前言 :
現在來介紹另一個和圖形有關的主題 - "擴張樹" (Spanning Tree), 擴張樹又稱 "花費樹" 或 "值樹", 其定義如下 :
所以一個有 n 頂點的無向圖形擴張樹, 則一定有 n-1 個邊. 以一個嚴謹的定義, 假設 G=(V,E), 將所有的邊分成兩個集合 T 與 B, 其中T 為拜訪過程中所經過的邊, B 為拜訪過程中未經過的邊.
擴張樹的特點 :
由於擴張樹是由所有頂點及拜訪過程中經過的邊所組成, 令 S=(V,T) 為 圖形G=(V,E) 中的擴張樹(Spanning tree), 該擴張樹具有以下幾個特點 :
如果使用先深後廣方式追蹤產生的擴張樹就稱為先深後廣擴張樹 ; 如果使用先廣後深方式追蹤所產生的擴張樹就稱為先廣後深擴張樹. 以下圖為例 :
由上圖我們可以知道一個圖形通常具有不只一顆擴張樹.
MST 擴張樹 :
假設在樹的邊加上一個權重 (weight)值, 這種圖形就成了 "加權圖形" (Weighted Graph). 如果這個權重值代表兩個頂點間的距離 (distance) 或成本 (cost), 這類圖形就稱為網路 (Network). 如下圖所示 :
假如想知道從某點到另一個點的路徑成本, 例如從頂點1 到頂點5 有 (1+2+3), (1+6+4) 及 (5) 這三個路徑成本, 而 "最小成本擴張樹" (Minimum Cost Spanning Tree) 則是路徑成本為 (5) 的擴張樹, 參考下圖 :
一個加權圖形中如何找到最小成本擴張樹是相當重要, 因為許多工作都可以由圖形來表示, 例如從高雄到花蓮的距離或花費等. 接著將介紹以所謂的 "貪婪法則" (Greedy Rule)為基礎, 來求得一個無向連通圖形的最小花費樹的常見建立方法, 分別是 Prim's 演算法及 Kruskal's 演算法.
Prim 演算法 :
Prim 演算法又稱 P氏法, 對一個加權圖形 G=(V,E), 設 V={1,2....n}, 假設 U={1}, 也就是說, U 及 V 是兩個頂點的集合. 然後從 U-V 差集所產生的集合中找出一個頂點x, 該頂點x 能與 U集合中的某點形成最小成本的邊, 且不會造成迴圈. 然後將頂點x 加入U 集合中, 反覆執行同樣步驟一直到U 集合等於V 集合 (U=V) 為止.
接下來我們將實際利用 P 氏法求出下圖的最小成本擴張樹 :
步驟1 : V = {A,B,C,D,E,F} , U={A}, 從 V=U 中找出一個與 U 路徑最短的頂點
步驟2 : 把B 加入U, 在 V-U 找出一個與 U 路徑最短的頂點
步驟3 : 把C 加入 U, 在 V-U 找出一個與 U 路徑最短的頂點
步驟4 : 把D 加入 U, 在 V-U 找出一個與 U 路徑最短的頂點
步驟5 : 把F 加入 U, 在 V-U 找出一個與 U 路徑最短的頂點
步驟6 : 最後可得到最小擴張樹為 {A-B,6} {B-C,3} {B-D,5} {B-F,8} {D-E,9}
補充說明 :
* Wiki : Prim's algorithm
現在來介紹另一個和圖形有關的主題 - "擴張樹" (Spanning Tree), 擴張樹又稱 "花費樹" 或 "值樹", 其定義如下 :
所以一個有 n 頂點的無向圖形擴張樹, 則一定有 n-1 個邊. 以一個嚴謹的定義, 假設 G=(V,E), 將所有的邊分成兩個集合 T 與 B, 其中T 為拜訪過程中所經過的邊, B 為拜訪過程中未經過的邊.
擴張樹的特點 :
由於擴張樹是由所有頂點及拜訪過程中經過的邊所組成, 令 S=(V,T) 為 圖形G=(V,E) 中的擴張樹(Spanning tree), 該擴張樹具有以下幾個特點 :
如果使用先深後廣方式追蹤產生的擴張樹就稱為先深後廣擴張樹 ; 如果使用先廣後深方式追蹤所產生的擴張樹就稱為先廣後深擴張樹. 以下圖為例 :
由上圖我們可以知道一個圖形通常具有不只一顆擴張樹.
MST 擴張樹 :
假設在樹的邊加上一個權重 (weight)值, 這種圖形就成了 "加權圖形" (Weighted Graph). 如果這個權重值代表兩個頂點間的距離 (distance) 或成本 (cost), 這類圖形就稱為網路 (Network). 如下圖所示 :
假如想知道從某點到另一個點的路徑成本, 例如從頂點1 到頂點5 有 (1+2+3), (1+6+4) 及 (5) 這三個路徑成本, 而 "最小成本擴張樹" (Minimum Cost Spanning Tree) 則是路徑成本為 (5) 的擴張樹, 參考下圖 :
一個加權圖形中如何找到最小成本擴張樹是相當重要, 因為許多工作都可以由圖形來表示, 例如從高雄到花蓮的距離或花費等. 接著將介紹以所謂的 "貪婪法則" (Greedy Rule)為基礎, 來求得一個無向連通圖形的最小花費樹的常見建立方法, 分別是 Prim's 演算法及 Kruskal's 演算法.
Prim 演算法 :
Prim 演算法又稱 P氏法, 對一個加權圖形 G=(V,E), 設 V={1,2....n}, 假設 U={1}, 也就是說, U 及 V 是兩個頂點的集合. 然後從 U-V 差集所產生的集合中找出一個頂點x, 該頂點x 能與 U集合中的某點形成最小成本的邊, 且不會造成迴圈. 然後將頂點x 加入U 集合中, 反覆執行同樣步驟一直到U 集合等於V 集合 (U=V) 為止.
接下來我們將實際利用 P 氏法求出下圖的最小成本擴張樹 :
步驟1 : V = {A,B,C,D,E,F} , U={A}, 從 V=U 中找出一個與 U 路徑最短的頂點
步驟2 : 把B 加入U, 在 V-U 找出一個與 U 路徑最短的頂點
步驟3 : 把C 加入 U, 在 V-U 找出一個與 U 路徑最短的頂點
步驟4 : 把D 加入 U, 在 V-U 找出一個與 U 路徑最短的頂點
步驟5 : 把F 加入 U, 在 V-U 找出一個與 U 路徑最短的頂點
步驟6 : 最後可得到最小擴張樹為 {A-B,6} {B-C,3} {B-D,5} {B-F,8} {D-E,9}
補充說明 :
* Wiki : Prim's algorithm
This message was edited 8 times. Last update was at 15/05/2010 15:55:31
沒有留言:
張貼留言