浅析算法——斯坦纳树

阅读量：276 次

发布时间：2019-03-01

本文共 579 字，大约阅读时间需要 1 分钟。

斯坦纳树与斯坦纳森林

斯坦纳树

用途

给一个图，求最小生成树？

这个很简单，prim/kruskal搞一搞。

如果只要求联通某几个点，而不强制要求其他点的联通？

这个prim/kruskal就不好做了。

那怎么求这个呢？

当然是要用到斯坦纳树啊。

计算方法

假设 ( f_{i,sta} ) 表示最后一个联通的是 ( i, s, a ) 中的 ( i ) 和 ( s ) 的最短路径。状态压缩中有两种状态转移：

( f_{i,sta} = f_{i,s} + f_{i,sta-s} )，其中 ( s ) 是当前要求点的联通性。

( d_v = d_u + val_{u,v} )，其中 ( u, i ) 之间有边相连。

第一个方程是很好维护的，关键是第二个方程。

观察到，第二个方程与spfa的方程很相似。

那么我们就可以用spfa维护第二个方程啦！

斯坦纳森林

用途

给一个图，求最小生成树？

这个很简单，prim/kruskal搞一搞。

如果只要求联通某几个点，而不强制要求其他点的联通？

这个很简单，斯坦纳树可以解决这个问题。

如果只要求某几个集合中的点互相联通，而分属两个不同集合的点没有要求，可以共用边？

这个就需要用斯坦纳森林了。

计算方法

把所有的集合放在一起，做一遍斯坦纳树，然后对所有集合做一遍子集合并dp。

例题

（此处无具体例题内容）

转载地址：http://eywo.baihongyu.com/

你可能感兴趣的文章

OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标

查看>>

OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU

查看>>

OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示（详细步骤 + 代码）

查看>>

OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)

查看>>

OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)

查看>>

OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率

查看>>

OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序（附源码）

查看>>

OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)

查看>>

OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别

查看>>

OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态（含数据集）

查看>>

OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序

查看>>

OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割（步骤 + 代码）

查看>>

OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)

查看>>

OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割（步骤 + 代码）

查看>>

OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数（步骤 + 源码）

查看>>

OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)

查看>>

OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果（数据集 + 源码）

查看>>

OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测（步骤 + 代码）

查看>>

OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)

查看>>

OpenCV与AI深度学习 | 实战｜OpenCV实时弯道检测(详细步骤+源码)

查看>>