【正文】 { close[j].adjvex = [k]。 for (j=0。 coutclose[k].lowcostendl。 cout。 i++) { k = minimum(close)。 for (i = 1。 close[k].lowcost = 0。 close[j].adjvex = 39。 close[j].lowcost = [k][j].adj。 j 。 k = LocateVex ( G, u )。 }}void MiniSpanTree_PRIM(MGraph G,VerTexType u){ int i, j, k = 0。 k = 0。 [k][j].adj = weigh。 while (tide != [k]) k++。 cinweigh。 cinhand。 i 。 k = 0。 coutinputarc(char,char,weigh):endl。 i++) cin[i]。 for(i=0。 } coutendl。 j 。 i 。 cin。 char hand, tide。G){ int weigh。)。 } MiniSpanTree_PRIM(G, 39。 cout 。 j 。 i 。 CreateGraph(G)。void main( void ){ int i, j。int LocateVex(MGraph G, VerTexType u)。G)。}closedge[MAX_VERTEX_NUM]。typedef struct{ VerTexType adjvex。 int vexnum, arum。typedef struct{ VerTexType vexs[MAX_VERTEX_NUM]。 InfoType *info。typedef char VerTexType。 }}2. Prim算法include include include define INFINITY INT_MAX define MAX_VERTEX_NUM 20 typedef int VRType。 coutpress 0 to exitendl。 bag(goods,M,n)。//得出物品的效益，重量比 coutendl。 cingoods[i].p。 cingoods[i].w。i++) { goods[i].flag=i。 for(i=1。 coutendl。// cout請輸入背包的最大容量：。 cinn。 goodinfo *goods。 int n。 cout||endl。 coutgoods[i].Xendl。i=n。 }cout最優(yōu)解為:endl。 i。 i=j1。j=n。//確定背包新的剩余容量 } if(i=n) goods[i].X=cu/goods[i].w。 goods[i].X=1。in。 cu=M。i=n。 int i,j。 } goods[i+1]=goods[0]。 while (goods[0].pgoods[i].p) { goods[i+1]=goods[i]。j++) { goods[0]=goods[j]。 for(j=2。 //物品編號}。 //物品重量 float X。 }1. 背包問題貪心算法include struct goodinfo{ float p。 ModifyCandidateSet(…)； //根據(jù)新紅點(diǎn)v調(diào)整候選輕邊集 for(k=0；kn1；k++){ //求T的n1條樹邊 //求圖G的以r為根的MST，結(jié)果放在T=(U，TE)中M是背包的容量大小，而x(1：n)是解向量 real P(1：n)，W(1：n)，X(1：n)，M，cu； integer i，n；X←0 //將解向量初始化為零 cu←M //cu是背包剩余容量 for i←1 to n do if W(i)cu then exit endif X(i) ←1 cu←cuW(i) repeat if i≤n then X(i) ←cu/ W(i) endif end GREEDYKNAPSACKprocedure prim(G,)status←“unseen” // T為空 status[1]←“tree node” // 將1放入Tfor each edge(1,w) do status[w]←“fringe” // 找到T的鄰接點(diǎn) dad[w] ←1。3. 將統(tǒng)計數(shù)與復(fù)雜性函數(shù)所計算的比較次數(shù)比較，用表格列出比較結(jié)果，給出文字分析。通過具體算法理解如何通過局部最優(yōu)實現(xiàn)全局最優(yōu)，并驗證算法的時間復(fù)雜性。procedure GREEDY(A，n) /*貪心法一般控制流程*/ //A(1：n)包含n個輸入// solutions←φ //將解向量solution初始化為空／ for i←1 to n do x←SELECT(A) if FEASIBLE(solution，x) then solutions←UNION(solution，x) endif repeat return(solution)end GREEDY4. 實現(xiàn)典型的貪心算法的編程與上機(jī)實驗，驗證算法的時間復(fù)雜性函數(shù)。2）按這種量度標(biāo)準(zhǔn)對這n個輸入排序3）依次選擇輸入量加入部分解中。作出貪心決策的依據(jù)稱為貪心準(zhǔn)則（greedy criterion）。在每個階段，都作出一個看上去最優(yōu)的決策（在一定的標(biāo)準(zhǔn)下）。那些使目標(biāo)函數(shù)取極值(極大或極小)的可行解，稱為最優(yōu)解。}1. 歸并排序2. 快速排序?qū)嶒灦? 貪心法1. 優(yōu)化問題 有n個輸入，而它的解就由這n個輸入滿足某些事先給定的約束條件的某個子集組成，而把滿足約束條件的子集稱為該問題的可行解。 ()。 (low,high)。 kuaisu px(a1,n)。in。 srand(time(0))。 sqlist a1。}。 }private: sqlist b。i++) coutsetw(4)b[i].key。 } void output() { for(int i=0。 output()。 b[j]=b[i]。amp。 b[i]=b[j]。amp。p=b[s]。 i=s。 } int part(int s,int t) { int i,j。 quicksort(i+1,t)。 if(st){ i=part(s,t)。i++) b[i]=a[i]。class kuaisu{public: kuaisu(sqlist a,int m):n(m) { for(int i=0。 }。struct rec{ KeyType key。 }2. 快速排序includeincludeincludeincludedefine MAXI 10typedef int KeyType。 (b,M)。 (j,k,n,b)。 (a,M)。 } guibing gx(a)。i++) { a[i].key=rand()%80。 for(i=0。 int i,j=0,k=M/2,n=M。 void main() { coutguibingfa1運(yùn)行結(jié)果:\n。 }private: sqlist r。 k++。 } while(i=m) { r2[k]=r[i]。 j++。 } output(r2,M)。 } else { r2[k]=r[j]。k++) { if(r[i].key=r[j].key) { r2[k]=r[i]。amp。 for(j=m。 int i,j,k。 xuanze(r,m,h)。 b[i]=temp。 if(k!=i) { rec temp=b[k]。jn。i++) { k=i。 for(i=m。 coutendl。in。i++) r[i]=b[i]。class