分支限界法-優先佇列-單源最短路徑
解題模型:
(1)佇列式(FIFO): 分支限界法按照佇列先進先出(FIFO)原則選取下一個節點為擴充套件節點。
(2)優先佇列式分支限界: 按照優先佇列中規定的優先順序選取優先順序最高的節點成為當前擴充套件節點。
分支限界法與回溯法的差別:
(1)求解目標:回溯法的求解目標是找出解空間樹中滿足約束條件的所有解,而分支限界法的求解目標則是找出滿足約束條件的一個解(優先佇列式求得的解就是最終最優解), 或是在滿足約束條件的解中找出在某種意義下的最優解。(2)搜尋方式的不同:回溯法以深度優先的方式搜尋解空間樹,而分支限界法則以廣度優先或以最小耗費優先的方式搜尋解空間樹。搜尋策略:在當前節點(擴充套件節點)處,先生成其所有的兒子節點(分支),然後再從當前的活節點(當前節點的子節點)表中選擇下一個擴充套件節點。為了有效地選擇下一個擴充套件節點,加速搜尋的程序,在每一個活節點處,計算一個函式值(限界),並根據函式值,從當前活節點表中選擇一個最有利的節點作為擴充套件節點,使搜尋朝著解空間上有最優解的分支推進,以便儘快地找出一個最優解。分支限界法解決了大量離散最優化的問題。
/** @回溯法-優先佇列解単源最短路徑 */ #include<iostream> #include<algorithm> #include<queue> #define MAX 100 #define LIMITLESS 65535 using namespace std; int cost[MAX]; //源點到頂點的距離 typedef struct{ bool operator()(int &a,int &b){ return cost[a]>cost[b]; } }cmp; typedef struct Graph{ int v,e; int vex[MAX]; int wei[MAX][MAX]; }Graph,*graph; void createGraph(graph g){ cout<<"輸入頂點和邊數:"<<endl; cin>>g->v>>g->e; cout<<"輸入頂點值:"<<endl; for(int i = 1;i<=g->v;i++){ cin>>g->vex[i]; } for(int i = 1;i<=g->v;i++){ //圖的權值初始化 for(int j = 1;j<=g->v;j++){ g->wei[i][j] = LIMITLESS; } } cout<<"輸入兩連線點下標和權值:"<<endl; int k1,k2,weight; for(int i = 1;i<=g->e;i++){ cin>>k1>>k2>>weight; g->wei[k1][k2] = weight; } } void printGraph(graph g){ for(int i = 1;i<=g->v;i++){ for(int j = 1;j<=g->v;j++){ if(g->wei[i][j]!=LIMITLESS){ cout<<g->wei[i][j]<<" "; } else{ cout<<"oo"<<" "; } } cout<<endl; } } void dijkstra(graph g,int sour){ cost[sour] = 0; for(int i = 2;i<=g->v;i++){ //cost[i]初始化為源點到各頂點的權值 cost[i] = g->wei[sour][i]; } priority_queue<int,vector<int>,cmp> p; //優先佇列 p.push(sour); //源點入佇列 int flag [MAX]; //頂點的出隊順序 int k = 0; while(!p.empty()){ int item = p.top(); flag[k++] = item; p.pop(); /*頂點間距離優化*/ for(int i = item;i<=g->v;i++){ if((g->wei[item][i]!=LIMITLESS)&&(cost[item]+g->wei[item][i]<=cost[i])){ cost[i] = cost[item]+g->wei[item][i]; p.push(i); } } } for(int i = 2;i<=g->v;i++){ cout<<"源點到"<<i<<"頂點的最短距離為:"<<cost[i]<<endl; } cout<<"頂點的出佇列順序(按源點到頂點距離短的優先):"<<endl; for(int i = 0;i<k;i++){ cout<<flag[i]<<" "; } } int main(){ Graph g; //不能用指標定義(graph g) createGraph(&g); cout<<"構建的圖為:"<<endl; printGraph(&g); cout<<"(分治限界法-優先佇列)単源最短路徑為:"<<endl; dijkstra(&g,1); }
相關推薦
分支限界法-優先佇列-單源最短路徑
演算法思想:分支限界法常以廣度優先或以最小耗費(最大效益)優先的方式搜尋問題的解空間樹。在分支限界法中,每一個活結點只有一次機會成為擴充套件結點。活結點一旦成為擴充套件結點,就一次性產生其所有兒子結點。在這些兒子結點中,導致不可行解或導致非最優解的兒子結點被捨棄,其餘兒子結點
分支限界法—單源最短路徑問題
ostream gin arc 機會 方式 出發 lap com archive 轉自:http://www.cnblogs.com/chinazhangjie/archive/2010/11/01/1866136.html 分支限界法與回溯法 (1)求解目標:回溯法的
分支限界法:單源最短路徑--dijkstra演算法
單源最短路徑–dijkstra演算法 前面已經多次介紹過dijkstra演算法是貪心演算法,是動態規劃,實際上可以從分支限界的角度來理解; 分支限界法 分支限界法,實際上就是回溯法,一般意義的回溯法是基於深度優先搜尋,也可以配合限界函式剪枝,通常分支限界法基於寬度優先搜尋,通過佇
分支限界法之單源最短路徑
分支限界法通常是是廣度優先或者以最小消耗(最大效益)優先的方式搜尋問題的解控鍵樹。 FIFO分支限界法 按照先進先出的原則選擇下一個活結點作為擴充套件結點,即從節點中取出的順序與加入結點的順序相同。 分支限界法演算法策略 (1活節點一旦成為擴充套件結點,就一次性產
單源最短路徑分支限界法之java實現
public class Short { public static void main(String args[]){ int n = 5; int[] prev = new int[n+1]; int[] dist = {0,0,5000,5000,5
分支限界法總結--例題(01揹包,最大團,單源最短路徑,裝載問題,佈線問題)
目錄 分支限界法剪枝搜尋策略(廣度搜索)與演算法框架 01揹包問題 最大團 單源最短路徑 裝載問題 佈線問題 分支限界法剪枝搜尋策略(廣度搜索)與演算法框架 基本思想 分支限界法與回溯法求解目標不同,回溯法的求解目標是找出
0033演算法筆記——【分支限界法】分支限界法與單源最短路徑問題
1、分支限界法 (1)描述:採用廣度優先產生狀態空間樹的結點,並使用剪枝函式的方法稱為分枝限界法。 所謂“分支”是採用廣度優先的策略,依次生成擴充套件結點的所有分支(即:兒子結點)。所謂“限界”是在結點擴充套件過程中,計算結點的上界(或下界),邊搜尋邊減掉搜尋
演算法java實現--分支限界法--單源最短路徑問題
單源最短路徑問題的java實現(分支限界法) 具體問題描述以及C/C++實現參見網址 http://blog.csdn.net/liufeng_king/article/details/8900872import java.util.Collections; impo
單源最短路徑-分支界限法
單源最短路徑-分支界限法-優先佇列式。這裡使用無迴路的有向圖,便於構建樹。構建好樹後,從根結點作為起始源,加入結點佇列,然後判斷獲取佇列中最短的路徑結點做為活結點,將活結點的所有子結點加入佇列,移除活結點。這裡
裝載問題-分支限界法-優先佇列式分支限界法
裝載問題實質: 裝載問題是一個子集選取問題,因此其解空間樹是一顆子集樹。這裡實現優先佇列式分支限界法。#include <bits/stdc++.h> using namespace std
單源最短路徑算法 - Dijkstra算法
www. p s 單源最短路徑算法 ref targe left face win 最短 笨型返卑貿勒刀制事翰來狙http://www.facebolw.com/space/2102621/following 屯某啦勞紋妹世瀉嚷磷http://www.facebolw.c
探秘SPFA——強大的單源最短路徑算法
ron 直觀 rep 大於 pen body 操作 速度 並且 基於上次發blog,有位朋友讓我多寫些基本概念,就利用這次詳解偉大的SPFA算法來談。以下是百科上的算法簡介,很清楚,看一遍再繼續對理解程序很有幫助!(當然後面我也會解釋) SPFA(Shortest Path
單源最短路徑算法-Dijkstra算法
html mk4 fmb rgw 最短 store sfm lan win 58tdsk倉吩僬胃扛咕http://docstore.docin.com/sina_6367419690ttvq7n匆鎢概競讓弊http://t.docin.com/yzzoh24439pl24a
【算法】Dijkstra算法(單源最短路徑問題) 鄰接矩陣和鄰接表實現
當前 prior 排序 發的 單源最短路徑 fine emp eat col Dijkstra算法可使用的前提:不存在負圈。 負圈:負圈又稱負環,就是說一個全部由負權的邊組成的環,這樣的話不存在最短路,因為每在環中轉一圈路徑總長就會邊小。 算法描述: 1.找到最
算法筆記-----單源最短路徑之Bellman-Ford算法
void ref 類型 單源最短路徑 != als a算法 net def 今天介紹一種計算單源最短路徑的算法Bellman-Ford算法,對於圖G=(V,E)來說,該算法的時間復雜度為O(VE),其中V是頂點數,E是邊數。Bellman-Ford算法適用於任何有向圖,並能
單源最短路徑---Dijkstra算法
end mat empty esp mes OS urn struct lse 1、dijkstra算法求解過程: (1)首先設置兩個頂點集合T和S S中存放已找到最短路徑的頂點,初始時,集合S中只有一個頂點,即源點v0 T中存放當前還未找到最短路徑的頂點 (2)在
單源最短路徑---Bellman-Ford算法
分享圖片 第一步 iostream 代碼 .com style () typedef 最長路 1.Dijkstra算法的局限性 像上圖,如果用dijkstra算法的話就會出錯,因為如果從1開始,第一步dist[2] = 7, dist[3] = 5;在其中找出最小的邊是d
洛谷P3371單源最短路徑SPFA算法
開始 編程 using space 並且 shu 理解 前向星 來講 SPFA同樣是一種基於貪心的算法,看過之前一篇blog的讀者應該可以發現,SPFA和堆優化版的Dijkstra如此的相似,沒錯,但SPFA有一優點是Dijkstra沒有的,就是它可以處理負邊的情況。 和D
數據結構 - 單源最短路徑之迪傑斯特拉(Dijkstra)算法詳解(Java)
previous 代碼 map class matrix () count 就是 可能 給出一個圖,求某個端點(goal)到其余端點或者某個端點的最短路徑,最容易想到的求法是利用DFS,假設求起點到某個端點走過的平均路徑為n條,每個端點的平均鄰接端點為m,那求出這個最短
求圖的鄰接表表示法的單源最短路徑 Dijkstra演算法
要求帶權有向圖中某一頂點到其他各頂點的最短路徑,常用Dijkstra演算法,該演算法基本思想是,先將圖的頂點分為兩個集合,一個為已求出最短路徑的終點集合(開始為原點v1),另一個為還未求出最短路徑的頂點集合(開始為除v1外的全部結點),然後按最短路徑長