• 贪心算法(Greedy Algorithm)最小生成树 克鲁斯卡尔算法(Kruskal's algorithm)


    克鲁斯卡尔算法(Kruskal's algorithm)它既是古典最低的一个简单的了解生成树算法。

    这充分反映了这一点贪心算法的精髓。该方法可以通常的图被表示。图选择这里借用Wikipedia在。非常清晰直观。

    首先第一步,我们有一张图。有若干点和边

    例如以下图所看到的:

    graph

    第一步我们要做的事情就是将全部的边的长度排序,用排序的结果作为我们选择边的根据。这里再次体现了贪心算法的思想。资源排序。对局部最优的资源进行选择。

    排序完毕后,我们领先选择了边AD。

    这样我们的图就变成了

    图1

    第二步。在剩下的变中寻找。

    我们找到了CE。这里边的权重也是5

    图二

    依次类推我们找到了6,7,7。完毕之后。图变成了这个样子。

    图三

    下一步就是关键了。

    以下选择那条边呢? BC或者EF吗?都不是。虽然如今长度为8的边是最小的未选择的边。可是如今他们已经连通了(对于BC能够通过CE,EB来连接。相似的EF能够通过EB, BA, AD, DF来接连)。所以我们不须要选择他们。

    相似的BD也已经连通了(这里的连通线用红色表示了)。所以最后就剩下EG和FG了。当然我们选择了EG。 最后成功的图就是下图:

    图四

    到这里全部的边点都已经连通了,一个最小生成树构建完毕。

    假设要简要得描写叙述这个算法的话就是,首先边的权重排序。

    (从小到大)循环的推断是否须要选择这里的边。推断的根据则是边的两个顶点是否已经连通,假设连通则继续下一条。不连通就选择使其连通。这个流程还是很清晰明了。

    可是在实现的时候。困难的地方在于怎样描写叙述2个点已然连通? 这里用到了并查集做辅助。至于并查集能够到这里去看看。

    这里贴出并查集的代码和Kruscal的C++实现:

  • 相关阅读:
    正则化方法:L1和L2 regularization、数据集扩增、dropout
    如何估算深度神经网络的最优学习率
    机器学习算法中如何选取超参数:学习速率、正则项系数、minibatch size
    leetcode 389. Find the Difference
    python导入模块
    如何选择正确的激活函数?
    leetcode 690. Employee Importance——本质上就是tree的DFS和BFS
    leetcode 258. Add Digits——我擦,这种要你O(1)时间搞定的必然是观察规律,总结一个公式哇
    leetcode 520. Detect Capital
    滴滴快车奖励政策,高峰奖励,翻倍奖励,按成交率,指派单数分级(12月21日)
  • 原文地址:https://www.cnblogs.com/zfyouxi/p/4589709.html
Copyright © 2020-2023  润新知