คำถามติดแท็ก weighted-graphs

5
การอนุญาตให้มีน้ำหนักเท่ากับศูนย์ในกราฟน้ำหนักหรือไม่
ฉันกำลังพยายามเขียนสคริปต์ที่สร้างกราฟแบบสุ่มและฉันจำเป็นต้องทราบว่าขอบในกราฟถ่วงน้ำหนักสามารถมีค่า 0 หรือไม่ จริงๆแล้วมันสมเหตุสมผลที่ 0 สามารถใช้เป็นน้ำหนักของขอบ แต่ฉันได้ทำงานกับกราฟในไม่กี่วันที่ผ่านมาและฉันไม่เคยเห็นตัวอย่างของมันมาก่อน

3
ต้นไม้ที่ขยายครอบคลุมขั้นต่ำสำหรับกราฟจะไม่ซ้ำกันเมื่อใด
กำหนด weighted, กราฟไม่มีทิศทาง G: ซึ่งเงื่อนไขต้องถือเพื่อให้ความจริงว่ามีหลายขั้นต่ำต้นไม้ทอดของ G? ฉันรู้ว่า MST นั้นไม่เหมือนใครเมื่อตุ้มน้ำหนักทั้งหมดนั้นแตกต่างกัน แต่คุณไม่สามารถย้อนกลับข้อความนี้ได้ หากมี muliple edge ที่มีน้ำหนักเท่ากันในกราฟอาจมี MST หลายตัว แต่อาจมีเพียงอันเดียว: ในตัวอย่างนี้กราฟทางด้านซ้ายมี MST ที่ไม่ซ้ำกัน แต่อันที่ถูกต้องไม่มี สิ่งที่ใกล้เคียงที่สุดที่ฉันจะได้รับในการค้นหาเงื่อนไขสำหรับความไม่เป็นเอกลักษณ์ของ MST คือ: พิจารณารอบที่ไม่มีลำตัวทั้งหมด (รอบที่ไม่มีรอบอื่น ๆ ) ในกราฟ G หากในรอบใด ๆ เหล่านี้ขอบที่มีน้ำหนักสูงสุดมีอยู่หลายครั้งกราฟจะไม่มีต้นไม้ทอดขั้นต่ำที่ไม่ซ้ำกัน ความคิดของฉันคือสำหรับรอบเช่นนี้ ด้วย n จุดยอดคุณสามารถแยกขอบด้านใดด้านหนึ่งออกและยังคงมีจุดเชื่อมต่อทั้งหมด ดังนั้นคุณมีทางเลือกมากมายในการลบขอบด้วยน้ำหนักสูงสุดเพื่อรับ MST ดังนั้น MST จึงไม่ซ้ำกัน อย่างไรก็ตามฉันมาพร้อมกับตัวอย่างนี้: คุณจะเห็นว่ากราฟนี้มีวัฏจักรที่เหมาะกับสภาพของฉัน: (E, F, G, H)แต่เท่าที่ฉันเห็นต้นไม้สแปนนิ่งขั้นต่ำนั้นไม่เหมือนใคร: ดังนั้นดูเหมือนว่าสภาพของฉันไม่ถูกต้อง (หรืออาจไม่ถูกต้องสมบูรณ์) …

2
ต้นไม้ที่ทอดข้ามขั้นต่ำของกราฟถ่วงน้ำหนักมีจำนวนขอบเท่ากันกับน้ำหนักที่กำหนดหรือไม่?
หากกราฟถ่วงน้ำหนักมีต้นไม้ทอดต่ำสุดสองแบบและว่าเป็นจริงที่ขอบในจำนวนขอบในมีน้ำหนักเท่ากับ (รวมถึงเอง) เท่ากับจำนวนขอบในมีน้ำหนักเท่ากันกับ ? หากข้อความนั้นเป็นจริงเราจะพิสูจน์ได้อย่างไรT 1 = ( V 1 , E 1 ) T 2 = ( V 2 , E 2 ) e E 1 E 1 e e E 2 eGGGT1=(V1,E1)T1=(V1,E1)T_1 = (V_1, E_1)T2=(V2,E2)T2=(V2,E2)T_2 = (V_2, E_2)eeeE1E1E_1E1E1E_1eeeeeeE2E2E_2eee

2
เส้นทางที่ไม่ตัดกันสั้นที่สุดสำหรับกราฟที่ฝังอยู่ในระนาบแบบยุคลิด (2D)
อัลกอริธึมอะไรที่คุณจะใช้เพื่อค้นหาเส้นทางที่สั้นที่สุดของกราฟซึ่งฝังอยู่ในระนาบแบบยุคลิดซึ่งเส้นทางนั้นไม่ควรมีจุดตัดด้วยตนเอง (ในการฝัง) ยกตัวอย่างเช่นในกราฟด้านล่างที่คุณต้องการจะไปจากที่ ) โดยปกติอัลกอริทึมอย่างอัลกอริทึมของ Dijkstra จะสร้างลำดับดังนี้:( 0 , 0 ) → ( - 3 , 2 )(0,0)→(-3,2)(0,0) \rightarrow (-3,2) [ ( 0 , 0 ) →3( 0 , 3 ) →2√( 1 , 2 ) →4( - 3 , 2 ) ] = 7 + 2-√.[(0,0)→3(0,3)→2(1,2)→4(-3,2)]=7+2.\left[ (0,0) \stackrel {3}{\rightarrow} …

1
การแยกประเภทการปรับแต่ง
ที่ทำงานฉันได้รับมอบหมายให้อนุมานข้อมูลบางประเภทเกี่ยวกับภาษาแบบไดนามิก ฉันเขียนลำดับของข้อความไปยังletนิพจน์ที่ซ้อนกันเช่น: return x; Z => x var x; Z => let x = undefined in Z x = y; Z => let x = y in Z if x then T else F; Z => if x then { T; Z } else { F; Z } เนื่องจากฉันเริ่มต้นจากข้อมูลประเภททั่วไปและพยายามอนุมานประเภทที่เฉพาะเจาะจงมากขึ้นตัวเลือกที่เป็นธรรมชาติคือประเภทการปรับแต่ง ตัวอย่างเช่นตัวดำเนินการตามเงื่อนไขส่งคืนการรวมของประเภทของสาขาที่เป็นจริงและเท็จ …
11 programming-languages  logic  type-theory  type-inference  machine-learning  data-mining  clustering  order-theory  reference-request  information-theory  entropy  algorithms  algorithm-analysis  space-complexity  lower-bounds  formal-languages  computability  formal-grammars  context-free  parsing  complexity-theory  time-complexity  terminology  turing-machines  nondeterminism  programming-languages  semantics  operational-semantics  complexity-theory  time-complexity  complexity-theory  reference-request  turing-machines  machine-models  simulation  graphs  probability-theory  data-structures  terminology  distributed-systems  hash-tables  history  terminology  programming-languages  meta-programming  terminology  formal-grammars  compilers  algorithms  search-algorithms  formal-languages  regular-languages  complexity-theory  satisfiability  sat-solvers  factoring  algorithms  randomized-algorithms  streaming-algorithm  in-place  algorithms  numerical-analysis  regular-languages  automata  finite-automata  regular-expressions  algorithms  data-structures  efficiency  coding-theory  algorithms  graph-theory  reference-request  education  books  formal-languages  context-free  proof-techniques  algorithms  graph-theory  greedy-algorithms  matroids  complexity-theory  graph-theory  np-complete  intuition  complexity-theory  np-complete  traveling-salesman  algorithms  graphs  probabilistic-algorithms  weighted-graphs  data-structures  time-complexity  priority-queues  computability  turing-machines  automata  pushdown-automata  algorithms  graphs  binary-trees  algorithms  algorithm-analysis  spanning-trees  terminology  asymptotics  landau-notation  algorithms  graph-theory  network-flow  terminology  computability  undecidability  rice-theorem  algorithms  data-structures  computational-geometry 

3
การปรับเปลี่ยนอัลกอริธึมของ Dijkstra สำหรับน้ำหนักขอบที่ดึงจากช่วง
สมมติว่าฉันมีกราฟกำกับที่มีน้ำหนักขอบถูกดึงมาจากช่วง[1,…,K][1,…,K][1,\dots, K]โดยที่KKKคงที่ หากฉันพยายามค้นหาเส้นทางที่สั้นที่สุดโดยใช้อัลกอริทึมของ Dijkstraฉันจะแก้ไขอัลกอริทึม / โครงสร้างข้อมูลและปรับปรุงความซับซ้อนของเวลาเป็นO(|V|+|E|)O(|V|+|E|)O(|V|+|E|)อย่างไร

2
โซ่มาร์คอฟคืออะไร?
ขณะนี้ฉันกำลังอ่านบทความเกี่ยวกับก้อนลูกโซ่มาร์คอฟและฉันไม่สามารถเห็นความแตกต่างระหว่างลูกโซ่มาร์คอฟและกราฟถ่วงน้ำหนักแบบกำกับ ตัวอย่างเช่นในบทความการหาพื้นที่รัฐที่เหมาะสมที่สุดในเครือมาร์คอฟพวกเขาให้คำจำกัดความต่อไปนี้ของ CTMC (ห่วงโซ่มาร์คอฟเวลาต่อเนื่อง): เราพิจารณา CTMC ที่ จำกัด (S,Q)(S,Q)(\mathcal{S}, Q) กับพื้นที่ของรัฐ S={x1,x2,…,xn}S={x1,x2,…,xn}\mathcal{S} = \{x_1, x_2, \ldots, x_n\} โดยเมทริกซ์อัตราการเปลี่ยนแปลง Q:S×S→R+Q:S×S→R+Q: \mathcal{S} \times \mathcal{S} \to \mathbb{R}^+. พวกเขาไม่ได้พูดถึงคุณสมบัติมาร์คอฟเลยและในความเป็นจริงถ้าน้ำหนักบนขอบแสดงถึงความน่าจะเป็นฉันเชื่อว่าคุณสมบัติมาร์คอฟถือเป็นเรื่องเล็กน้อยเนื่องจากความน่าจะเป็นขึ้นอยู่กับสถานะปัจจุบันของโซ่เท่านั้นและไม่ใช่เส้นทางที่นำไปสู่ เพื่อมัน ในบทความอื่น ๆเกี่ยวกับคุณสมบัติเชิงสัมพันธ์ของโซ่ของความสามารถมาร์คอฟLumpabilityถูกกำหนดในทำนองเดียวกัน: ห่วงโซ่มาร์คอฟ MMM จะแสดงเป็น triplet (S,P,π)(S,P,π)(S, P, \pi) ที่ไหน SSS เป็นชุด จำกัด ของรัฐของ MMM, PPP เมทริกซ์ความน่าจะเป็นช่วงการเปลี่ยนภาพแสดงความน่าจะเป็นที่จะได้รับจากสถานะหนึ่งไปอีกสถานะหนึ่งและ ππ\pi คือการแจกแจงความน่าจะเป็นเบื้องต้นที่แสดงถึงโอกาสที่ระบบจะเริ่มในสถานะที่แน่นอน อีกครั้งไม่พูดถึงอดีตหรืออนาคตหรือความเป็นอิสระ มีกระดาษแผ่นที่สามSimple O (m logn) …

1
ตัดขั้นต่ำในกราฟเส้นกำกับน้ำหนักด้วยน้ำหนักเชิงลบ
ฉันพบปัญหาต่อไปนี้: ให้กราฟไซโคลชีทที่มีน้ำหนักขอบมูลค่าจริงและสองจุดยอด s และ t คำนวณการตัดขั้นต่ำ สำหรับกราฟทั่วไปนี่คือ NP-hard เนื่องจากหนึ่งสามารถลด max-cut ได้เล็กน้อยโดยเพียงแค่ย้อนกลับน้ำหนักขอบ (แก้ไขฉันถ้าฉันผิด) สถานการณ์กับ DAG คืออะไร สามารถตัด min-cut (หรือ max-cut) ในเวลาพหุนามได้หรือไม่? มันเป็น NP-hard หรือไม่ถ้ามีมีขั้นตอนวิธีการประมาณที่รู้จักหรือไม่? ฉันพยายามหางานทำ แต่ไม่สามารถ (บางทีฉันแค่ใช้คำหลักผิดในการค้นหาของฉัน) ดังนั้นฉันจึงหวังว่าจะมีคนรู้ (หรือค้นหา) บางอย่างเกี่ยวกับเรื่องนี้
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.