c++上机实现最小生成树算法prim

时间: 2023-09-03 16:15:17 浏览: 21
Prim算法是一种解决加权无向连通图的最小生成树问题的算法。下面是C++上机实现Prim算法的代码: ```c++ #include <iostream> #include <vector> #include <queue> #include <climits> using namespace std; const int MAXV = 1000; // 最大顶点数 const int INF = INT_MAX; // 无穷大 vector<pair<int, int>> adj[MAXV]; // 邻接表存图 bool visited[MAXV]; // 记录顶点是否已加入生成树 int dist[MAXV]; // 记录当前生成树到各顶点的最短距离 int prim(int s, int n) { // s为起点,n为顶点数 for (int i = 0; i < n; i++) { visited[i] = false; dist[i] = INF; } dist[s] = 0; priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq; // 小根堆 pq.push(make_pair(dist[s], s)); int ans = 0; // 记录最小生成树的权值和 while (!pq.empty()) { int u = pq.top().second; pq.pop(); if (visited[u]) continue; visited[u] = true; ans += dist[u]; for (auto v : adj[u]) { if (!visited[v.first] && v.second < dist[v.first]) { dist[v.first] = v.second; pq.push(make_pair(dist[v.first], v.first)); } } } return ans; } int main() { int n, m; cin >> n >> m; // n为顶点数,m为边数 for (int i = 0; i < m; i++) { int u, v, w; cin >> u >> v >> w; // 输入一条边的两个端点和权值 adj[u].push_back(make_pair(v, w)); adj[v].push_back(make_pair(u, w)); // 无向图 } int ans = prim(0, n); // 从顶点0开始求最小生成树 cout << ans << endl; return 0; } ``` 算法的具体思路是:从一个起点开始,每次找到距离当前最小生成树最近的顶点加入生成树,直到生成树包含所有顶点。在寻找最近顶点时,可以使用小根堆优化时间复杂度。具体实现中,使用邻接表存图,visited数组记录顶点是否已经加入生成树,dist数组记录当前生成树到各顶点的最短距离,优先队列pq记录距离当前最小生成树最近的顶点。

相关推荐

Prim算法是一种贪心算法,用于求解加权无向连通图的最小生成树。 具体实现步骤如下: 1. 任选一个点作为起始点,将该点加入到最小生成树的结点集合中,并将其与其它点的距离加入到一个优先队列中。 2. 从优先队列中取出距离最小的边所连接的点,如果该点已经在最小生成树的结点集合中,则将该点丢弃,否则将该点加入到最小生成树的结点集合中,并将该点与其它点的距离加入到优先队列中。 3. 重复步骤2,直到最小生成树的结点集合中包含了所有的结点。 下面是Prim算法的Python实现代码: python def prim(graph, start): # 初始化最小生成树的结点集合和距离优先队列 visited = set([start]) heap = [(w, start, v) for v, w in graph[start].items()] heapq.heapify(heap) # 计算最小生成树的权值和 total_weight = 0 while heap: # 取出距离最小的边所连接的点 weight, u, v = heapq.heappop(heap) if v not in visited: visited.add(v) total_weight += weight # 将与新加入的点相连的边加入到优先队列中 for neighbor, weight in graph[v].items(): if neighbor not in visited: heapq.heappush(heap, (weight, v, neighbor)) return total_weight 其中,参数graph表示加权无向图的邻接表表示,start表示起始点。该函数返回最小生成树的权值和。 注意,该实现代码假设输入的加权无向图是连通的,如果输入的图不连通,则需要将Prim算法的实现稍作修改。
### 回答1: Prim算法是一种基于贪心思想的最小生成树算法,其思路是从图中任意选一个顶点作为起点,然后逐步扩张生成树,直到生成包含所有顶点的最小生成树为止。具体实现步骤如下: 1. 选取一个起始点,将其放入已访问集合中; 2. 从已访问集合中的所有点出发,找到与其相邻且不在已访问集合中的点中权值最小的边,将该点加入已访问集合中,并将该边加入生成树中; 3. 重复上述步骤,直到已访问集合中包含所有顶点。 下面是Matlab代码实现Prim算法: matlab function [MST, cost] = prim(adj_matrix) % adj_matrix: 图的邻接矩阵 % MST: 生成树的邻接矩阵 % cost: 生成树的总权值 n = length(adj_matrix); MST = zeros(n, n); % 初始化生成树的邻接矩阵 visited = zeros(1, n); % 标记点是否已访问 visited(1) = 1; % 选取第一个点作为起始点 % 循环n-1次,每次找到一条最小权值的边 for i = 1:n-1 min_cost = inf; from = 0; to = 0; % 遍历已访问集合中的所有点 for j = 1:n if visited(j) == 1 % 遍历未访问集合中的点,找到权值最小的边 for k = 1:n if visited(k) == 0 && adj_matrix(j, k) ~= 0 && adj_matrix(j, k) < min_cost min_cost = adj_matrix(j, k); from = j; to = k; end end end end % 将找到的边加入生成树中 MST(from, to) = min_cost; MST(to, from) = min_cost; visited(to) = 1; end cost = sum(sum(MST)); % 计算生成树的总权值 其中,邻接矩阵adj_matrix中,0表示两个顶点之间没有边,非0表示两个顶点之间有一条边,其权值为非0的数值。返回值MST为生成树的邻接矩阵,cost为生成树的总权值。 ### 回答2: Prim算法是一种用于解决最小生成树问题的算法,Matlab也提供了相应的函数来实现Prim算法。 Prim算法的基本思想是从一个起始节点开始,逐步扩展最小生成树的边集合,直到包含所有节点为止。算法每次选择一个节点,并将该节点与当前最小生成树的集合中的节点进行连接,选择与最小生成树集合中节点连接的边中权值最小的边,并将该边加入最小生成树的边集合中。然后再选择另一个节点,重复上述步骤,直到所有节点都连接到最小生成树中为止。 在Matlab中,可以使用graph函数创建一个图,然后使用minspantree函数结合Prim算法来计算最小生成树。具体步骤如下: 1. 创建一个图对象,使用graph函数,传入节点和边的信息。 G = graph(nodes, edges); 其中,nodes表示节点的信息,edges表示边的信息。 2. 调用minspantree函数,传入图对象G,以及'Method'参数指定Prim算法。 [T, pred] = minspantree(G, 'Method', 'prim'); 返回的结果包括最小生成树的边集合T和前驱节点pred的矩阵。 3. 可以使用plot函数将最小生成树可视化。 plot(G, 'EdgeLabel', G.Edges.Weight); highlight(G, T); 这样可以将图G以及最小生成树T的边标注权值,并将最小生成树的边高亮显示。 以上就是使用Matlab实现Prim算法求解最小生成树的基本步骤。在具体应用中,根据不同的需求,还可以对函数的参数进行相应的调整,以满足具体问题的要求。 ### 回答3: Prim算法是一种解决最小生成树问题的经典算法。其思想是从图中选择一个顶点作为起始点,并将该点加入到生成树中。然后,在与生成树相连的边中选择一个权值最小的边,并将其顶点加入到生成树中。不断重复此步骤,直到所有顶点都加入到生成树中。 具体实现Prim算法需要用到一个数组来记录每个顶点的权值,初始值都设置为整型的最大值,表示当前不可达。然后,选择一个顶点作为起始点,设置其权值为0,表示已经加入生成树。 接下来,对于与起始点相连的顶点,更新其权值。如果更新后的权值小于原有权值,说明找到了更短的路径,则更新其路径和对应的边。重复上述步骤,直到所有顶点都加入到生成树中。 在Prim算法中,需要使用辅助数组来记录已经加入生成树的顶点,以及记录每个顶点对应的最短路径和对应的边。通过这些辅助数组,可以方便地实现Prim算法。 总之,Prim算法是一种高效的最小生成树算法,通过不断选择权值最小的边,将所有顶点加入生成树中。它的时间复杂度为O(V^2),其中V表示顶点数。在实际应用中,Prim算法可以用来构建网络拓扑结构、解决通信网络问题等。
### 回答1: Prim算法是一种用于求解最小生成树的贪心算法,它的基本思想是从一个起点开始,每次选择一个与当前生成树相邻的最小权值边所连接的顶点,直到所有顶点都被加入到生成树中为止。 使用邻接矩阵实现Prim算法的步骤如下: 1. 初始化一个数组dist,用于存储每个顶点到当前生成树的最小距离,初始值为无穷大。 2. 选择一个起点,将其加入到生成树中,并将其dist值设为。 3. 对于每个与起点相邻的顶点,更新其dist值为与起点相连的边的权值。 4. 从dist数组中选择一个最小值对应的顶点,将其加入到生成树中,并更新其相邻顶点的dist值。 5. 重复步骤4,直到所有顶点都被加入到生成树中。 6. 最终生成的树即为最小生成树。 在使用邻接矩阵实现Prim算法时,需要用一个二维数组来表示图的边权值,其中表示两个顶点之间没有边相连。同时,还需要用一个一维数组来记录每个顶点是否已经被加入到生成树中。 ### 回答2: Prim算法是求解最小生成树的一种经典算法,其中邻接矩阵实现是常用的一种实现方式。邻接矩阵是一个二维数组,其中行表示起点,列表示终点,而每个元素则表示该边的权重。在Prim算法的实现中,我们还需要维护两个重要的数据结构:visited数组和dist数组。 visited数组用于记录每个顶点是否已经被访问过,初始化时所有顶点为false; dist数组用于记录当前节点到生成树已有节点的最短距离,初始化时所有节点到起点的距离为正无穷。 下面,让我们以一个简单的无向图为例,来展示邻接矩阵实现Prim算法的具体过程: 图中共有6个顶点,我们从A作为起始点开始遍历。从A开始遍历时,我们将visited数组的A标记为true,然后将A和它所连的各点的距离存入dist数组中。此时dist数组为:[0, 3, 2, 5, ∞, ∞]。 接下来,我们需要找到距离A最近的点B,此时dist数组为:[0, 3, 2, 5, ∞, ∞]。由于B比其他点更近,我们将visited数组中的B标记为true,并将B直接连接到A,形成一条连接AB的边,最终的连通图为A-B。在B被加入到连通图之后,我们需要更新dist数组。由于B已经被加入到生成树中,那么与B相连的顶点到生成树的距离肯定为B到这些点的距离,因此此时dist数组为:[0, 3, 2, 5, 8, ∞]。 重复以上步骤,我们用同样的方式找到距离当前连通图最近的点C,将C加入到连通图中,更新dist数组。这一步会连接B和C,形成一条边,形成一个由三个点构成的连通图。此时,dist数组为:[0, 3, 2, 3, 8, 6]。 以此类推,我们不断地找距离当前生成树最近的点,加入到生成树中,并更新dist数组。直至将所有点都加入生成树中,形成最小生成树。 邻接矩阵实现Prim算法的时间复杂度为O(n^2),该算法在大多数情况下都能够快速、准确地求解最小生成树,同时也便于代码实现和理解。 ### 回答3: Prim算法是一种最小生成树算法,通过贪心策略从起点开始,每次选择权值最小的边,并将其所指向的顶点加入最小生成树中,最终形成一颗覆盖了所有顶点的树。在Prim算法中,邻接矩阵是一种常用的数据结构。 使用邻接矩阵实现Prim算法的具体步骤如下: 1. 初始化:将所有权值设为无穷大,将起点的权值设为0,将起点加入最小生成树中。 2. 选择边:找到与起点相邻且未加入最小生成树的顶点中,权值最小的边,将其所指向的顶点加入最小生成树中。将该边的权值设为已访问,表示该顶点已被加入最小生成树中。 3. 更新权值:将新加入的顶点的所有与之相邻的边的权值更新为与其相连接的顶点在已加入最小生成树中的权值。 4. 重复2、3步骤,直至所有顶点都被加入最小生成树中。 使用邻接矩阵实现Prim算法的时间复杂度为O(N^2),其中N为顶点数。邻接矩阵适合用于边稠密的图,而当图边稀疏时,邻接表则是更好的选择。同时,Prim算法还有优化版,即Prim堆优化算法,可以使用堆来优化每次的边选择过程,使时间复杂度降至O(ElogN),其中E为边数。
Prim算法是一种常见的求最小生成树的算法,其基本思想是从一个节点开始,逐步加入其他节点,构成最小生成树。下面是Prim算法的C语言实现: c #include <stdio.h> #include <stdlib.h> #include #define MAXVEX 100 //最大顶点数 #define INFINITY INT_MAX //最大值 typedef struct { int vexs[MAXVEX]; //顶点表 int arc[MAXVEX][MAXVEX]; //邻接矩阵,可看作边表 int numVertexes, numEdges; //图中当前的顶点数和边数 } MGraph; void Prim(MGraph G, int u) { int lowcost[MAXVEX]; //保存最小权值 int closest[MAXVEX]; //保存最小权值的顶点 int i, j, k, min; //初始化 for (i = 0; i < G.numVertexes; i++) { lowcost[i] = G.arc[u][i]; closest[i] = u; } for (i = 1; i < G.numVertexes; i++) { min = INFINITY; for (j = 0; j < G.numVertexes; j++) { if (lowcost[j] != 0 && lowcost[j] < min) { min = lowcost[j]; k = j; } } printf("(%d, %d)\n", closest[k], k); lowcost[k] = 0; for (j = 0; j < G.numVertexes; j++) { if (lowcost[j] != 0 && G.arc[k][j] < lowcost[j]) { lowcost[j] = G.arc[k][j]; closest[j] = k; } } } } int main() { MGraph G; int i, j; //初始化图 G.numVertexes = 6; G.numEdges = 10; for (i = 0; i < G.numVertexes; i++) { G.vexs[i] = i; } for (i = 0; i < G.numVertexes; i++) { for (j = 0; j < G.numVertexes; j++) { G.arc[i][j] = INFINITY; } } G.arc[0][1] = 6; G.arc[0][2] = 1; G.arc[0][3] = 5; G.arc[1][0] = 6; G.arc[1][2] = 5; G.arc[1][4] = 3; G.arc[2][0] = 1; G.arc[2][1] = 5; G.arc[2][3] = 5; G.arc[2][4] = 6; G.arc[2][5] = 4; G.arc[3][0] = 5; G.arc[3][2] = 5; G.arc[3][5] = 2; G.arc[4][1] = 3; G.arc[4][2] = 6; G.arc[4][5] = 6; G.arc[5][2] = 4; G.arc[5][3] = 2; G.arc[5][4] = 6; Prim(G, 0); return 0; } 该程序中,我们首先定义了一个邻接矩阵来表示图,然后定义了Prim函数进行最小生成树的求解。在Prim函数中,我们先初始化最小权值和最小权值顶点的数组,然后逐步循环添加顶点,直到找到最小生成树。在循环中,我们首先找到当前最小权值的顶点k,然后输出它和closest[k]之间的边,最后更新lowcost和closest数组,继续循环。最后,输出的就是最小生成树的所有边。
好的,下面是基于Prim算法的最小生成树的C语言实现示例: c #include <stdio.h> #include #define V 5 // 图中节点数 #define INF INT_MAX // 表示无穷大 // 在未包含的节点中,寻找距离树最近的节点 int minDistance(int dist[], int visited[]) { int min = INF, min_index; for (int v = 0; v < V; v++) { if (visited[v] == 0 && dist[v] <= min) { min = dist[v]; min_index = v; } } return min_index; } // 打印最小生成树 void printMST(int parent[], int graph[V][V]) { printf("Edge \tWeight\n"); for (int i = 1; i < V; i++) { printf("%d - %d \t%d \n", parent[i], i, graph[i][parent[i]]); } } void primMST(int graph[V][V]) { int parent[V]; // 用来存储最小生成树 int dist[V]; // 用来记录每个节点到最小生成树的距离 int visited[V]; // 用来记录每个节点是否已经在最小生成树中 // 初始化 for (int i = 0; i < V; i++) { dist[i] = INF; visited[i] = 0; } dist[0] = 0; // 从第一个节点开始 parent[0] = -1; // 根节点没有父节点 // 最小生成树包含V个节点 for (int count = 0; count < V - 1; count++) { int u = minDistance(dist, visited); // u是未包含的节点中距离最小的节点 visited[u] = 1; // 将节点u加入到最小生成树中 // 更新未包含的节点到最小生成树的距离 for (int v = 0; v < V; v++) { if (graph[u][v] && visited[v] == 0 && graph[u][v] < dist[v]) { parent[v] = u; dist[v] = graph[u][v]; } } } printMST(parent, graph); } int main() { int graph[V][V] = { { 0, 2, 0, 6, 0 }, { 2, 0, 3, 8, 5 }, { 0, 3, 0, 0, 7 }, { 6, 8, 0, 0, 9 }, { 0, 5, 7, 9, 0 } }; primMST(graph); return 0; } 希望这个示例能够帮助你理解Prim算法的实现过程。
Prim算法是一种求解最小生成树的贪心算法,具体步骤如下: 1. 选择一个起点,将其加入最小生成树中。 2. 对于从起点所连接的所有边,将其加入一个优先队列中,以边权值为关键字进行排序。 3. 取出队列中权值最小的边,如果该边的终点不在最小生成树中,则将该边加入最小生成树,并将该点加入最小生成树中。 4. 重复步骤2和3,直到最小生成树中包含了所有的点。 下面是C++代码实现: c++ const int INF = 0x3f3f3f3f; const int MAXN = 1000; int n, m; // n为点数,m为边数 int vis[MAXN]; // vis[i]表示i是否在最小生成树中 int dis[MAXN]; // dis[i]表示i到最小生成树的距离 int head[MAXN], to[MAXN * 2], nxt[MAXN * 2], val[MAXN * 2], cnt; // 存储图 void add(int x, int y, int z) { nxt[++cnt] = head[x]; to[cnt] = y; val[cnt] = z; head[x] = cnt; } int prim() { memset(dis, INF, sizeof(dis)); memset(vis, false, sizeof(vis)); int ans = 0; dis[1] = 0; for (int i = 1; i <= n; i++) { int u = 0; for (int j = 1; j <= n; j++) { if (!vis[j] && (!u || dis[j] < dis[u])) { u = j; } } vis[u] = true; ans += dis[u]; for (int j = head[u]; j; j = nxt[j]) { int v = to[j]; if (!vis[v] && val[j] < dis[v]) { dis[v] = val[j]; } } } return ans; } int main() { scanf("%d%d", &n, &m); for (int i = 1; i <= m; i++) { int x, y, z; scanf("%d%d%d", &x, &y, &z); add(x, y, z); add(y, x, z); } printf("%d\n", prim()); return 0; } 其中,add(x, y, z)用于存储无向图的边,dis[i]表示点i到最小生成树的距离,vis[i]表示i是否在最小生成树中。函数prim()返回最小生成树的权值和。
最小生成树Prim算法是图论中的一种算法,可用于在加权连通图中搜索得到最小生成树。最小生成树是一个带权连通图中的一棵包含所有顶点的树,并且所有边的权值之和最小。 Prim算法的思想是从一个初始顶点开始,逐步扩展生成最小生成树。具体步骤如下: 1. 选择一个初始顶点作为起始点,并将其加入最小生成树的集合。 2. 在剩余的未加入最小生成树的顶点中,找到与当前最小生成树集合相连的边中权值最小的边,将其所连接的顶点加入最小生成树的集合,并将该边加入最小生成树的边集合。 3. 重复步骤2,直到最小生成树的顶点集合包含了所有的顶点。 下面是一个使用Python编程实现Prim算法的示例代码: def prim(graph): # 选择一个初始顶点作为起始点 start = list(graph.keys())[0] visited = [start] edges = [] min_spanning_tree = [] while len(visited) < len(graph): min_edge = None min_weight = float('inf') # 在当前已访问的顶点中,找到与最小生成树集合相连的边中权值最小的边 for vertex in visited: for neighbor, weight in graph[vertex]: if neighbor not in visited and weight < min_weight: min_edge = (vertex, neighbor) min_weight = weight # 将找到的边加入最小生成树的边集合,并将其所连接的顶点加入最小生成树的集合 edges.append(min_edge) visited.append(min_edge123 #### 引用[.reference_title] - *1* [最小生成树【Prim算法--python】](https://blog.csdn.net/weixin_51720652/article/details/112755978)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [代码 最小生成树Prim算法代码](https://download.csdn.net/download/s13166803785/85546391)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [最小生成树之普利姆(prim)算法的python实现](https://blog.csdn.net/meng_xin_true/article/details/107804237)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

最新推荐

C++使用Kruskal和Prim算法实现最小生成树

主要介绍了C++使用Kruskal和Prim算法实现最小生成树,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

最小生成树_Prim算法实现C++

最小生成树_Prim算法实现C++ 最小生成树_Prim算法实现C++ 最小生成树_Prim算法实现C++

图的最小生成树PRIM算法课程设计

普里姆算法通过寻找无向图中权值最小的边,并且将其组合成最小生成树,也就是图的相对最短路径,同时将最小生成树以点集的形式输出,便于观察

最小生成树Prim算法朴素版 C语言实现

最小生成树Prim算法朴素版 C语言实现最小生成树Prim算法朴素版 C语言实现

算法与数据结构实验三Prim最小生成树

用Prim算法构造一颗最小生成树 (2) 实验原理: ①从网中任一顶点开始,先把该顶点包含在生成树中,此时生成树只有 一个顶点。 ②找出一个端点在生成树中另一端点在生成树外的所有边,并把权值最 小的边连到同它所...

市建设规划局gis基础地理信息系统可行性研究报告.doc

市建设规划局gis基础地理信息系统可行性研究报告.doc

"REGISTOR:SSD内部非结构化数据处理平台"

REGISTOR:SSD存储裴舒怡,杨静,杨青,罗德岛大学,深圳市大普微电子有限公司。公司本文介绍了一个用于在存储器内部进行规则表达的平台REGISTOR。Registor的主要思想是在存储大型数据集的存储中加速正则表达式(regex)搜索,消除I/O瓶颈问题。在闪存SSD内部设计并增强了一个用于regex搜索的特殊硬件引擎,该引擎在从NAND闪存到主机的数据传输期间动态处理数据为了使regex搜索的速度与现代SSD的内部总线速度相匹配,在Registor硬件中设计了一种深度流水线结构,该结构由文件语义提取器、匹配候选查找器、regex匹配单元(REMU)和结果组织器组成。此外,流水线的每个阶段使得可能使用最大等位性。为了使Registor易于被高级应用程序使用,我们在Linux中开发了一组API和库,允许Registor通过有效地将单独的数据块重组为文件来处理SSD中的文件Registor的工作原

要将Preference控件设置为不可用并变灰java完整代码

以下是将Preference控件设置为不可用并变灰的Java完整代码示例: ```java Preference preference = findPreference("preference_key"); // 获取Preference对象 preference.setEnabled(false); // 设置为不可用 preference.setSelectable(false); // 设置为不可选 preference.setSummary("已禁用"); // 设置摘要信息,提示用户该选项已被禁用 preference.setIcon(R.drawable.disabled_ico

基于改进蚁群算法的离散制造车间物料配送路径优化.pptx

基于改进蚁群算法的离散制造车间物料配送路径优化.pptx

海量3D模型的自适应传输

为了获得的目的图卢兹大学博士学位发布人:图卢兹国立理工学院(图卢兹INP)学科或专业:计算机与电信提交人和支持人:M. 托马斯·福吉奥尼2019年11月29日星期五标题:海量3D模型的自适应传输博士学校:图卢兹数学、计算机科学、电信(MITT)研究单位:图卢兹计算机科学研究所(IRIT)论文主任:M. 文森特·查维拉特M.阿克塞尔·卡里尔报告员:M. GWendal Simon,大西洋IMTSIDONIE CHRISTOPHE女士,国家地理研究所评审团成员:M. MAARTEN WIJNANTS,哈塞尔大学,校长M. AXEL CARLIER,图卢兹INP,成员M. GILLES GESQUIERE,里昂第二大学,成员Géraldine Morin女士,图卢兹INP,成员M. VINCENT CHARVILLAT,图卢兹INP,成员M. Wei Tsang Ooi,新加坡国立大学,研究员基于HTTP的动态自适应3D流媒体2019年11月29日星期五,图卢兹INP授予图卢兹大学博士学位,由ThomasForgione发表并答辩Gilles Gesquière�