设有向图 G=(V,E)，顶点集，边集。若从顶点开始对图进行深度优先遍历，则可能得到的不同遍历序列个数是（） 。

设有向图 G=(V,E)，顶点集，边集。若从顶点开始对图进行深度优先遍历，则可能得到的不同遍历序列个数是（ ） 。

A、2

B、3

C、4

D、5

A．2

B．3

C．4

D．5

算法设计:对于给定的无向图G,设计一个优先队列式分支限界法,计算G的最大割.

数据输入:由文件input.txt给出输入数据.第1行有2个正整数n和m,表示给定的图G有n个顶点和m条边,顶点编号为1,2,...,n.接下来的m行中,每行有2个正整数u和y,表示图G的一条边(u,v).

结果输出:将计算的最大割的边数和顶点集U输出到文件output.txt.文件的第1行是最大割的边数;第2行是表示顶点集U的向量x(1≤i≤n),x=0表示顶点i不在项点集U中,x=1表示顶点i在顶点集U中.

设计一个有效算法求一个有向无环图G的最小路径覆盖.

[设V={1,2,...,n},如下构造网络G₁=(V1,E₁):

每条边的容量均为1.求网络G₁的(x₀,y₀)最大流.]

算法设计:对于给定的有向无环图G,找出G的一个最小路径覆盖.

数据输入:由文件input.txt提供输入数据.文件第1行有2个正整数n和m.n是给定有向无环图G的顶点数,m是G的边数.接下来的m行,每行有2个正整数i和j,表示一条有向边(i,j).

结果输出:将最小路径覆盖输出到文件output.txt.从第1行开始,每行输出一条路径.文件的最后一行是最少路径数.

A．图与树的区别在于图的边数大于或等于顶点数

B．假设有图G=(V,{E))，顶点集V"∈V，E∈E，则V和{E}构成G的子图

C．无向图的连通分量指无向图中的极大连通子图

D．图的遍历就是从图中某一顶点出发访遍图中其余顶点

A、顶点集

B、边集

C、环

D、路径

A、边集

B、顶点集

C、环

D、路径

[说明]

Kruskal算法是一种构造图的最小生成树的方法。设G为一无向连通图，令T是由G的顶点构成的于图，Kmskal算法的基本思想是为T添加适当的边使之成为最小生成树：初始时，T中的点互相不连通；考察G的边集E中的每条边，若它的两个顶点在T中不连通，则将此边添加到T中，同时合并其两顶点所在的连通分量，如此下去，当添加了n-1条边时，T的连通分量个数为1，T便是G的一棵最小生成树。

下面的函数void Kruskal(EdgeType edges[],int n)利用Kruskal算法，构造了有n个顶点的图 edges的最小生成树。其中数组father[]用于记录T中顶点的连通性质：其初值为father[i]=-1 (i=0,1,…,n-1)，表示各个顶点在不同的连通分量上；若有father[i]=j，j＞-1，则顶点i，j连通；函数int Find(int father[],int v)用于返回顶点v所在树形连通分支的根结点。

[函数]

define MAXEDGE 1000

typedef struct

{ int v1;

int v2;

}EdgeType;

void Kruskal(EdgeType edges[],int n)

{ int father[MAXEDGE];

int i,j,vf1,vt2;

for(i=0;i＜n;i+ +) father[i]=-1;

i=0;

j=0;

while(i＜MAXEDGE && j＜(1))

{ vf1=Find(father,edges[i].v1);

vf2=Find(father,edges[i].v2);

if((2))

{(3)=vf1;

(4);

printf("%3d%3d\n",edges[i].v1,edges[i].v2);

}

(5);

}

}

int Find(int father[],int v)

{ int t;

t=v;

while(father[t]＞=0) t=father[t];

return(t);

}