完整图上最便宜的成本遍历

发布于 2024-11-28 07:44:32 字数 168 浏览 1 评论 0原文

我想知道是否有一种算法: 给定一个完全连接的 n 节点图(具有不同的权重)...会给我从节点 A(起始节点)到所有其他节点并返回到节点 A 的最便宜的循环?有没有办法改变像 Primm 这样的算法来实现这一点?

感谢您的帮助

编辑:我忘了提及我正在处理一个无向图,因此每个顶点的入度=出度。

I was wondering if there is an algorithm which:
given a fully connected graph of n-nodes (with different weights)... will give me the cheapest cycle to go from node A (a start node) to all other nodes, and return to node A? Is there a way to alter an algorithm like Primm's to accomplish this?

Thanks for your help

EDIT: I forgot to mention I'm dealing with a undirected graph so the in-degree = out-degree for each vertex.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(3

儭儭莪哋寶赑 2024-12-05 07:44:32

你能不能修改Dijkstra,找到到所有其他节点的最短路径,然后当你找到它时,再找到回到A的最短路径?

Can you not modify Dijkstra, to find you the shortest path to all other nodes, and then when you have found it, the shortest path back to A?

一百个冬季 2024-12-05 07:44:32

您可以尝试迭代加深A星搜索算法。它始终是最佳的。不过,您需要定义一个启发式方法,这取决于您要解决的问题。

You can try the iterative deepening A star search algorithm. It is always optimal. You need to define a heuristic though and this will depend on the problem you are trying to solve.

沦落红尘 2024-12-05 07:44:32

不需要有任何这样的路径。当且仅当每个节点的入度等于其出度时它才存在。

你想要的是最便宜的欧拉路径。找到它的问题称为旅行推销员问题。没有也不可能有快速算法来解决这个问题。

编辑
再想一想:旅行商问题搜索一次访问每个节点的旅行。您要求进行一次至少访问每个节点一次的游览。因此,你的问题可能只是出在 P 上。不过我对此表示怀疑。

There need not be any such path. It exists if and only if the in-degree of every node equals its out-degree.

What you want is the cheapest Eulerian path. The problem of finding it is called the Traveling Salesman Problem. There is not, and cannot be, a fast algorithm to solve it.

Edit:
On second thought: The Traveling Salesman Problem searches for a tour that visits every node exactly once. You're asking for a tour that visits every node at least once. Thus, your problem might just be in P. I doubt it, though.

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文