数据结构与算法-168~171-普利姆算法(Prim)
作者:互联网
168 普利姆算法(Prim)和介绍
修路问题
- 有胜利乡有7个村庄(A、B、C、D、E、F、G),现在需要修路把7个村庄连通
- 各个村庄的距离用边线表示(权),比如 A - B 距离5公里
- 问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?
思路:将10条边,连接即可,但是总的里程数不是最小的
正确思路:尽可能的选择少的路线,并且每条路线最小,保证决里程数最小
最小生成树
修路问题本质就是最小生成树问题,最小生成树**(Minimum Cost Spanning Tree),简称 MST**
- 给定一个带权的无向连通图,如何选取一颗生成树,使树上所有边上权的总和为最小,这叫最小生成树
- N 个顶点,一定有 N -1 条边
- 包含全部顶点
- N - 1 条边都在图中
- 例:求最小生成树的算法主要是 普里姆算法和克鲁斯卡算法
169 Prim 算法解决修路问题思路图解
介绍
- 普利姆(Prim)算法求最小生成树,也就是包含n个顶点的连通图中,找出只有(n - 1)条边包含所有n个顶点的连通子图,也就是所谓的
极小连通子图
- 普利姆算法如下:
- 高 G = (V,E)是连通网;T = (U,D)是最小生成树;V,U是顶点集合;E,D是边的集合
- 若从顶点u开始构造最小生成树,则从集合v中取出顶点u放入集合U中,西厢记顶点v的 visited[u] = 1;
- 若集合U中顶点 ui 集合 V-U 中的顶点 vj 之间的存在边,则寻找这些边中权值最小的边,但不能构成回路,将顶点 vj 加入集合 U 中,将边(ui,vj)加入集合 D 中,标记 visited[vj] = 1
- 重复步骤2,直到 U 与 V 相等,即所有顶点都被标记为访问过,此时 D 中 有 n - 1 条边
- **提示:**单独看步骤很难理解,通过代码理解,比较好理解
170 Prim算法解决修路问题生成图
package com.old.prim_168_171;
import java.util.Arrays;
public class PrimAlgorithm {
public static void main(String[] args) {
//测试图是否创建成功
char[] data = new char[]{'A', 'B', 'C', 'D', 'E', 'F', 'G',};
int verxs = data.length;
//邻接矩阵的关系使用二维数组表示
int[][] weight = new int[][]{
{10000, 5, 7, 10000, 10000, 10000, 2},
{5, 10000, 10000, 9, 10000, 10000, 3},
{7, 10000, 10000, 10000, 8, 10000, 10000},
{10000, 9, 7, 10000, 10000, 10000, 4, 10000},
{10000, 10000, 8, 10000, 10000, 5, 4},
{10000, 10000, 10000, 4, 5, 10000, 6},
{2, 3, 10000, 10000, 4, 6, 10000},
};
//创建图
Mgraph graph = new Mgraph(verxs);
//创建MinTree
MinTree minTree = new MinTree();
minTree.createGraph(graph, verxs, data, weight);
minTree.showGraph(graph);
}
}
//创建最小生成树 -> 村庄的图
class MinTree {
//创建图的邻接距阵
/**
* @param graph 图对象
* @param verxs 图对应的顶点个数
* @param data 图的各个顶点的值
* @param weight 图的邻接矩阵
*/
public void createGraph(Mgraph graph, int verxs, char data[], int[][] weight) {
int i, j;
for (i = 0; i < verxs; i++) {
graph.data[i] = data[i];
for (j = 0; j < verxs; j++) {
graph.weight[i][j] = weight[i][j];
}
}
}
/**
* 显示图的邻接矩阵
*/
public void showGraph(Mgraph graph) {
for (int[] ints : graph.weight) {
System.out.println(Arrays.toString(ints));
}
}
}
class Mgraph {
//表示图的节点个数
int verxs;
//保存节点数据
char[] data;
//存放边,就是邻接距阵
int[][] weight;
public Mgraph(int verxs) {
this.verxs = verxs;
data = new char[verxs];
weight = new int[verxs][verxs];
}
}
171 Prim算法解决修路问题代码实现
package com.old.prim_168_171;
import java.util.Arrays;
public class PrimAlgorithm {
public static void main(String[] args) {
//测试图是否创建成功
char[] data = new char[]{'A', 'B', 'C', 'D', 'E', 'F', 'G',};
int verxs = data.length;
//邻接矩阵的关系使用二维数组表示
int[][] weight = new int[][]{
{10000, 5, 7, 10000, 10000, 10000, 2},
{5, 10000, 10000, 9, 10000, 10000, 3},
{7, 10000, 10000, 10000, 8, 10000, 10000},
{10000, 9, 7, 10000, 10000, 10000, 4, 10000},
{10000, 10000, 8, 10000, 10000, 5, 4},
{10000, 10000, 10000, 4, 5, 10000, 6},
{2, 3, 10000, 10000, 4, 6, 10000},
};
//创建图
Mgraph graph = new Mgraph(verxs);
//创建MinTree
MinTree minTree = new MinTree();
minTree.createGraph(graph, verxs, data, weight);
minTree.showGraph(graph);
minTree.prim(graph, 0);
}
}
//创建最小生成树 -> 村庄的图
class MinTree {
//创建图的邻接距阵
/**
* @param graph 图对象
* @param verxs 图对应的顶点个数
* @param data 图的各个顶点的值
* @param weight 图的邻接矩阵
*/
public void createGraph(Mgraph graph, int verxs, char data[], int[][] weight) {
int i, j;
for (i = 0; i < verxs; i++) {
graph.data[i] = data[i];
for (j = 0; j < verxs; j++) {
graph.weight[i][j] = weight[i][j];
}
}
}
/**
* 显示图的邻接矩阵
*/
public void showGraph(Mgraph graph) {
for (int[] ints : graph.weight) {
System.out.println(Arrays.toString(ints));
}
}
//编写 prim 算法,得到最小生成树
/**
* @param graph 图
* @param v 从图的第几个顶点开始生成 'A' -> 0 'B' -> 1
*/
public void prim(Mgraph graph, int v) {
//visited 标记结点(顶点)是否被访问过
int[] visited = new int[graph.verxs];
//visited 默认元素都是0,表示没有访问过
//把当前结点标记为已访问
visited[v] = 1;
//把 h1 和 h2 记录两个顶点的下标
int h1 = -1;
int h2 = -1;
// 将 minWeight 初始化成一个大数,后面在遍历过程中,会被替换
int minWeight = 10000;
//因为有 graph.verxs 顶点,普利姆算法结束后,有 graph.verxs -1 边
for (int k = 1; k < graph.verxs; k++) {
//这个是确定每一次生的子图,和哪个节点的距离最近
for (int i = 0; i < graph.verxs; i++) {//i 节点被访问过的顶点
for (int j = 0; j < graph.verxs; j++) {//j结点表示还没有访问过的结点
if (visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] < minWeight) {
//替换 minWeight (丑拒已经访问过的和未访问过的结点间的权值最小的边)
minWeight = graph.weight[i][j];
h1 = i;
h2 = j;
}
}
}
//找到一条边是最小
System.out.println("边<" + graph.data[h1] + "," + graph.data[h2] + ">权值:" + minWeight);
//将当前这个结点标记为已经访问
visited[h2] = 1;
//将最小权值,设置为最大,还原
minWeight = 10000;
}
}
}
class Mgraph {
//表示图的节点个数
int verxs;
//保存节点数据
char[] data;
//存放边,就是邻接距阵
int[][] weight;
public Mgraph(int verxs) {
this.verxs = verxs;
data = new char[verxs];
weight = new int[verxs][verxs];
}
}
标签:10000,weight,int,graph,verxs,算法,168,Prim,data 来源: https://blog.csdn.net/m0_46998705/article/details/112691808