这里是一个为O(n * 2^n)的动态规划方法,应该是可行的,最多说20个顶点:
m(b, U)
=任何路径的b
结束并仅访问最大长度(一些)U
中的顶点。
最初,设置m(b, {b}) = 0
。
然后,m(b, U)
=最大的m(x, U - x) + d(x, b)
在所有x
在U
使得x
值不b
和边缘(x, b)
存在。取所有端点的最大值b
,其中U
= V
(全部顶点)。这将是任何路径的最大长度。
下面的C代码假设在d[N][N]
中有一个距离矩阵。如果图形未加权,则可以将此阵列的每次读取访问更改为常量1
。显示最佳顶点序列(可能不止一个)的回溯也在数组p[N][NBITS]
中计算。
#define N 20
#define NBITS (1 << N)
int d[N][N]; /* Assumed to be populated earlier. -1 means "no edge". */
int m[N][NBITS]; /* DP matrix. -2 means "unknown". */
int p[N][NBITS]; /* DP predecessor traceback matrix. */
/* Maximum distance for a path ending at vertex b, visiting only
vertices in visited. */
int subsolve(int b, unsigned visited) {
if (visited == (1 << b)) {
/* A single vertex */
p[b][visited] = -1;
return 0;
}
if (m[b][visited] == -2) {
/* Haven't solved this subproblem yet */
int best = -1, bestPred = -1;
unsigned i;
for (i = 0; i < N; ++i) {
if (i != b && ((visited >> i) & 1) && d[i][b] != -1) {
int x = subsolve(i, visited & ~(1 << b));
if (x != -1) {
x += d[i][b];
if (x > best) {
best = x;
bestPred = i;
}
}
}
}
m[b][visited] = best;
p[b][visited] = bestPred;
}
return m[b][visited];
}
/* Maximum path length for d[][].
n must be <= N.
*last will contain the last vertex in the path; use p[][] to trace back. */
int solve(int n, int *last) {
int b, i;
int best = -1;
/* Need to blank the DP and predecessor matrices */
for (b = 0; b < N; ++b) {
for (i = 0; i < NBITS; ++i) {
m[b][i] = -2;
p[b][i] = -2;
}
}
for (b = 0; b < n; ++b) {
int x = subsolve(b, (1 << n) - 1);
if (x > best) {
best = x;
*last = b;
}
}
return best;
}
在我的PC,这解决了与在范围[0,1000)中随机选择的约7秒的边权重20×完全图,并且需要大约160MB(的一半是用于前身迹线)。
(请,没有关于使用固定大小的数组的意见。在实际的程序中使用malloc()
(或更好,但C++ vector<int>
),我只是写了这样这样的事情会更清晰。)
不(3 )涉及到查找强连接组件? (http://en.wikipedia.org/wiki/Strongly_connected_component) - 如果没有,我会认为你可以对这些做些什么。我发现Tarjans算法很容易理解。 – Steve314 2010-11-23 02:49:56
我真的不知道如何识别强连接组件或顶点收缩有助于解决LPP,但我可能是错的。为了强制它成为一个非循环图,我相信你需要简单的循环(Johnson's),因为强连通组件中可能还有循环。 – 2010-11-23 03:37:50