用法： 奖品收集斯坦纳树问题 (PCST) 是在无向图 G(V,E) 中找到一棵树 T = (V',E') 来最大化利润 (T)，它被定义为所有节点的总和 -解决方案中的奖品减去建立网络所需的边的成本。 使用 T = FindTree(G,vp) 开始计算。 函数 PCTSP(G,vp,r) 试图找到一个最优的奖品收集 steiner 树，其根节点为 r。 FindTree 使用不同的顶点作为根多次运行 PCTSP 以找到最佳的奖品收集 steiner 树。 输入格式： 程序的输入图由矩阵 G 和向量 vp 表示。 假设图中有 n 个顶点。 顶点由 1、2、3、...、n 表示。 那么 G 是一个 n × n 矩阵。 如果 G(i,j) 是 NaN 或负数，则没有边连接顶点 i 和顶点 j。 否则，它意味着edge(i,j)的代价。 向量 vp 存储顶点的分数。 vp(i) 是顶点 i

安全技术-网络信息-欧几里德2连通Steiner网络问题研究.pdf

任意维度欧几里得斯坦纳最小树的启发式 欧几里得斯坦纳最小树 (ESTP) 问题寻求一个总边长最小的网络，该网络跨越一组 n 个端点，同时允许插入额外的点（斯坦纳点）以减少网络的总长度。 该软件使用启发式方法为任何维度和几乎任何规模的问题实例找到 ESTP 的解决方案（轻松解决 n>10000）。 有关此方法的详细说明，或者如果用于已发表的研究，请参阅 。 AE Olsen、SS Lorenzen、R. Fonseca 和 P. Winter。 编译 $ cd src $ make 可执行文件取决于系统 PATH 中来自的 qdelaunay 可执行文件。 一个易于遵循的解释。 用法 esmt-heuristic esmt [options] esmt-heuristic test esmt [options] esmt-heuristic te

斯坦纳树可视化 一个 Python 程序，它在直线和欧几里得空间中显示 MST，以及在直线和欧几里得空间中显示 SMT。

针对无线Ad Hoc网络中拓扑修复成功率低、节点移动开销大的问题，提出了一种Steiner树移动控制算法（SMC）。采用三近似最少Steiner点算法建立一棵包含网络节点和Steiner点的Steiner树，然后将引入的Steiner点作为节点移动的目的点，选择并调度一些节点移动到这些Stei-ner点上，最后更新网络拓扑，迭代执行算法直到建立一个连通的网络拓扑。仿真结果表明，与基于分区最小生成树的移动控制算法相比，SMC算法不仅修复网络拓扑的成功率可达到100%，而且还显著降低了节点移动开销，其中节点移

斯坦纳问题的matlab代码LNPO查找斯坦纳树 该存储库包含LNPO算法的MATLAB编码，用于查找节点加权Steiner树问题的启发式解决方案。 有关LNPO算法的详细信息，请参阅“ Sun，Y.，Halgamuge，S .：受多头颅骨启发的多终端节点加权斯坦纳树问题的快速算法。”：IEEE进化计算大会（CEC），第3254页-3260（2016）” 运行LNPO.m以启动程序。 如有任何问题，请随时给我发送电子邮件-孙亚辉

Steiner tree相关资料。 有关斯坦纳树的相关资料。

网上搜集的关于Steiner tree(斯坦纳树)的一些文献，现在逐渐开始流行，应用范围也正在拓宽。历年ACM的大小比赛都能看到其身影。