一、基本原理
本质就是就是最小生成树问题, 先介绍一下最小生成树(Minimum Cost Spanning Tree),简称 MST。给定一个带权的无向连通图,如何选取一棵生成树,使树上所有边上权的总和为最小,这叫最小生成树。
普利姆(Prim)算法求最小生成树,也就是在包含 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
普利姆的算法如下:
- 设 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,标记顶点 v 的 visited[u]=1
- 若集合 U 中顶点 ui 与集合 V-U 中的顶点 vj 之间存在边,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,我们通过代码来讲解,比较好理解.
- 图解普利姆算法
简单说就是以已访问过的点为基点,看看还有哪些未访问过点和这些已访问过的点连通,每次选出最短的那条边
二、代码实现
- 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?
public class PrimAlgorithmm {
public static void main(String[] args) {
//看看图是否创建成功
char[] data = new char[]{'A','B','C','D','E','F','G'};
int verxs = data.length;
//邻接矩阵用二维数组表示 10000表示两个点不连通
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},
{10000,9,10000,10000,10000,4,10000},
{10000,10000,8,10000,10000,5,4},
{10000,10000,10000,4,5,10000,6},
{2,3,10000,10000,4,6,10000},};
//创建MGraph对象
MGragh gragh = new MGragh(verxs);
//创建MinTree对象
MinTree minTree = new MinTree();
minTree.createGraph(gragh,verxs,data,weight);
//输出
minTree.showGraph(gragh);
//测试普利姆
minTree.prim(gragh,0);
}
}
//创建最小生成树
class MinTree{
//创建图的邻接矩阵
/**
* @param gragh 图对象
* @param verxs 图对应顶点个数
* @param date 图的各个顶点值
* @param weight 图的矩阵
*/
public void createGraph(MGragh gragh,int verxs,char date[],int[][] weight){
int i,j;
for (i=0;i<verxs;i++){
gragh.data[i] = date[i];
for (j=0;j<verxs;j++){
gragh.weight[i][j] = weight[i][j];
}
}
}
//显示图片邻接矩阵
public void showGraph(MGragh gragh){
for (int[] link:gragh.weight){
System.out.println(Arrays.toString(link));
}
}
//编写算法得到最小生成树
public void prim(MGragh gragh,int v){
//visited[] 标记节点被访问过
int visited[]=new int[gragh.verxs];
//把当前节点标记为
visited[v] = 1;
//h1和h2记录两个顶点下标
int h1 = -1;
int h2 = -1;
int minWeight = 10000;//先初始化大数 有比他小的就替换
for (int k = 1; k < gragh.verxs ; k++){
//每次生成的子图和哪个节点的距离最近
for (int i=0;i<gragh.verxs;i++){ //i节点表示被访问过的节点
for (int j=0;j<gragh.verxs;j++){ //j节点表示还没访问过的节点
if (visited[i]==1 && visited[j] ==0 && gragh.weight[i][j] < minWeight){
//替换minWeight
minWeight = gragh.weight[i][j];
h1 = i;
h2 = j;
}
}
}
System.out.println("边<"+gragh.data[h1]+","+gragh.data[h2]+">权值:"+minWeight);
//当当前节点标记为已经访问
visited[h2] = 1;
minWeight = 10000;
}
}
}
class MGragh{
int verxs; //表示图的节点个数
char[] data;//表示节点数据
int [][] weight; //存放边 邻接矩阵
public MGragh(int verxs){
this.verxs = verxs;
data = new char[verxs];
weight = new int[verxs][verxs];
}
}