E - Minimum spanning tree for each edge

最小生成树与LCA算法
本文介绍了一种求解特定图论问题的方法:先利用克鲁斯卡尔算法构造最小生成树,然后通过LCA(最近公共祖先)算法解决边更新问题。此方案适用于寻找图中增加新边后的最大权边。

这个题目参考网上的思路。

首先求个最小生成树,然后每加一条边,就把成环的里面除加入的这条边的最大的删除,就是答案。

最小生成树用 克鲁斯卡尔 弄一弄,边弄最小生成树的时候边建树。
然后用lca搞一搞就行了。
部分代码如下

void dfs(int u,int fz,int dp){
    deep[u] = dp;
    fa[u][0]=fz;
    for(int i=head[u];~i;i=E[i].forword){
        int now = E[i].to;
        if(now==fz){
            mx[u][0]=E[i].cost; 
            continue;
        }
        dfs(now,u,dp+1);
    }
};
int lca(int u,int v){
    int ret=0;
    while(deep[u]!=deep[v]){
        if(deep[u]<deep[v]) swap(u,v);
        int d = deep[u] - deep[v];
        for(int i=0;i<25;i++){
            if(d>>i&1){
                ret = max(ret,mx[u][i]);
                u = fa[u][i];
            }
        }
    }
    if(u==v) return ret;
    for(int i=24;i>=0;i--){
        if(fa[u][i] != fa[v][i]) {  
            ret = max(ret, mx[u][i]);  
            ret = max(ret, mx[v][i]);  
            u = fa[u][i];  
            v = fa[v][i];  
        }
    }
    return max(ret,max(mx[u][0],mx[v][0]));
}
# 问题类型判断 该问题属于“题目型”。 --- ## 题目重述 给定一个连通无向图 $ G = (V, E) $,每条边 $ e \in E $ 具有非负权重 $ w(e) $,目标是找到一棵连接所有顶点且总权重最小的生成树(即最小生成树,MST)。 要求: - 证明 **克鲁斯卡尔算法(Kruskal's Algorithm)** 和 **普里姆算法(Prim's Algorithm)** 的正确性; - 对每个算法,提供一个示例图直观展示其工作过程。 --- ## 详解 ### 1. 最小生成树的基本性质与贪心选择原理 要证明 Kruskal 和 Prim 算法的正确性,需依赖以下关键引理: #### 安全边引理(Cut Property) 对于图 $ G = (V, E) $ 的任意割 $ (S, V \setminus S) $,如果一条边 $ e = (u,v) \in E $ 是横跨该割的**最轻边**(即连接 $ S $ 与 $ V\setminus S $ 的边中权重最小),并且没有更小权重的其他横跨边,则 $ e $ 属于某个 MST。 > 更强结论:若最轻边唯一,则它属于**所有** MST。 这个性质是两个算法贪心选择的基础。 --- ### 2. 克鲁斯卡尔算法(Kruskal's Algorithm) #### 算法描述 1. 将所有边按权重从小到大排序; 2. 初始化一个空集合 $ A $ 表示当前选中的边; 3. 遍历排序后的边,对每条边 $ (u,v) $: - 若加入 $ (u,v) $ 不会在 $ A $ 中形成环(即 $ u $ 和 $ v $ 不在同一连通分量),则将其加入 $ A $; 4. 当 $ |A| = |V| - 1 $ 时停止,输出 $ A $ 构成的生成树。 使用并查集(Union-Find)结构高效检测连通性。 ```python def kruskal(G, w): sort edges by weight A = [] for each edge (u,v) in order: if find(u) != find(v): A.append((u,v)) union(u,v) return A ``` #### 示例图演示 考虑如下图 $ G $,顶点集 $ V = \{A,B,C,D\} $,边及权重为: - $ AB: 1 $ - $ BC: 2 $ - $ CD: 3 $ - $ AD: 4 $ - $ AC: 5 $ 边按权重排序:$ AB(1), BC(2), CD(3), AD(4), AC(5) $ 执行过程: | 步骤 | 边 | 是否添加 | 原因 | |------|----------|-----------|--------------------------| | 1 | AB (1) | 是 | 初始不同连通分量 | | 2 | BC (2) | 是 | B 和 C 不连通 | | 3 | CD (3) | 是 | C 和 D 不连通 | | 4 | AD (4) | 否 | A 和 D 已通过 A-B-C-D 连通 → 加入会成环 | | 5 | AC (5) | 否 | A 和 C 已连通 | 最终 MST 包含边:$ AB, BC, CD $,总权重 $ 1+2+3=6 $ 图形表示: ``` A --1-- B --2-- C --3-- D ``` #### 正确性证明 我们采用归纳法结合安全边引理。 - **初始状态**:$ A = \emptyset $,显然包含在某个 MST 中。 - **归纳假设**:前 $ k $ 步选出的边集 $ A $ 是某 MST 的子集。 - **贪心选择**:第 $ k+1 $ 条边 $ e = (u,v) $ 是当前未处理中最轻且不构成环的边。 设当前各连通分量构成划分。令 $ S $ 为包含 $ u $ 的连通分量,$ V \setminus S $ 为其补集。由于 $ (u,v) $ 横跨割 $ (S, V\setminus S) $,而它是第一个被拒绝的边之前的所有更轻边都已被考虑,因此 $ e $ 是该割上的最轻边。 由**安全边引理**,$ e $ 可安全加入 MST。 故算法每一步选择的边均为安全边,最终得到 MST。 ✅ 因此 Kruskal 算法正确。 --- ### 3. 普里姆算法(Prim's Algorithm) #### 算法描述 1. 任选一个起始顶点 $ r $(如 $ A $); 2. 维护一个已覆盖的顶点集合 $ S $,初始 $ S = \{r\} $; 3. 每次选择一条从 $ S $ 到 $ V \setminus S $ 的**最轻边**(即割 $ (S, V\setminus S) $ 上的最轻横跨边)加入 MST; 4. 将新顶点加入 $ S $,重复直到 $ S = V $。 可用优先队列(最小堆)维护从 $ S $ 到外部顶点的最短边。 ```python def prim(G, w, start): S = {start} Q = min-heap of edges from S to V-S A = [] while len(S) < |V|: (u,v) = extract_min(Q) A.append((u,v)) S.add(v) update heap with new edges from v to V-S return A ``` #### 示例图演示 仍用上例: 顶点:$ A,B,C,D $ 边权同前:AB=1, BC=2, CD=3, AD=4, AC=5 从 $ A $ 开始: | 步骤 | 当前 $ S $ | 候选边 | 最轻边 | 加入边 | 新增顶点 | |------|-------------|----------------------------|------------|--------|-----------| | 1 | {A} | AB(1), AD(4), AC(5) | AB (1) | 是 | B | | 2 | {A,B} | BC(2), AD(4), AC(5) | BC (2) | 是 | C | | 3 | {A,B,C} | CD(3), AD(4) | CD (3) | 是 | D | | 4 | {A,B,C,D} | 结束 | | | | MST 边:AB(1), BC(2), CD(3),总权重 6 结构同 Kruskal 得到的结果(可能不唯一,但此例唯一) #### 正确性证明 同样基于**安全边引理**。 - 在每一步,算法维护一个连通子图 $ S $,并寻找割 $ (S, V\setminus S) $ 上的最轻边 $ e $。 - 根据割性质,该边一定属于某个 MST。 - 因此每次加入的边都是安全的。 - 初始 $ S $ 只有一个顶点,逐步扩展至全部顶点,共加入 $ |V|-1 $ 条边,构成生成树。 - 所有边均为安全边 → 最终结果是最小生成树。 ✅ 故 Prim 算法正确。 --- ## 知识点 - **割性质(Cut Property)**:最轻横跨割的边可安全加入MST,是贪心算法正确性的核心依据。 - **并查集结构**:用于Kruskal算法中高效判断连通性与防环,支持快速合并与查询操作。 - **贪心策略的归纳证明**:通过数学归纳法证明每一步的选择均保持解的最优性,确保全局最优。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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