency lists. The running time is $O (|V|^2) $without heaps, which is optimal for dense graphs, and O(∣E∣log∣V∣)O (|E| log |V|)O(∣E∣log∣V∣) using binary heaps, which is good for sparse graphs.

因为完全就是Dijkstra算法的逻辑,所以时间复杂度一样,但是Dijkstra算法是计算有向图单源最短路径问题。无向图是特殊的有向图(|E|变成两倍),这里应该清楚。

SpringBoot实战——仿b站项目(一) 热部署就是当应用程序这种运行的时候升级冉家或者修改某一部分代码、配置文件时,无需手动启动应用,即可修改的部分生效工具 + IDEA配置。 阅读详情

相关推荐

微信开放标签wx-open-launch-app样式失效?手把手教你正确设置点击区域(附完整代码)

本文详细解析了微信开放标签`wx-open-launch-app`样式失效和点击无响应的常见问题,提供了完整的解决方案和代码示例。通过分析标签内部实现机制,指导开发者正确设置点击区域和样式,确保跨平台兼容性和用户体验优化。

joy55的博客 320

图论 经典prim算法(MST)

刚学了prim,写了最简单的prim算法

一点一滴,从不止步! 791

跟着团子学SAP CO:揭秘结果分析码在项目结算中的实战应用(一)KKA2/CJ88

本文深入解析了SAP CO模块中结果分析码在项目结算中的核心作用。以KKA2(方法10)和事务代码CJ88为例,详细阐述了如何在项目完工后一次性确认收入的场景下,通过结果分析功能实现收入与成本的精准匹配,将项目成本暂估为在制品,确保各期利润的准确反映。

gamma的博客 687

图论之prim算法

prim算法是用来求最小生成树de,复杂度为o(n2),与dij差不多,不过dis的代表意义不同 dis【i】意义为i点到最小树的最小距离,而dij算法中的dis【i】表示i到源点的距离pic【i】【j】表示i点到j点的距离vis【】=0表示在U集合,1表示在s集合核心代码:#define inf 999999999 void prime() { int sign,sum=0;

Foverve1的博客 819

c# U盘禁用---守护进程(插入,拔出,卸载等操作)

一、简介 传统的对U盘禁用,我们多采用修改注册表的方式,详情参考:https://blog.youkuaiyun.com/qq_25372599/article/details/79815407;本文将介绍一种其他的方式–后台守护程序。其原理非常简单:当守护程序检测到U盘的插入信号,我们自动卸载U盘,致使系统无法识别U盘,达到禁用U盘的效果。 二、程序设计 2.1 变量定义 strin...

星星之火燃亮码空 2848

robot framework循环读取excel表操作

robot framework循环读取excel表操作 1、安装excellibrary,注意python3.7版本,需安装:robotframework-excel,robotframework-excellibrary-xwfintech 注意:网上有很多excel处理的,都是基于python2.7的,还有一些对python3以上都是修改包的方式,其实都不需要,在pip官网上有python3以上的excellibrary,名称是robotframework-excellib 2.0.0,但是该包关键字不

余墨的博客 1321

从零开始算法篇之贪婪(一)

1. 回顾   图论篇忽略了网络流、关键路径分析法和NP完全问题,在DSAA的论述里面,这些内容都是作为了解性质,以后如果需要深入再单独学习。整体上看,基本的数据结构已经全部学完了,从此篇开始将详细学习经典五大常用算法,这章的课后题也会尽量解决。   回溯或者动态规划,笔者之前都或多或少接触过。背包九讲的下一步学习计划也正式和该篇汇合。另外笔者leetcode做题分支,已经快接近100道了。到...

LoveStackover的博客 236

BUCK电路三种工作模式全解析:CCM、BCM、DCM到底怎么选?

本文深入解析BUCK电路的CCM、DCM和BCM三种工作模式,通过对比其电流波形、效率、纹波及环路特性,提供基于计算公式的量化判断方法。文章结合电池供电、高精度模拟等具体应用场景,给出明确的模式选型策略与实战设计指南,帮助工程师根据核心需求做出最优决策。

ee345的博客 492

DSAA之图论Dijkstra(贪婪算法)(五)

1. 前言   有网友把Dijkstra归为BFS算法,笔者觉得是不准确的,两者的差别在于每个阶段是否是最优选择,也就是是否达到局部最优,当然不保证全局最优。 2. 定义 We keep all of the same information as before. Thus, each vertex is marked as either known or unknown. A ...

LoveStackover的博客 438

LLM大模型-vLLM本地部署全流程:Windows WSL2环境安装、HuggingFace与Modelscope模型加载与本地运行、Docker化部署与镜像分发

vLLM本地部署大模型方案 vLLM是一款高性能大模型推理引擎,通过PagedAttention技术显著提升吞吐量和内存效率,支持低成本、高并发的本地部署。 核心优势: 性能卓越:吞吐量远超同类方案,支持连续批处理等高级功能 成本优化:减少GPU服务器需求 兼容性强:提供类OpenAI的简洁API 部署步骤: 硬件准备:需NVIDIA GPU(如A100/3090),显存≥模型参数量×2(7B模型需14GB) 软件环境: Linux系统或Windows WSL2 安装CUDA 12.1+和Python 3.

2202_75674969的博客 4572

ABtest描述统计功效

我们在面试数据分析时,常常会问到如何确定样本量的问题,会有一个指标:统计功效(power),或者是1-β 统计功效会影响实验的可信度,甚至会影响实验所需的样本量,要了解统计功效,首先要理解两类统计错误 假如我们做了一个AB实验,且两组用户的数据均值为μ1和μ2,我们会有两个初始假设: H0:两个实验组的数据没有差别(μ1=μ2),这个假设也叫“零假设”,也叫原假设 H1:两个实验组之间的数据存在差别(μ1≠μ2),这个假设也叫“非零假设”,也叫备择假设 定义两类错误: 实验本身没有效应,但我们觉

qq_38134556的博客 907

《DP学习系列》Longest Valid Parentheses的一些DP细节思考

1. Longest Valid Parentheses Given a string containing just the characters ‘(’ and ‘)’, find the length of the longest valid (well-formed) parentheses substring. Example 1: Input: “(()” ...

LoveStackover的博客 374

HTML满屏跳动的爱心(完整代码)

HTML语言实现满屏跳动爱心的完整代码。

AIGC 12万+

DSAA之图论Kruskal算法(七)

1. 回顾   Kruskal算法需要使用并查集,所以记录该篇前需要回顾DSAA之THE DISJOINT SET ADT(一)和DSAA之THE DISJOINT SET ADT(二)。不相交集合的概念和实现都是比较简单。 2. Kruskal’s Algorithm    A second greedy strategy is continually to select ...

LoveStackover的博客 347

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

《DP学习系列》从零开始学习动态规划,完全背包(二)

前言   如果您也是参考笔者的记录学习,那么推荐您至少先看一遍原版背包九讲。本系列只是初学者对若干问题的补充和思考。 1. 题目 有N种物品和一个容量为V的背包,每种物品都有无限件可用。放入第i种物品的费用是CiCiC_{i},价值是WiWiW_{i}。求解:将哪些物品装入背包,可使这些物品的耗费的费用总和不超过背包容量,且价值总和最大。 2. 基本思路 如果仍然按照...

LoveStackover的博客 347

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

《DP学习系列》从零开始学习动态规划,有依赖的背包问题(七)

1. 预备部分   如果真的从零开始学习DP,那么从七讲以后的部分就要烧脑细胞了。如果是为了笔试准备,笔者感觉后面就可以不用看了。但是笔者这里还是完整记录完,我们看别人的结论尚且要思索万千,所以崔添翼真是非常聪明。该部分来自NOIP2006的比赛原题,所以我们初学者也有必要看看前因后果,原题如该博主记录所示。 2. 简化的问题   金明的预算的原题节选: 把想买的物品分为两类:主...

LoveStackover的博客 341

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

The Search Tree的Python实现(二)

1. The Search Tree ADT-Binary Search Trees The property that makes a binary tree into a binary search tree is that for every node, X, in the tree, the values of all the keys in the left subtree...

LoveStackover的博客 315

DSAA之中缀转后缀表达式(三)

1. 简单回顾   笔者认为该算法,只需要记住流程,而记住流程的关键就是多做几个笔试选择题,比如 牛客网:   可以完全按照中缀表达式转换成后缀表达式的算法来: 步骤 栈 后缀表达式 遇到X输出 空 X 遇到=入栈 = X 遇到A输出 = XA 遇到A输出 = XA 遇到+,比=优先级高,入栈 ...

LoveStackover的博客 306

算法补充之KMP作用原理(一)

1. 整体把握   一般都可以想到O(n2)O(n2)O(n^2)的暴力算法,KMP改进暴力算法使其算法复杂度为O(m+n)。本文参考:维基百科。 2.算法学习 2.1 使用局部匹配表 To illustrate the algorithm’s details, consider a (relatively artificial) run of the algorithm,...

LoveStackover的博客 306

DSAA补充之B树、B+树

1. 回顾   以前记录的B树DSAA之B-tree(六),这个定义真是有点四不像啊。是B+树的感觉,又没有底层的link。所以今天有必要重新审视下B树和B+树的概念。本文内容摘自维基百科。 2. B树 定义 According to Knuth’s definition, a B-tree of order m is a tree which satisfies the fol...

LoveStackover的博客 299

《DP学习系列》从零开始学习动态规划,泛化物品(八)

1. 定义 更严格的定义之。在背包容量为V 的背包问题中,泛化物品是一个定义域为0 … V 中的整数的函数h,当分配给它的费用为v时,能得到的价值就是h(v)。这个定义有一点点抽象,另一种理解是一个泛化物品就是一个数组h[0 …V ],给它费用v,可得到价值h[v]。 一个物品组可以看作一个泛化物品h。对于一个0 … V 中的v,若物品组中不存在费用为v的物品,则h(v) = 0...

LoveStackover的博客 290

DSAA之图论DFS算法,初识回溯(八)

1. 回顾 Depth-first search is a generalization of preorder traversal. We implicitly assume that for undirected graphs every edge (v, w) appears twice in the adjacency lists: once as (v, w) and ...

LoveStackover的博客 288

DSAA之图论Euler Circuits问题(九)

1. 从实际演变的问题 A popular puzzle is to reconstruct these figures using a pen, drawing each line exactly once. The pen may not be lifted from the paper while the drawing is being performed. As an extra...

LoveStackover的博客 263

从零开始算法篇之动态规划(三)

1. 回顾   此篇和笔者之前记录的背包九讲系列笔记接轨,现在回顾下笔者总结的背包九讲的一些内容: 背一中,使用滚转数组优化了空间复杂度,针对不同的问题,初始状态的赋值也会相应不同。 背二中,对于输入数据提前优化,减少待处理数据量的,这种排序优化应该保证是稳定的。然后对于选多件物品的问题,又可以使用二进制优化,将原本O(n)O(n)O(n)的复杂度降低到O(logn)O(logn)O(log...

LoveStackover的博客 259

《leetcode》第一阶段汇总(10-20题)(一)

前言   总结花时间蛮长的,比做题慢多了。~ 10. Regular Expression Matching   算是比较难的一道DP题,会有几个地方比较难想: 状态比较难确定,F[i,j]F[i,j]F[i,j]该怎么表示会有疑惑 状态转移方程难确定,很容易写出错的转移方程 初始状态难确定,初始状态又是一个子DP题。   现在整理下自己AC版本的一些思考过程: 1. 设F[i...

LoveStackover的博客 215

图论--最短路径(Dijkstra, Bellman-Ford)

最短路径

x13262608581的博客 309
上一篇: 《DP学习系列》从零开始学习动态规划,分组背包(六)
下一篇: DSAA之图论DFS算法,初识回溯(八)
LoveStackover
博客等级 码龄9年 14粉丝 57原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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