Data structures 使用生成树数据结构的实际应用程序

你们有谁知道使用生成树数据结构的真实应用程序吗？

在网络中，我们经常使用最小生成树算法。问题是，给定一个带权边的图，找到一个总权最小的边树，满足这三个性质：连通的，非循环的，由| V |-1边组成的。（事实上，三个条件中的任何两个都意味着第三个条件。）

例如,

例如，如果您有一个大型局域网，其中包含大量 在交换机中，找到最小生成树可能会很有用，以便 只有最小数量的数据包需要在网络中中继 网络和同一数据包的多个副本不会通过 不同的路径（请记住，任何两个节点仅通过 生成树中的单路径）

其他现实问题包括布置电网， 据报道，Boruvka算法的最初动机是 寻找最小生成树的第一个算法。不应该这样 令人惊讶的是，找到最小生成树会更好 比任何旧的生成树都要复杂；如果网络上有一棵生成树 可能需要走最拥挤、最慢的路 这不太理想

除了计算机网络，还有许多其他应用，我在下面列出了参考资料：

网络设计： –电话、电气、液压、电视电缆、计算机、道路 标准应用程序用于解决电话网络设计等问题。你有一家拥有多个办公室的公司；你想租电话线把它们连接起来；电话公司为连接不同的城市对收取不同的费用。您需要一组线路，以最低的总成本连接所有办公室。它应该是一个生成树，因为如果一个网络不是一棵树，你总是可以删除一些边，节省资金

NP难问题的近似算法： –旅行推销员问题，Steiner tree 一个不太明显的应用是，最小生成树可以用来近似求解旅行商问题。定义此问题的一种方便的形式化方法是找到至少访问每个点一次的最短路径

请注意，如果有一条路径恰好访问所有点一次，则它是一种特殊的树。例如，在上面的例子中，十六棵生成树中的十二棵实际上是路径。如果路径多次访问某些顶点，则始终可以删除一些边以生成树。因此，一般来说，MST权重小于TSP权重，因为它是一个在严格的更大集合上的最小化

另一方面，如果围绕最小生成树绘制路径跟踪，则跟踪每条边两次并访问所有点，因此TSP权重小于MST权重的两倍。因此，本次旅行是在两个因素的最佳

间接应用： –最大瓶颈路径 –用于纠错的LDPC码 –使用Renyi熵进行图像配准 –学习实时人脸验证的显著特征 –减少蛋白质中氨基酸测序的数据存储 –湍流中颗粒相互作用的模型局部性 –以太网桥接的自动配置协议，以避免网络中的周期

聚类分析： k聚类问题可以看作是找到一个MST并删除k-1个most 昂贵的边缘

---

您可以阅读和的详细信息，并进行演示检查。

在网络中，我们经常使用最小生成树算法。问题是，给定一个带权边的图，找到一个总权最小的边树，满足这三个性质：连通的，非循环的，由| V |-1边组成的。（事实上，三个条件中的任何两个都意味着第三个条件。）

例如,

例如，如果您有一个具有大量本地网络的大型局域网 在交换机中，找到最小生成树可能会很有用，以便 只有最小数量的数据包需要在网络中中继 网络和同一数据包的多个副本不会通过 不同的路径（请记住，任何两个节点仅通过 生成树中的单路径）

其他现实问题包括布置电网， 据报道，Boruvka算法的最初动机是 寻找最小生成树的第一个算法。不应该这样 令人惊讶的是，找到最小生成树会更好 比任何旧的生成树都要复杂；如果网络上有一棵生成树 可能需要走最拥挤、最慢的路 这不太理想

除了计算机网络，还有许多其他应用，我在下面列出了参考资料：

网络设计： –电话、电气、液压、电视电缆、计算机、道路 标准应用程序用于解决电话网络设计等问题。你有一家拥有多个办公室的公司；你想租电话线把它们连接起来；电话公司为连接不同的城市对收取不同的费用。您需要一组线路，以最低的总成本连接所有办公室。它应该是一个生成树，因为如果一个网络不是一棵树，你总是可以删除一些边，节省资金

NP难问题的近似算法： –旅行推销员问题，Steiner tree 一个不太明显的应用是，最小生成树可以用来近似求解旅行商问题。定义此问题的一种方便的形式化方法是找到至少访问每个点一次的最短路径

请注意，如果有访问所有点的路径