最小生成树|二分图

news/2024/11/19 18:45:23/

最小生成树跟边的正负没有任何关系。

最小生成树

朴素Prime

该算法和Dijkstr算法很像。

  1. 先把所有距离初始化为正无穷

  1. 进行n次迭代

  1. 找到不在集合(集合指当前的生成树)当中的点,s数组表示当前已经在连通块(生成树)中的所有点。

  1. 找到集合外距离最近的点赋给t,用t更新其它点到集合的距离

  1. s加入到t当中去。

首先让所有点到集合的距离都是正无穷,然后找到一个集合外到集合距离最近的点,这四个点距离都是正无穷,我们则可以随便挑一个点

这里我们挑1号点,之后找到1号点到集合的最短距离,若该点没有边连到集合,则该点到集合的距离还是正无穷。

若找到了1号点到集合的最短距离,则用1号点去更新所有其它点到集合的距离

之后把1号点(绿点)加到集合当中去。

第二次迭代,从剩下的点当中选一个到集合距离最近的点,这里2号点最近,选中2号点之后,用2号点更新其它点到集合的距离(这个例子中更新前后结果不变,因为3到1和3到2的距离都是2,而且2和4没有连接),更新完之后,把2号点加到集合里面去。

重复进行上述操作 ,在3和4中找距离最近的点,这里3最近,用3更新4到集合的距离时,3到4的距离是4,比1到4的距离3要大,所以这里不更新。我们的目的是将距离更新的更短,距离如果变长,我们就不更新。

#define _CRT_SECURE_NO_WARNINGS
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N= 510,INF=0x3f3f3f3f;
int n, m;
int g[N][N];//某俩点间的距离
int dist[N];//某点到集合的距离
bool st[N];
int prim()
{memset(dist, 0x3f, sizeof dist);int res = 0;//存储最小生成树所有边的长度之和for (int i = 0; i < n; ++i){int t = -1;for (int j = 1; j <= n; j++)//找到集合外所有距离最小的点{if (!st[j] && (t == -1 || dist[t] > dist[j]))//t=-1表示当前还没有找到距离最小的点//如果t代表的点到集合的距离大于j代表的点到集合的距离,也表示当前没找到t = j;}if (i && dist[t] == INF)//说明当前距离最近的点到集合的距离是正无穷,即所有点没有连通{return INF;}if (i) res += dist[t];//dist[t]表示当前点和另一个点(该点已与集合连好)的距离for (int j = 1; j <=n; ++j){dist[j] = min(dist[j], g[t][j]);//更新其它点}st[t] = true;//修改状态}return res;
}
int main()
{scanf("%d %d", &n, &m);memset(g, 0x3f, sizeof g);while (m--)//读入所有边{int a, b, c;scanf("%d %d %d", &a, &b, &c);g[a][b] = g[b][a]=min(g[a][b],c);//由于不用考虑边的正负,a到b的距离和b到a的距离都一样,因为可能有重边,我们取一个最小值}int t = prim();if (t == INF)//不存在生成树puts("impossible");else//存在生成树printf("%d", t);return 0;
}

克鲁斯卡尔算法

  1. 先将所有边按权重从小到大进行排序

  1. 枚举每条边a,b权重为c

  1. 如果当前a,b不连通,就把a,b这条边加到集合里面来

第二步其实是前面所学并查集的应用

#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N = 200010;
int n, m;
int p[N];struct Edge
{int a, b, w;//a,b是边的俩条点,w是权重bool operator<(const Edge& W) const//重载小于号方便排序{return w < W.w;}
}edges[N];
int find(int x)
{if (p[x] != x)//如果x不是祖宗节点p[x] = find(p[x]);return p[x];
}
int main()
{scanf("%d %d", &n, &m);for (int i = 0; i < m; ++i){int a, b, w;scanf("%d %d %d", &a, &b, &w);//把所有的边读进来edges[i] = { a,b,w };}sort(edges, edges + m);//把所有的边排序for (int i = 1; i <=n; ++i)//初始化并查集p[i] = i;int res = 0, cnt = 0;//res存的是最小生成树当中所有树边的权重之和,cnt是当前加了多少条边for (int i = 0; i < m; ++i)//从小到大枚举所有边{int a = edges[i].a, b = edges[i].b, w = edges[i].w;a = find(a), b = find(b);//a=a的祖宗节点,b=b的祖宗节点,find函数是并查集的find函数if (a != b)//如果俩个祖宗节点不连通{p[a] = b;//这条边加进来之后,要把俩个点各自所在的集合进行合并res += w;cnt++;}}if (cnt < n - 1)//如果连的边数<n-1,说明这个树是不连通的puts("impossible");elseprintf("%d\n",res);return 0;
}

二分图

二分图定义:所有点划分到俩边区,使所有的边都是在集合之间的,集合内部没有边。如果一个图中有奇数环,则一定不是二分图。把图分为俩个区域,一个是左边,另一个是右边。

染色法

如果一个图中不含有奇数环则一定是二分图。

  1. 从前往后遍历每一个点

  1. 如果某个点还没分好组,我们就分到左边去

  1. 分完该点之后,遍历这个点和所有的邻点(和这个点连通的所有点),若该点属于左边,则它的所有相邻点属于右边,若该点属于右边,则它的所有相邻点属于左边,下图中第一个点属于左边,1代表左边,2代表右边,按照这种方式,将所有点可表示出来,其实就是在染色。

  1. 染色的时候要注意:一条边的俩端点的颜色,一定不同,即这俩个点不能属于同一个集合。通过这种方式将图中的所有点进行染色。由于图中不存在奇数环,所以染色过程中不会出现矛盾。

只要一个图可以用染色法染完,而且不出现矛盾,它就是一个二分图。

这里采用深度优先遍历进行染色。

#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N = 1010, M = 2010;//由于是无向图,每条无向边要存俩条有向边,即俩个点之间有俩条线,所以M是N的2倍
int n, m;
int h[N], e[M], ne[M], idx;
int color[N];
void add(int a, int b)
{e[idx] = b, ne[idx] = h[a], h[a] = idx++;
}
bool dfs(int u,int c)
{color[u] = c;//记录一下当前点颜色是Cfor (int i = h[u]; i != -1; i = ne[i]){int j = e[i];//存储当前点的编号if (!color[j])//如果当前点没有颜色{if (!dfs(j,3-c)) //如果当前是颜色1,就染成2,如果是颜色2,就染成1,这里写成3-creturn false;//如果染色不成功就返回false,成功返回true}else if (color[j]==c)//如果这俩个相等,代表一条边的俩端点颜色一样,也有矛盾{return false;}}return true;
}
int main()
{scanf("%d %d", &n, &m);memset(h, -1, sizeof h);while (m--){int a, b;scanf("%d %d", &a, &b);add(a, b);add(b, a);//由于是无向边,所以这里加俩条边,一条a到b,一条b到a}//开始染色bool flag = true;//标志位,表示染色成功或失败for(int i=1;i<=n;++i)if (!color[i]){if (!dfs(i, 1))//如果有矛盾dfs返回fasle,这里传1是想把有矛盾的地方染成第一种颜色,{flag = false;break;}}if (flag)puts("Yes");elseputs("No");//有矛盾发生return 0;}

匈牙利算法

假设有这样的一个二分图

匈牙利算法可以在一个比较块的时间内,算出左边和右边最大的匹配成功(不存在俩条边共用一个点)数是多少。

1.如果a和b点已经匹配好了,c点要和b匹配,此时c点找一下有没有其它能和a匹配的点,如果有,就让a和其它点去匹配,然后c自己和b匹配。

#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N = 510, M = 100010;
int n1, n2, m;
int h[N], e[M], ne[M], idx;
int match[N];//右边对应的点
bool st[N];//右边的某点是否匹配成功
void add(int a, int b)
{e[idx] = b, ne[idx] = h[a], h[a] = idx++;
}
bool find(int x)
{for (int i = h[x]; i != -1; i= ne[i])//遍历左边的点{int j = e[i];//当前左边点的编号if (!st[j])//如果当前右边的点还未匹配{st[j] = true;//进行匹配if (match[j] == 0||find(match[j]))//0表示还没匹配,或者说已经匹配到了左边的某点,但左边的这个点可以去匹配别的点{match[j] = x;return true;}}}return false;
}
int main()
{scanf("%d %d %d", &n1, &n2, &m);memset(h, -1, sizeof h);while (m--){int a, b;scanf("%d %d", &a, &b);add(a, b);}int res = 0;//当前匹配的数量for (int i = 1; i <= n1; ++i){memset(st, false, sizeof st);if (find(i)) res++;//如果左边右边匹配成功,直接++}printf("%d\n", res);return 0;
}

http://www.ppmy.cn/news/50984.html

相关文章

同步辐射X射线断层扫描成像在各行业的应用

同步辐射X射线断层扫描成像在各行业的应用 同步辐射X射线断层扫描成像&#xff08;synchrotron radiation X-ray computed tomography&#xff0c;SRCT&#xff09;是一种非侵入式、高分辨率的成像技术&#xff0c;利用同步辐射光束产生的高强度、高亮度、单色性和相干性的X射线…

网络基础-IP和端口号以及认识传输层协议

概念回顾 MAC地址仅需要在同一个局域网下唯一&#xff0c;就可以保证不会出现通讯问题。 通信的目的是两台机器上的应用软件要通信。即客户端进程和服务端进程要获取这个数据&#xff0c;借助主机来完成通信。故将数据在主机间转发仅仅是手段&#xff0c;机器收到后&#xff…

浅谈拉格朗日插值法

浅谈拉格朗日插值法 好像FFT要用到&#xff0c;所以就学习一手 文章目录 浅谈拉格朗日插值法什么是插值拉格朗日插值法 什么是插值 在离散数据的基础上补插连续的函数&#xff0c;使得这条连续函数经过所有离散数据点&#xff0c;这个过程就叫插值。其意义在于&#xff1a; …

Docker 部署 MySQL 一主多从

主从复制的原理&#xff1a; 1、主库&#xff1a; 创建一个有权访问binlog日志的从库账号&#xff0c;配置需要主从复制的库 有写操作时&#xff0c;可以将写操作或者写操作之后的数据记录到日志文件中(binlog) 通过一个线程通知需要同步数据…

C语言-malloc、free、memset、realloc、strcpy

malloc()开辟指定内存空间 函数原型 void *malloc(size_t size) C 库函数 void *malloc(size_t size) 分配所需的内存空间&#xff0c;并返回一个指向它的指针。 free 释放内存空间 free C 库函数 void free(void *ptr) 释放之前调用 calloc、malloc 或 realloc 所分配的…

经典文献阅读之--VGICP(体素化的ICP匹配)

0. 简介 之前我们在以前的文章中介绍了很多有关于点云匹配相关的知识&#xff0c;最近两年处理GICP这一大一统的ICP匹配方法以外&#xff0c;还有一个工作对体素化和ICP这两者打起了心思&#xff0c;《Voxelized GICP for Fast and Accurate 3D Point Cloud Registration》提出…

并查集解决图的连通性问题

并查集 1. 定义2.并查集3.模板代码4. 力扣例题4.1 剑指 Offer II 118. 多余的边4.2 力扣695. 岛屿的最大面积 1. 定义 在计算机科学中&#xff0c;并查集&#xff08;英文&#xff1a;Disjoint-set data structure&#xff0c;直译为不交集数据结构&#xff09;是一种数据结构&…

奇舞周刊第490期:WebAssembly 多语言/宿主环境中的使用

记得点击文章末尾的“ 阅读原文 ”查看哟~ 下面先一起看下本期周刊 摘要 吧~ 奇舞精选 ■ ■ ■ WebAssembly 多语言/宿主环境中的使用 WebAssembly (WASM) 的一个优势就是能够支持将不同语言编译成 WASM 代码&#xff0c;然后在不同的宿主环境中运行。这样就可以在不同的宿主环…