在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
图的相关算法也算是自己的一个软肋了,当年没选修图论也是一大遗憾。 图像处理中,也有使用图论算法作为基础的相关算法,比如图割,这个算法就需要求最大流、最小割。所以熟悉一下图论算法对于图像处理还是很有帮助的。 Dijkstra和Bellman-Ford类似,都是解决单源最短路径问题,不同的是这个方法只能解决边为非负的问题,实现的好的Dijkstra算法运行时间要快于Bellman-ford。 算法步骤如下: 1.首先设置队列,所有节点入列,源节点值为0,其他节点值为无穷。 2.然后在队列中找值最小的节点并出列。 3.计算出列的节点所有后继节点的距离。 4.松弛方法,如果新计算的距离小于上次计算的距离,那么更新距离,即将后继节点值设为较小的距离,并将后继节点的前趋设为当前的出列节点。 5.对剩余的节点队列继续找最小值并出列,不断循环2、3、4步直到队列中没有节点了。 步骤是上面没错,不过我程序中没有完全按照上述的步骤实现。不同的地方在于我没有做出列操作,而是通过标记节点的形式实现的。 运行结果如下,图(是图不是图片)是算法导论367页上的: matlab代码如下,netplot和compresstable2matrix和上一篇使用的一样: main.m clear all;close all;clc %初始化邻接压缩表,1 2 10 表示从节点1到节点2,边的权重为10 b=[1 2 10;1 4 5;2 3 1; 2 4 2; 3 5 4;4 2 3; 4 3 9; 4 5 2;5 1 7; 5 3 6]; m=max(max(b(:,1:2))); %压缩表中最大值就是邻接矩阵的宽与高 A=compresstable2matrix(b); %从邻接压缩表构造图的矩阵表示 netplot(A,1) %形象表示 S=inf(1,m); %从开始的源点到每一个节点的距离 S(1)=0; %源点到自己的距离为0 pa=zeros(1,m); %存储每个节点的前驱,在松弛过程中赋值 pa(1)=1; %源点的前趋是自己 relax.m %边缘松弛,使用更短的距离作为节点的值 function [S pa]=relax(S,pa,A,visit,index,m) i=index; for j=1:m if A(i,j)~=inf && visit(j)~=1 %搜索没有标记过的节点 if S(j)>S(i)+A(i,j) %将较小的值赋给正在搜寻的节点 S(j)=S(i)+A(i,j); pa(j)=i; end end end end extract_min.m %提取队列中尚未标记的最小的值的序号 function index=extract_min(S,visit,index,m) Mi=inf; for j=1:m if visit(j)~=1 if S(j)<Mi Mi=S(j); index=j; end end end end
|
2023-10-27
2022-08-15
2022-08-17
2022-09-23
2022-08-13
请发表评论