Luận Văn: Bài Toán Cây Khung Nhỏ Nhất (MST) và Các Ứng Dụng

Luận văn về bài toán cây khung nhỏ nhất: lý thuyết, thuật toán (Prim, Kruskal) và ứng dụng thực tế trong mạng lưới, giao thông, và thiết kế mạch.

Chuyên ngành

Toán học

Người đăng

Ẩn danh

Thể loại

luận văn
75
6
0

Phí lưu trữ

30 Point

Mục lục chi tiết

DANH MỤC BẰNG BIẾU

1. CHƯƠNG 1: GIỚI THIỆU TÔNG QUAN

1.1. Lịch sử của bài toàn cây khung nhỏ nhất

1.2. Các ký hiệu toán học

1.3. Thời gian tính. Các ứng địng của bài loin MST

1.4. lnstering biểu liện đữ liện gen (Thuật phân nhóm đữ liệu biều hiện gen)

1.5. Xấp xí dựa trên MST

1.6. Kỹ nghệ thuật toán (Algorithm Engineering).2 Nẵn tăng của kỹ nghệ thuật toán. Mục tiêu và kết quổ của Tayện văn

2. CHƯƠNG 2: CẤU TRÚC ĐỮ LIỆU VÀ CÁC THUẬT TOÁN GIẢI BÀI TOÁN M5!

2.1. Khối xây dựng cơ bản. Hàng đợi tu tiên.2 Kết nổi đồ thị và sơ đồ tổng quát của các fhuật toán MST.3 Thuật toán Kruskal. Thuật toàn Boruvka

2.2. Thuật loán Dijksira-Tamhk-Priin (DIP). Khôi xây dựng nâng cao. Thuật toàn “Trường hợp l thị day

2.3. Cây quyết din MST

3. CHƯƠNG 3: THUẬT TOÁN MST TỎI ƯU

3.1. Bỗdễ chỉnh và thủ tụe.1 Bễ để chính.2 Phương pháp phân vùng

3.2. Thời gian tỉnh phân vũng và thực hiện. Thuật Toán MST tôi mn

3.3. Thời gian th

3.4. Phan lich edy quyết định.4 Kết luận thời gian tỉnh

3.5. Thông tin thực tiễn. Mục đích thục nghiêm và các thuật toán được lưa chọn để thực nghiệm

4. CHƯƠNG 4: MÔ HÌNH THỰC NGHIỆM

4.1. Bộ dữ liệu thực nghiệm

4.2. Môi trường thuựe nghiệm. Mô lẻ cải đặt các thuật toán

4.3. Kết quá thực nghiệm. Phân tích kết quả tục nghiệm MSI

Tài liệu tham khản

ANIIMUC BANG BIEU

Tóm tắt

I. Tổng Quan Về Bài Toán Cây Khung Nhỏ Nhất MST

Bài toán cây khung nhỏ nhất (MST) là một vấn đề cơ bản trong lý thuyết đồ thị. Mục tiêu là tìm một tập hợp các cạnh kết nối tất cả các đỉnh của một đồ thị có trọng số sao cho tổng trọng số của các cạnh này là nhỏ nhất. MST đóng vai trò quan trọng trong nhiều lĩnh vực, từ thiết kế mạng lưới đến phân tích dữ liệu. Bài toán này có nhiều ứng dụng thực tế, ví dụ như xây dựng mạng lưới giao thông, thiết kế mạch điện tử, và phân cụm dữ liệu. Thuật toán Prim, thuật toán Kruskal, và thuật toán Boruvka là những thuật toán cổ điển để giải bài toán MST. Mỗi thuật toán có những ưu điểm và nhược điểm riêng về hiệu suất và độ phức tạp. Luận văn này đi sâu vào các thuật toán này, phân tích độ phức tạp của chúng, và trình bày các ứng dụng thực tế của bài toán cây khung nhỏ nhất. Một trong những thách thức chính trong việc giải bài toán MST là tìm ra một thuật toán có độ phức tạp thời gian tối ưu. Mặc dù đã có nhiều tiến bộ trong lĩnh vực này, vẫn còn nhiều câu hỏi mở về cận dưới chính xác cho độ phức tạp thời gian của bài toán MST. Các thuật toán MST tối ưu được nghiên cứu trong luận văn này sử dụng nhiều ý tưởng từ cả hai thuật toán BoruvkaDỊP (Dijkstra-Jarník-Prim).

1.1. Lịch Sử Phát Triển Của Bài Toán Minimum Spanning Tree

Bài toán cây khung nhỏ nhất có một lịch sử lâu đời và phong phú. Thuật toán đầu tiên để giải bài toán này được mô tả bởi nhà toán học người Séc Otakar Borůvka vào năm 1926, khi ông giải quyết bài toán tối ưu hóa mạng lưới điện. Thuật toán này, ngày nay được gọi là thuật toán Borůvka, là một trong những thuật toán MST được biết đến sớm nhất. Sau đó, vào năm 1930, nhà toán học Séc Jarník phát hiện ra một thuật toán MST khác, được đề xuất độc lập bởi Prim (1957) và Dijkstra (1959). Thuật toán Kruskal được xuất bản năm 1956. Nhiều thuật toán MST hiện đại sử dụng các ý tưởng từ thuật toán Borůvka và DỊP. Cụ thể là các thuật toán MST tối ưu được nghiên cứu trong luận văn này sử dụng rất nhiều ý tưởng từ cả hai thuật toán.

1.2. Các Ký Hiệu Toán Học Cơ Bản Trong Lý Thuyết Đồ Thị

Trong lý thuyết đồ thị, các ký hiệu toán học được sử dụng để mô tả các đối tượng và quan hệ một cách chính xác và ngắn gọn. Ví dụ, G = (V, E) biểu diễn một đồ thị, trong đó V là tập hợp các đỉnh và E là tập hợp các cạnh. Các ký hiệu khác bao gồm log₂(n) để biểu diễn logarit cơ số 2, n! để biểu diễn giai thừa của một số nguyên dương, và hàm Ackermann A(m, n) để biểu diễn một hàm số tăng rất nhanh. Việc hiểu rõ các ký hiệu này là rất quan trọng để nắm bắt các khái niệm và thuật toán trong bài toán cây khung nhỏ nhất.

1.3. Các Khái Niệm Cốt Lõi Trong Lý Thuyết Đồ Thị Liên Quan

Một số khái niệm cốt lõi trong lý thuyết đồ thị bao gồm đồ thị vô hướng, đồ thị có hướng, đồ thị liên thông, cây, rừng, chu trình, và đường đi. Đồ thị vô hướng là đồ thị mà các cạnh không có hướng, trong khi đồ thị có hướng là đồ thị mà các cạnh có hướng. Đồ thị liên thông là đồ thị mà có một đường đi giữa hai đỉnh bất kỳ. Cây là một đồ thị liên thông không có chu trình. Rừng là một tập hợp các cây. Chu trình là một đường đi bắt đầu và kết thúc tại cùng một đỉnh. Đường đi là một dãy các đỉnh và cạnh kết nối chúng.

II. Thách Thức Độ Phức Tạp Của Thuật Toán Tìm MST

Một trong những thách thức lớn nhất trong việc giải bài toán cây khung nhỏ nhất là tìm ra một thuật toán có độ phức tạp thời gian tối ưu. Các thuật toán cổ điển như thuật toán Primthuật toán Kruskal có độ phức tạp thời gian là O(E log V), trong đó E là số cạnh và V là số đỉnh của đồ thị. Tuy nhiên, đã có những tiến bộ đáng kể trong việc phát triển các thuật toán MST có độ phức tạp thời gian thấp hơn. Ví dụ, thuật toán của Chazelle có độ phức tạp thời gian gần tuyến tính. Một thách thức khác là xử lý các đồ thị lớn. Trong nhiều ứng dụng thực tế, đồ thị có thể có hàng triệu hoặc thậm chí hàng tỷ đỉnh và cạnh. Việc giải bài toán MST trên các đồ thị lớn như vậy đòi hỏi các thuật toán và cấu trúc dữ liệu hiệu quả. Các giải thuật cây khung nhỏ nhất song song là một hướng nghiên cứu tiềm năng.

2.1. Phân Tích Độ Phức Tạp Thời Gian Của Các Thuật Toán MST

Việc phân tích độ phức tạp thời gian của các thuật toán MST là rất quan trọng để hiểu hiệu suất của chúng và lựa chọn thuật toán phù hợp cho một ứng dụng cụ thể. Thuật toán Prim, sử dụng hàng đợi ưu tiên, có độ phức tạp thời gian là O(E + V log V). Thuật toán Kruskal, sử dụng cấu trúc dữ liệu Union-Find, có độ phức tạp thời gian là O(E log E). Thuật toán Borůvka có độ phức tạp thời gian là O(E log V). Việc so sánh độ phức tạp thời gian của các thuật toán này cho phép chúng ta đánh giá hiệu quả của chúng trên các đồ thị khác nhau.

2.2. Vấn Đề Với Cấu Trúc Dữ Liệu Cho MST và Giải Pháp

Việc lựa chọn cấu trúc dữ liệu cho MST có ảnh hưởng lớn đến hiệu suất của các thuật toán. Hàng đợi ưu tiên, được sử dụng trong thuật toán Prim, cho phép chúng ta tìm cạnh có trọng số nhỏ nhất một cách hiệu quả. Cấu trúc dữ liệu Union-Find, được sử dụng trong thuật toán Kruskal, cho phép chúng ta kiểm tra xem hai đỉnh có thuộc cùng một thành phần liên thông hay không một cách nhanh chóng. Tuy nhiên, việc lựa chọn cấu trúc dữ liệu phù hợp có thể là một thách thức, đặc biệt là đối với các đồ thị lớn. Có một số giải pháp được đề xuất như sử dụng cấu trúc Fibonacci heap cho thuật toán Prim để cải thiện hiệu suất.

2.3. Những Hạn Chế Giả Định Trong Các Thuật Toán MST

Các thuật toán MST thường dựa trên một số giả định và hạn chế. Ví dụ, chúng thường giả định rằng đồ thị là liên thông và có trọng số cạnh không âm. Ngoài ra, một số thuật toán có thể không hoạt động hiệu quả trên các đồ thị có mật độ cao. Việc hiểu rõ những hạn chế này là rất quan trọng để sử dụng các thuật toán MST một cách thích hợp và giải quyết các vấn đề thực tế.

III. Các Thuật Toán Prim Kruskal Boruvka Hướng Dẫn Chi Tiết

Thuật toán Prim, thuật toán Kruskal, và thuật toán Borůvka là những thuật toán cổ điển để giải bài toán cây khung nhỏ nhất. Thuật toán Prim bắt đầu từ một đỉnh và dần dần mở rộng cây bằng cách thêm các cạnh có trọng số nhỏ nhất kết nối cây với các đỉnh bên ngoài cây. Thuật toán Kruskal bắt đầu với một tập hợp các đỉnh riêng biệt và dần dần hợp nhất chúng thành các cây lớn hơn bằng cách thêm các cạnh có trọng số nhỏ nhất mà không tạo ra chu trình. Thuật toán Borůvka bắt đầu với một tập hợp các đỉnh riêng biệt và dần dần hợp nhất chúng thành các cây lớn hơn bằng cách thêm các cạnh có trọng số nhỏ nhất kết nối mỗi đỉnh với một đỉnh khác. Thuật toán này có thể được thực hiện song song.

3.1. Cách Hoạt Động Và Cài Đặt Thuật Toán Prim

Thuật toán Prim xây dựng MST bằng cách bắt đầu từ một đỉnh duy nhất và lặp lại các bước sau: Tìm cạnh có trọng số nhỏ nhất kết nối đỉnh hiện tại với một đỉnh chưa có trong MST. Thêm cạnh này và đỉnh mới vào MST. Quá trình này tiếp tục cho đến khi tất cả các đỉnh đều có trong MST. Việc cài đặt thuật toán Prim có thể được thực hiện bằng cách sử dụng hàng đợi ưu tiên để lưu trữ các cạnh có thể được thêm vào MST.

3.2. Thuật Toán Kruskal Từ Ý Tưởng Đến Mã Nguồn

Thuật toán Kruskal xây dựng MST bằng cách bắt đầu với một tập hợp các cây đơn lẻ và lặp lại các bước sau: Chọn cạnh có trọng số nhỏ nhất chưa được chọn. Nếu cạnh này không tạo thành một chu trình trong MST hiện tại, hãy thêm nó vào MST. Quá trình này tiếp tục cho đến khi tất cả các đỉnh đều thuộc cùng một cây. Việc cài đặt thuật toán Kruskal có thể được thực hiện bằng cách sử dụng cấu trúc dữ liệu Union-Find để kiểm tra xem hai đỉnh có thuộc cùng một cây hay không.

3.3. Ưu Nhược Điểm Của Thuật Toán Boruvka

Thuật toán Borůvka có một số ưu điểm so với thuật toán Primthuật toán Kruskal. Ví dụ, nó có thể được thực hiện song song một cách dễ dàng. Tuy nhiên, nó cũng có một số nhược điểm, chẳng hạn như độ phức tạp cài đặt cao hơn. Thuật toán này có độ phức tạp thời gian là O(E log V) giống như thuật toán Primthuật toán Kruskal, nhưng hằng số ẩn trong O(.) có thể lớn hơn.

IV. Ứng Dụng Cây Khung Nhỏ Nhất Trong Thực Tế Đa Dạng

Cây khung nhỏ nhất có nhiều ứng dụng thực tế trong nhiều lĩnh vực. Trong thiết kế mạng lưới, MST có thể được sử dụng để tìm cách kết nối các thiết bị sao cho tổng chi phí kết nối là nhỏ nhất. Trong phân cụm dữ liệu, MST có thể được sử dụng để phân nhóm các điểm dữ liệu dựa trên khoảng cách giữa chúng. Trong thiết kế mạch điện tử, MST có thể được sử dụng để tìm cách kết nối các thành phần sao cho tổng chiều dài dây dẫn là nhỏ nhất. Bài toán cũng được ứng dụng nhiều trong bài toán quy hoạch mạng lưới

4.1. Ứng Dụng Cây Khung Nhỏ Nhất Trong Thiết Kế Mạng Lưới

Trong thiết kế mạng lưới, cây khung nhỏ nhất có thể được sử dụng để tìm cách kết nối các thiết bị sao cho tổng chi phí kết nối là nhỏ nhất. Ví dụ, nó có thể được sử dụng để thiết kế mạng lưới đường bộ, mạng lưới điện, hoặc mạng lưới viễn thông. Việc sử dụng MST giúp giảm thiểu chi phí xây dựng và duy trì mạng lưới.

4.2. Ứng Dụng MST Để Tối Ưu Chi Phí Kết Nối Các Thành Phố

Một ứng dụng cụ thể của cây khung nhỏ nhất trong thiết kế mạng lưới là tìm cách kết nối các thành phố sao cho tổng chi phí xây dựng đường xá là nhỏ nhất. Bài toán này có thể được giải bằng cách coi các thành phố là các đỉnh của đồ thị và khoảng cách giữa các thành phố là trọng số của các cạnh. Thuật toán MST sẽ tìm ra một tập hợp các đường xá kết nối tất cả các thành phố với chi phí thấp nhất.

4.3. Cây Khung Nhỏ Nhất Bài Toán Thiết Kế Mạch Điện Tử

Trong thiết kế mạch điện tử, cây khung nhỏ nhất có thể được sử dụng để tìm cách kết nối các thành phần sao cho tổng chiều dài dây dẫn là nhỏ nhất. Việc giảm thiểu chiều dài dây dẫn giúp giảm thiểu điện trở và độ trễ tín hiệu, cải thiện hiệu suất của mạch điện.

V. Nghiên Cứu Giải Thuật MST Tối Ưu Hiện Nay

Hiện nay, các nghiên cứu về cây khung nhỏ nhất tập trung vào việc phát triển các thuật toán có độ phức tạp thời gian tối ưu và khả năng xử lý các đồ thị lớn. Một số thuật toán MST tối ưu được biết đến bao gồm thuật toán của Chazelle và thuật toán của Pettie và Ramachandran. Các thuật toán này sử dụng các kỹ thuật tiên tiến như phân rã đồ thị và hàng đợi ưu tiên phức tạp để đạt được hiệu suất cao. Bên cạnh đó, các nhà nghiên cứu cũng đang khám phá các giải thuật cây khung nhỏ nhất song song để tận dụng sức mạnh của các hệ thống tính toán đa lõi.

5.1 So Sánh Các Giải Thuật Cây Khung Nhỏ Nhất Tối Ưu

Các thuật toán giải thuật cây khung nhỏ nhất tối ưu hiện nay rất đa dạng. Giải thuật của Chazelle đạt được độ phức tạp gần như tuyến tính trong trường hợp xấu nhất. Giải thuật Pettie và Ramachandran là một thuật toán theo lý thuyết, nhưng rất khó cài đặt.

5.2. Giải Thuật MST Song Song Tối Ưu Hiệu Suất

Các giải thuật MST song song là rất quan trọng để xử lý các đồ thị lớn trong các ứng dụng thực tế. Các thuật toán này tận dụng sức mạnh của các hệ thống tính toán đa lõi để giảm thiểu thời gian tính toán. Ví dụ, thuật toán Borůvka có thể được thực hiện song song một cách dễ dàng, giúp tăng tốc đáng kể quá trình tìm kiếm MST.

5.3. Nghiên Cứu Về Chứng Minh Độ Phức Tạp Thời Gian MST

Việc chứng minh độ phức tạp thời gian của các giải thuật cây khung nhỏ nhất tối ưu là một lĩnh vực nghiên cứu quan trọng. Mặc dù đã có nhiều tiến bộ trong lĩnh vực này, vẫn còn nhiều câu hỏi mở về cận dưới chính xác cho độ phức tạp thời gian của bài toán MST. Việc tìm ra một cận dưới chính xác sẽ giúp chúng ta hiểu rõ hơn về giới hạn của các thuật toán hiện tại và phát triển các thuật toán mới có hiệu suất cao hơn.

VI. Kết Luận Tương Lai Của Bài Toán Cây Khung Nhỏ Nhất

Bài toán cây khung nhỏ nhất là một vấn đề cơ bản trong khoa học máy tính và có nhiều ứng dụng thực tế. Mặc dù đã có nhiều tiến bộ trong việc giải quyết bài toán này, vẫn còn nhiều thách thức và cơ hội nghiên cứu. Trong tương lai, chúng ta có thể mong đợi sự phát triển của các thuật toán MST có độ phức tạp thời gian tối ưu, khả năng xử lý các đồ thị lớn, và ứng dụng trong các lĩnh vực mới.

6.1 Hướng Phát Triển Của Thuật Toán Cây Khung Nhỏ Nhất

Trong tương lai, các thuật toán giải thuật cây khung nhỏ nhất sẽ tiếp tục phát triển theo nhiều hướng. Một trong những hướng quan trọng là phát triển các thuật toán có độ phức tạp thời gian tối ưu, đặc biệt là các thuật toán có độ phức tạp tuyến tính. Một hướng khác là phát triển các thuật toán có khả năng xử lý các đồ thị lớn, chẳng hạn như các đồ thị có hàng tỷ đỉnh và cạnh. Các thuật toán song song và phân tán cũng sẽ đóng vai trò quan trọng trong việc xử lý các đồ thị lớn.

6.2 Tầm Quan Trọng Của Nghiên Cứu MST

Các nghiên cứu về giải thuật cây khung nhỏ nhất có tầm quan trọng lớn trong nhiều lĩnh vực. Trong khoa học máy tính, nó giúp chúng ta hiểu rõ hơn về các thuật toán và cấu trúc dữ liệu hiệu quả. Trong các ứng dụng thực tế, nó giúp chúng ta giải quyết các vấn đề quan trọng trong thiết kế mạng lưới, phân cụm dữ liệu, và thiết kế mạch điện tử.

6.3 Ứng Dụng Tiềm Năng Mới Của MST

Bài toán cây khung nhỏ nhất có tiềm năng ứng dụng trong nhiều lĩnh vực mới. Ví dụ, nó có thể được sử dụng trong phân tích mạng xã hội để tìm ra các nhóm người có liên hệ chặt chẽ với nhau. Nó cũng có thể được sử dụng trong sinh học để phân tích các mạng lưới tương tác protein. Việc khám phá các ứng dụng mới của MST sẽ tiếp tục là một lĩnh vực nghiên cứu quan trọng trong tương lai.

11/09/2025

Trích đoạn nội dung tài liệu

Chương 1 GIỚI THIỆU TÔNG QUAN 1.1 Lịch sử của bài toàn cây khung nhỏ nhất Cho G = (V, F) ("la tập đỉnh, Z là tập cạnh) là đỗ thị vô hướng liên thông có trọng số trên cạnh w(£),e € R. Giả sử 7 là một cây khung của Ớ, ta gọi trọng số của cây 7 là tổng trọng số các cạnh trong 7, li toản đặt ra là trong số các cây khung của Ơ, hãy tìm cây khung có trọng số nhỏ nhật. Cây khung như vậy được gọi là cây khung nhỏ nhất của dỏ thị (ainnnum spanning, tree) và bài toán dặt ra được gọi là bài toán cây khung nhỏ nhất. Nam 1926, nhà toán học người Séc Otakar Boruvka mô tả một thuật toán giải “một số bài toán cực tiêu hoá" [4].

Ông đã để xuất các thuật toán để tôi ưu hoá mang lưới điện. Vào thời Bơravka chưa có các khát mệm về đỗ thị và cây khimg tối thiểu. 'Thuật toán cúa ông là thuật toán giải bài toán cây khung nhỏ nhất được biết đến sớm. Thất, Ngày nay thuật toán này được gọi là thuật toán của Boruvka.

Trong luận vn, cây khung nhỏ nhất được gọi tắt là "MST", Năm 1930, một thuật toán MST khác dược phát hiện bởi nhà toán học Séc Jarnnk [9]. Thuật toán nảy được đề xuất độc lập bởi nhà toán học vá khoa hoc may tính người Mỹ Prim vào nấm 1957, và sau đó tái khám phá bởi các nhà khoa học máy tinh Ha Lan Dijkstra trong năm 1959, Do dỏ, thuật toán đồi khi dược gọi là thuật toán: của Prim, thuật toán của Jarnlik, thuật toán Prim-Jamik: hoặc thuật toán DỊP. Trong, luận văn này, chúng tôi gọi thuật toán này là thuật toán DỊP. Thuật toán Kruskal là một thuật toán trong lý thuyết để thị để tìm cây bao trùm tối [ểu của một đỏ thị liên thông có trọng số.

Noi ách khác, nó tìm một tập hợp các cạnh tạo thành một cây chứa tất cả cáo đỉnh của để thị và có tổng trọng số. các cạnh là nhỏ nhất. Thuật toán Kruskal là một ví đụ của tuiật toán tham lam Thuật †oán nay xuất bản lan dau tiên năm 1956, béi Joseph Kruskal Nhiéu thuat toán MST hiện dại sử dụng, các ý tưởng từ thuật toán Boruvka và DỊP. Cụ thể là các thuật toán MST tối ưa được nghiên cửu trong luận văn này sử 1.

Cây khưng nhỏ nhất. Định nghĩa: Cho G là một dễ thị liên thông. Một cây lung của G là một cây chứa tất cá các đĩnh với tập cạnh là tập con của tập cạnh của Œ. Nói cách khác cây khung là một cây bao trùm tat cd cde dink trong G.

Bink nghĩa: Cho T là một câu khung của một đồ thị liên thông có trọng số. Trọng lượng của †' được xác định bằng tông trọng số của các cạnh trong T: ø(T) = >3 ole) erFŒ) Tịnh nghĩa: Cho Œ là một đồ thị liên thông có trọng số. Câu khung nhồ nhất (AST) của G là cây khung của G với trọng số là nhà nhất. Rõ ràng là từ dịnh nghĩa, MST là một lời giải cho các bài toán trong dỏ đòi hồi 'phải so sánh các trọng số cạnh.

Mếu đỗ thị có trọng số các cạnh lá bằng nhau thì mọi cây khung của nó đêu là MST. Vỉ dụ này che thây đề thị có thế có nhiều cây khưng nhỏ nhất, Tuy nhiên, trong phần tiếp theo ta sẽ thấy là nếu một dỗ thị sỏ trọng só các cạnh là phân biệt (tức la không có hai cạnh nao cd cing trong số), thì cây khung nhỏ nhất của nó là đuy nhất 1.1 Một số tính chất 'TThuộc tính chu trình Pink ly 1.1: Déi với mỗi chủ trình đan của đồ thị liên thông có trọng số Œ với trọng lượng cạnh phân biệt, cạnh nặng nhất trong chủ trình không thuộc bất cứ một MST nào của G. Chúng mình: Xem Tĩnh 12a Giả sử ngược lại, túc là cạnh nặng nhất e thuộc một MST. Xóa e từ một MST sẽ chia thảnh hai cây con tách rồi với hai điểm cuối của e trong cây con kháe nhau.

Có tổn tại một số cạnh ƒ z ø trong, chu trình với các đầu cuốt trong hai cây con khác nhau. Bởi vì w(ƒ) < w(e), kết nỗi hai cây con lại 1. Cây khưng nhỏ nhất. Định nghĩa: Cho G là một dễ thị liên thông.

Một cây lung của G là một cây chứa tất cá các đĩnh với tập cạnh là tập con của tập cạnh của Œ. Nói cách khác cây khung là một cây bao trùm tat cd cde dink trong G. Bink nghĩa: Cho T là một câu khung của một đồ thị liên thông có trọng số. Trọng lượng của †' được xác định bằng tông trọng số của các cạnh trong T: ø(T) = >3 ole) erFŒ) Tịnh nghĩa: Cho Œ là một đồ thị liên thông có trọng số.

Câu khung nhồ nhất (AST) của G là cây khung của G với trọng số là nhà nhất. Rõ ràng là từ dịnh nghĩa, MST là một lời giải cho các bài toán trong dỏ đòi hồi 'phải so sánh các trọng số cạnh. Mếu đỗ thị có trọng số các cạnh lá bằng nhau thì mọi cây khung của nó đêu là MST. Vỉ dụ này che thây đề thị có thế có nhiều cây khưng nhỏ nhất, Tuy nhiên, trong phần tiếp theo ta sẽ thấy là nếu một dỗ thị sỏ trọng só các cạnh là phân biệt (tức la không có hai cạnh nao cd cing trong số), thì cây khung nhỏ nhất của nó là đuy nhất 1.1 Một số tính chất 'TThuộc tính chu trình Pink ly 1.1: Déi với mỗi chủ trình đan của đồ thị liên thông có trọng số Œ với trọng lượng cạnh phân biệt, cạnh nặng nhất trong chủ trình không thuộc bất cứ một MST nào của G.

Chúng mình: Xem Tĩnh 12a Giả sử ngược lại, túc là cạnh nặng nhất e thuộc một MST. Xóa e từ một MST sẽ chia thảnh hai cây con tách rồi với hai điểm cuối của e trong cây con kháe nhau. Có tổn tại một số cạnh ƒ z ø trong, chu trình với các đầu cuốt trong hai cây con khác nhau. Khi 46 A’ ting rất nhanh, ngược lại hàm nghịch đáo của nó 4°—1 tăng, rất chậm.

Liàm nghịch đáo của hảm Ackermann durge Icy higu la at. Liam #(n) là nhỏ hơn 5 cho tất cả ga trị "thực" của =. Hàm nghịch đào Ackermam hai tham số được định nghĩa bởi đớn, n) = min{i >1| A(/[m/n]) > logn}. Chú ý là hàm œ tăng rất chậm, Đồi với số nguyễn ;m > 0 và m: >1, hàm đứn.r) được định nghĩa là 8(m,n) = min{i | log(1) < m/n), nghĩa là ØŒmjn) là số lần các hàm logarithm được áp dụng đổi với n để thu được kết quả là < mứn.3 Lý thuyết dỗ thị Đô thị vô hướng G là một kiểu dữ liệu trừu tượng dược xác định bởi Œ = (Œ,E), trong đỏ V là một tập đính và # là một tập cạnh, đỏ là cáo cặp đính không có thứ tự.

Ta sẽ kỷ hiệu m! =|V| và ? =|E|, và tập đính V = {Pa,tz,. Lớp các đồ thị với n đính và m cạnh được ký éu la G11, 771). Để chỉ ra tập đính của đồ thị Œ ta đùng kí hiệu bởi V(G), và tập cạnh của nó được kí hiệu bởi E(G). Một cạnh ø; nối hai đỉnh ơạ và wạ, và được ký hiểu (ra,zp).

Theo định nghữa của một. đỗ thị vô hưởng, một cạnh là một cặp không có thứ tự gồm hai dính, vì vậy (0, ,y) = (0„,0„). Mỗi cạnh e; của dễ thị sẽ dược gán một trọng số dương w(@;) có thể hiểu dỏ lá chỉ phí của "sử dụng" cạnh Nếu w(#¡) < w(e,) voi í # ƒ thiø, được coi là nhẹ hơn e;, ¢; ning hem ø,. Dẻ đơn gián, tất cá các ví dụ đỏ thị trong luận vẫn nảy sẽ có trọng số cạnh tương ứng với khoảng cách Buclide giữa các diém cuối.

Điều này là một giả dịnh phổ biến trong các vi dụ thực tế, chẳng hạn như xnạng lưới đường bộ và mạng lưới điện hoặc dây đữ liệu. Bậc của một đỉnh v, ký hiệu tổi dep(œ), là số cạnh kẻ với nó (nhận nả 14 dau mun). Mét đường đi trong đồ thị là xuột đây các đỉnh và cạnh xen kế bắt. đầu từ rnột.

đình và kết thúc tại một đỉnh. Như nti ifm=0 Aứm,r)= 4 AŒm — 1,1) ifm > 0 and ra = 0 A(m — 1,Aữn,n — 1)) else ‘Mét tinh chat quan trong cua 4(m,m) là giá trị của nó tăng rất nhanh, Gọi An) = An, 2). Khi 46 A’ ting rất nhanh, ngược lại hàm nghịch đáo của nó 4°—1 tăng, rất chậm. Liàm nghịch đáo của hảm Ackermann durge Icy higu la at.

Liam #(n) là nhỏ hơn 5 cho tất cả ga trị "thực" của =. Hàm nghịch đào Ackermam hai tham số được định nghĩa bởi đớn, n) = min{i >1| A(/[m/n]) > logn}. Chú ý là hàm œ tăng rất chậm, Đồi với số nguyễn ;m > 0 và m: >1, hàm đứn.r) được định nghĩa là 8(m,n) = min{i | log(1) < m/n), nghĩa là ØŒmjn) là số lần các hàm logarithm được áp dụng đổi với n để thu được kết quả là < mứn.3 Lý thuyết dỗ thị Đô thị vô hướng G là một kiểu dữ liệu trừu tượng dược xác định bởi Œ = (Œ,E), trong đỏ V là một tập đính và # là một tập cạnh, đỏ là cáo cặp đính không có thứ tự. Ta sẽ kỷ hiệu m! =|V| và ? =|E|, và tập đính V = {Pa,tz,.

Lớp các đồ thị với n đính và m cạnh được ký éu la G11, 771). Để chỉ ra tập đính của đồ thị Œ ta đùng kí hiệu bởi V(G), và tập cạnh của nó được kí hiệu bởi E(G). Một cạnh ø; nối hai đỉnh ơạ và wạ, và được ký hiểu (ra,zp). Theo định nghữa của một.

đỗ thị vô hưởng, một cạnh là một cặp không có thứ tự gồm hai dính, vì vậy (0, ,y) = (0„,0„). Mỗi cạnh e; của dễ thị sẽ dược gán một trọng số dương w(@;) có thể hiểu dỏ lá chỉ phí của "sử dụng" cạnh Nếu w(#¡) < w(e,) voi í # ƒ thiø, được coi là nhẹ hơn e;, ¢; ning hem ø,. Dẻ đơn gián, tất cá các ví dụ đỏ thị trong luận vẫn nảy sẽ có trọng số cạnh tương ứng với khoảng cách Buclide giữa các diém cuối. Điều này là một giả dịnh phổ biến trong các vi dụ thực tế, chẳng hạn như xnạng lưới đường bộ và mạng lưới điện hoặc dây đữ liệu.

Bậc của một đỉnh v, ký hiệu tổi dep(œ), là số cạnh kẻ với nó (nhận nả 14 dau mun). Mét đường đi trong đồ thị là xuột đây các đỉnh và cạnh xen kế bắt. đầu từ rnột. đình và kết thúc tại một đỉnh.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ