最小生成树
1. 问题
如何求一个包含有原图所有n个结点的且所有边的代价和最小的极小连通子图。
2.解析
kruskal:
Kruskal算法是基于贪心的思想得到的。首先我们把所有的边按照权值先从小到大排列,接着按照顺序选取每条边,如果这条边的两个端点不属于同一集合,那么就将它们合并,直到所有的点都属于同一个集合为止。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RCP8ioKR-1623764171439)(https://z3.ax1x.com/2021/05/17/g2jJtH.jpg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AduAScUl-1623764171443)(https://z3.ax1x.com/2021/05/17/g2jU1I.jpg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AAIchRjt-1623764171444)(https://z3.ax1x.com/2021/05/17/g2jYhd.jpg)]
Prim:
输入:一个加权连通图,其中顶点集合为V,边集合为E;
初始化:Vnew = {x},其中x为集合V中的任一节点(起始点),Enew = {},为空;
重复下列操作,直到Vnew = V:
在集合E中选取权值最小的边<u, v>,其中u为集合Vnew中的元素,而v不在Vnew集合当中,并且v∈V(如果存在有多条满足前述条件即具有相同权值的边,则可任意选取其中之一);
将v加入集合Vnew中,将<u, v>边加入集合Enew中;
输出:使用集合Vnew和Enew来描述所得到的最小生成树。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9UfD5bWS-1623764171446)(https://z3.ax1x.com/2021/05/17/g2vPCd.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YhsoIsHB-1623764171447)(https://z3.ax1x.com/2021/05/17/g2v94H.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OxA59Shy-1623764171448)(https://z3.ax1x.com/2021/05/17/g2vi8A.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MCTvWLvV-1623764171449)(https://z3.ax1x.com/2021/05/17/g2vpUe.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SNiBZ6nb-1623764171450)(https://z3.ax1x.com/2021/05/17/g2vSED.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HbL92dg3-1623764171452)(https://z3.ax1x.com/2021/05/17/g2vkvt.png)]
3.设计
Kruskal:
void Kruskal(MatGraph g)
{ int i,j,u1,v1,sn1,sn2,k;
int v[MAXV];
Edge E[MaxSize]; //存放所有边
k=0; //E数组的下标从0开始计
for (i=0;i<g.n;i++) //由g产生的边集E
for (j=0;j<g.n;j++)
if (g.edges[i][j]!=0 && g.edges[i][j]!=INF)
{ E[k].u=i; E[k].v=j; E[k].w=g.edges[i][j];
k++;
}
InsertSort(E,g.e); //用直接插入排序对E数组按权值递增排序
for (i=0;i<g.n;i++) //初始化辅助数组
v[i]=i;
k=1; //k表示当前构造生成树的第几条边
j=0; //E中边的下标,初值为0
while (k<g.n) //生成的边数小于n时循环
{
u1=E[j].u;v1=E[j].v; //取一条边的头尾顶点
sn1=v[u1];
sn2=v[v1]; //分别得到两个顶点所属的集合编号
if (sn1!=sn2) //两顶点属于不同的集合
{ printf(" (%d,%d):%d\n",u1,v1,E[j].w);
k++; //生成边数增1
for (i=0;i<g.n;i++) //两个集合统一编号
if (v[i]==sn2) //集合编号为sn2的改为sn1
v[i]=sn1;
}
j++; //扫描下一条边
}
}
Prim:
void prim(Graph G, int start)
{
int min,i,j,k,m,n,sum;
int index=0; // prim最小树的索引,即prims数组的索引
char result[MAX]; // prim最小树的结果数组
int weights[MAX]; // 顶点间边的权值
// prim最小生成树中第一个数是"图中第start个顶点",因为是从start开始的。
result[index++] = G.vexs[start];
// 初始化"顶点的权值数组",
// 将每个顶点的权值初始化为"第start个顶点"到"该顶点"的权值。
for (i = 0; i < G.vexnum; i++ )
weights[i] = G.matrix[start][i];
// 将第start个顶点的权值初始化为0。
// 可以理解为"第start个顶点到它自身的距离为0"。
weights[start] = 0;
for (i = 0; i < G.vexnum; i++)
{
// 由于从start开始的,因此不需要再对第start个顶点进行处理。
if(start == i)
continue;
j = 0;
k = 0;
min = INF;
// 在未被加入到最小生成树的顶点中,找出权值最小的顶点。
while (j < G.vexnum)
{
// 若weights[j]=0,意味着"第j个节点已经被排序过"(或者说已经加入了最小生成树中)。
if (weights[j] != 0 && weights[j] < min)
{
min = weights[j];
k = j;
}
j++;
}
// 经过上面的处理后,在未被加入到最小生成树的顶点中,权值最小的顶点是第k个顶点。
// 将第k个顶点加入到最小生成树的结果数组中
result[index++] = G.vexs[k];
// 将"第k个顶点的权值"标记为0,意味着第k个顶点已经排序过了(或者说已经加入了最小树结果中)。
weights[k] = 0;
// 当第k个顶点被加入到最小生成树的结果数组中之后,更新其它顶点的权值。
for (j = 0 ; j < G.vexnum; j++)
{
// 当第j个节点没有被处理,并且需要更新时才被更新。
if (weights[j] != 0 && G.matrix[k][j] < weights[j])
weights[j] = G.matrix[k][j];
}
}
// 计算最小生成树的权值
sum = 0;
for (i = 1; i < index; i++)
{
min = INF;
// 获取result[i]在G中的位置
n = get_position(G, result[i]);
// 在vexs[0...i]中,找出到j的权值最小的顶点。
for (j = 0; j < i; j++)
{
m = get_position(G, result[j]);
if (G.matrix[m][n]<min)
min = G.matrix[m][n];
}
sum += min;
}
// 打印最小生成树
printf("PRIM(%c)=%d: ", G.vexs[start], sum);
for (i = 0; i < index; i++)
printf("%c ", result[i]);
printf("\n");
}
4.分析
Prim算法是通过不断取距离最近的点来生成最小生成树,所以时间复杂和点有关,时间复杂度为T=O(n^2),更适用于稠密图。
Kruskal算法是基于并查集的思想,通过不断收取权值最小的边来得到最小生成树,所以时间复杂度和边有关,时间复杂度为T=(nlogn),更适用于稀疏图。
``
4.分析
Prim算法是通过不断取距离最近的点来生成最小生成树,所以时间复杂和点有关,时间复杂度为T=O(n^2),更适用于稠密图。
Kruskal算法是基于并查集的思想,通过不断收取权值最小的边来得到最小生成树,所以时间复杂度和边有关,时间复杂度为T=(nlogn),更适用于稀疏图。