最小生成树-普利姆算法eager实现

算法描述

在普利姆算法的lazy实现中，参考：普利姆算法的lazy实现
我们现在来考虑这样一个问题：

我们将所有的边都加入了优先队列，但事实上，我们真的需要所有的边吗？

我们再回到普利姆算法的lazy实现，看一下这个问题：

当顺着顶点0的邻接表考察顶点7时，边7-2和边7-1被加入了优先队列Q.

然而，当我们开始对顶点2进行考察时：

边2-3是最轻边，我们显然不需要对边7-2和边7-1进行再次考察.

但是，由于边7-2和边7-1在对顶点2进行考察之前已经加入了优先队列Q，似乎我们对之前发生的事无可奈何，也必须让优先队列维护着这些不再候选的废边，从而加重了优先队列的负担，影响了效率.

结果是否真的如此？
如果我们仔细思考，会注意到我们可以采取这样的一个技巧去防止将废边加入优先队列：

我们关注的只是当前能看到的最轻边，所以边7-2和边7-1对我们来说只有这样的意义：
边7-2：到顶点2的距离是x;
边7-1：到顶点2的距离是y;
边3-2：到顶点2的距离是z.
而z > x且z >y.

所以我们既然无法避免在先于顶点2之前就将边7-2和边7-1当做废边（贪心算法），所以我们可以

采取更新的方式来在优先队列Q中维护到某个顶点的最短距离.
换句话说，我们对某个顶点，只在Q中维护一条边，就是当前已知连着它的最轻边.

由此，我们避免了将所有的边都加入优先队列Q，从而使得最差情况下Q的操作与图的顶点数V 成线性渐进：O(V ).

但一般的优先队列只提供了入队（enqueue）和出队（dequeue）操作，要更新到某个顶点的最短距离，我们需要高效地在优先队列中访问这个顶点.
那么按照一般优先队列的方式，比如jdk中的优先队列，它会是这样：

    private int indexOf(Object o) {
        if (o !=