动态规划在求解传递闭包问题中的应用(JAVA)--Warshell算法
动态规划在求解传递闭包问题中的应用:
传递闭包:对于n个顶点有向图来说,如果第i个顶点到第j个顶点之间存在一条有效的有向路径(即长度大于0的路径),那么T(i, j) = 1,否则T(i, j) = 0。例如:
求解传递闭包我们可以使用深度优先搜索和广度优先搜索,我们可以对每个顶点进行DFS/BFS,在对应的矩阵位置上置为1,遍历之后我们便得到整个图的传递闭包。
但是这种方式并不是高效的算法,而Warshell算法却能很好的解决问题。
Warshell算法通过一系列n阶布尔矩阵来构造传递闭包 R(0),...R(k),...,R(n) 。其中的每个布尔矩阵都提供有向图中有向路径的特定信息。具体来说,当且仅当从第i个顶点到第j个顶点之间存在一条有向路径,并且路径的每一个中间顶点的编号不大于k时,矩阵中第i行第j列的元素值为1。
R(0)中每个点的含义为:当且仅当从第i个顶点到第j个顶点之间存在一条有向路径,并且路径不存在中间顶点。即该矩阵为图的邻接矩阵。
R(k)中每个点的含义为:当且仅当从第i个顶点到第j个顶点之间存在一条有向路径,并且路径的每一个中间顶点的编号不大于k
R(n)中每个点的含义为:当且仅当从第i个顶点到第j个顶点之间存在一条有向路径,并且路径的每一个中间顶点的编号不大于n,即图的传递闭包。
思路:任何R(k)可以由R(k-1)计算的到的,那么,从第i个顶点vi到第j个顶点vj的路径可以表示为:
vi, ]每个顶点编号<=k的一个中间顶点集],vj
这会存在两种情况,情况一:R(k-1) = 1,中间顶点集中不包含k即可到达vj;
情况二,R(k-1) = 0,中间顶点集必须包含k才能到达vj,那么,只有当矩阵中第i行第k列的元素和第k行第j列的元素都是1,R(k)才能是1。示例如下图:
下面将以示例的形式具体展示Warshell算法的流程:
Input:
4 4
1 2
2 4
4 1
4 3
Output:
1 1 1 1
1 1 1 1
0 0 0 0
1 1 1 1
完整代码如下:
import java.util.Scanner;public class Main {static int[][] e = new int[10][10];static int n, m;static Scanner input = new Scanner(System.in);public static void main(String[] args) {n = input.nextInt();m = input.nextInt();for (int i = 1; i <= m; i++) {int a = input.nextInt();int b = input.nextInt();e[a][b] = 1;}floyd();for (int i = 1; i <= n; i++) {for (int j = 1; j <= n; j++) {System.out.print(e[i][j] + " ");}System.out.println();}}public static void floyd() {for (int k = 1; k <= n; k++) {for (int i = 1; i <= n; i++) {for (int j = 1; j <= n; j++) {if (e[i][j] != 0) {e[i][j] = 1;} else if (e[i][k]!=0 && e[k][j]!=0) {e[i][j] = 1;}}}}}
}
时间复杂度:O(n^3)
更一般的问题是求解带权图中全源最短路径的长度。
动态规划在求解传递闭包问题中的应用(JAVA)--Warshell算法相关推荐
- 动态规划在求解硬币问题中的应用(JAVA)--币制最大化、找零问题、硬币收集问题
动态规划:这种算法思想多用来求解最优化问题,因此这里存在一个最优化法则,法则指出最优化问题任一实例的最优解,都是由其子实例的最优解构成的.一般来说,自底向上的动态规划更容易设计,但是带有记忆功能的自顶 ...
- 动态规划在求解背包问题中的应用(JAVA)--回溯法、记忆化法
动态规划在求解背包问题中的应用 背包问题向来是动态规划的典型问题,给定n个重量为w1,w2,...,wn,价值为v1,v2,...,vn的物品和一个称重量为W的背包,求这些物品中最优价值的一个子集,且 ...
- 动态规划在求解全源最短路径中的应用(JAVA)--Floyd算法
参考图论算法(二)-最短路径的Dijkstra [ 单源 ] 和Floyd[ 多源 ] 解法(JAVA ) 这种算法也叫Floyd-Warshell算法,虽然和Warshell算法名字相近,算法思想也 ...
- 蛮力法在求解最优解问题中的应用(JAVA)--旅行家问题、背包问题、分配问题
蛮力法在求解最优解问题中的应用 1.TSP(旅行商问题)要求我们找出一条n个给定城市之间的最短路径,使我们再回到出发的城市之前,对欧每个城市都只访问一次.我们可以用赋权图来描述这个问题,那么算法的目的 ...
- adams求微分方程c语言,ADAMS在求解微分方程组中的应用
ADAMS 在求解微分方程组中的应用在求解微分方程组中的应用 众所周知 ADAMS 具有强大的结算功能,在求解动力学问题方面可谓得心应手.在此 我想介绍一下它在求解非线性微分方程组方面的应用. 在工程 ...
- 分治法在求解凸包问题中的应用(JAVA)--快包算法
分治法在求解凸包问题中的应用(JAVA) 之前写过一篇蛮力法在求解凸包问题中的应用(JAVA)还算简单易懂,没有基础的读者最好先去阅读以下. 这里用分治法来求解凸包问题,由于这个算法和快速排序十分相似 ...
- 减治法在求解拓扑排序问题中的应用(JAVA)--有向无环图
减治法在求解拓扑排序问题中的应用 拓扑排序:对于一个有向无环图来说,如果我们能够按照次序列出顶点,使得对于每条边来说,边的起始顶点总是排在边的结束顶点之前,那么这个过程就称为拓扑排序,拓扑排序有解是一 ...
- 两种方法求解 正数数组中 两个数相减 的最大值
一,问题描述 给定一个正数数组arr(即数组元素全是正数),找出该数组中,两个元素相减的最大值,其中被减数的下标不小于减数的下标. 即求出: maxValue = max{arr[j]-arr[i] ...
- HDU 4622 求解区间字符串中的不同子串的个数
题目大意: 给定一个长度<2000的串,再给最多可达10000的询问区间,求解区间字符串中的不同子串的个数 这里先考虑求解一整个字符串的所有不同子串的方法 对于后缀自动机来说,我们动态往里添加一 ...
最新文章
- python-pcl官网 应用、特征、过滤Filter教程翻译
- UE capability与 双连接相关的参数。
- 认识Linux下的各种系统服务
- [导入]C++程序随笔
- eclipse 插件打包发布
- (图文详细)如何使用Code::Blocks运行c/cpp文件?
- 关于sqoop增量导入oracle的数据到HDFS的出现的错误总结
- Netflix推出《DOTA2》系列动画 3月25日上线
- tensorflow之add_n
- IBatis.Net学习笔记三--两种常用的DAO
- 谷歌发布adb-fastboot工具独立包
- HTTP 协议中的长连接和短连接
- 【支持升级官方最新版】西部数码主机代理系统模板源码IDC网站源码虚拟主机代理管理系统
- CSS背景background和显示元素
- Spring基础学习
- oracle灾备冗余方案,Oracle灾备方案
- vue实现音乐平台项目
- [CB]2018年中国智能手机市场出货量
- C#将PDF文件转为图片
- 小学生python游戏编程arcade----基本知识1
热门文章
- bootstraptable 列隐藏_bootstrap中table如何隐藏列?
- 在c语言程序中无论是整数还是实数,C语言基础题及参考答案
- php对mysql的操作教程,php与Mysql的一些简单的操作
- 代码写好了怎么在php里裕兴_8 行代码用Python画一个中国地图
- 定时器中断实验 编写程序使定时器0或者定时器1工作在方式1,定时50ms触发蜂鸣器。
- ntext在mysql_varchar和text说不清的那些事
- Python入门进阶篇(六)字典的介绍
- linux获得系统时间 c,linux c 获取系统时间
- python 取整_马克的Python学习笔记#数字,日期和时间
- php下载 微信头像图片_php保存微信用户头像到本地或者服务器的完美方案!