输入任意的一个网,用普里姆(Prim)算法和kruskal算法构造最小生成树。

输入任意的一个网,用普里姆(Prim)算法和kruskal算法构造最小生成树。


首先采用图的邻接矩阵来建立图的存储结构,在边的输入过程中同时输入每个边的权重值,从而完成一个有权无向网的构建;

在Prim算法中,选择从初始点0出发,依次收录到达路径dist最小的顶点,在此过程中定义一个FindMinDist函数,遍历每一个顶点,来返回未被收录顶点中dist最小者。用parent数组来表示每个顶点连通的前一个结点,用dist数组表示前一个顶点到达该顶点的路径权重。每收录一个顶点,将该顶点的路径权重加至总权重,输出该顶点与前一顶点构成的边,直至收录了所有的顶点,返回总权重

在Kruskal算法中采用基于并查集与贪心策略的方法来构造最小生成树。首先将每一条边按权重排序,依次取出最小的边加入构造的树中,同时判断新加入的边是否与原来的树构成通路。这里采用并查集来将已经联通的顶点并入同一连通集,若新加入的边将同一连通集的两个顶点连通,则放弃该边。若新边不使原图构成通路,则输出该条边,并累计权重。当收集的边构成最小生成树时返回总权重。

#include<stdio.h>
#include<stdlib.h>

/* 图的邻接矩阵表示法 */

#define MaxVertexNum 100    /* 最大顶点数设为100 */
#define INFINITY 65535        /* ∞设为双字节无符号整数的最大值65535*/
typedef int Vertex;         /* 用顶点下标表示顶点,为整型 */
typedef int WeightType;        /* 边的权值设为整型 */
typedef char DataType;        /* 顶点存储的数据类型设为字符型 */
bool Visited[MaxVertexNum] = { false };
/* 边的定义 */
typedef struct ENode *PtrToENode;
struct ENode {
    Vertex V1, V2;      /* 有向边<V1, V2> */
    WeightType Weight;  /* 权重 */
};
typedef PtrToENode Edge;

/* 图结点的定义 */
typedef struct GNode *PtrToGNode;
struct GNode {
    int Nv;  /* 顶点数 */
    int Ne;  /* 边数   */
    WeightType G[MaxVertexNum][MaxVertexNum]; /* 邻接矩阵 */
    DataType Data[MaxVertexNum];      /* 存顶点的数据 */
                                      /* 注意:很多情况下,顶点无数据,此时Data[]可以不用出现 */
};
typedef PtrToGNode MGraph; /* 以邻接矩阵存储的图类型 */



MGraph CreateGraph(int VertexNum)
{ /* 初始化一个有VertexNum个顶点但没有边的图 */
    Vertex V, W;
    MGraph Graph;

    Graph = (MGraph)malloc(sizeof(struct GNode)); /* 建立图 */
    Graph->Nv = VertexNum;
    Graph->Ne = 0;
    /* 初始化邻接矩阵 */
    /* 注意:这里默认顶点编号从0开始,到(Graph->Nv - 1) */
    for (V = 0; V<Graph->Nv; V++)
        for (W = 0; W<Graph->Nv; W++)
            Graph->G[V][W] = INFINITY;

    return Graph;
}

void InsertEdge(MGraph Graph, Edge E)
{
    /* 插入边 <V1, V2> */
    Graph->G[E->V1][E->V2] = E->Weight;
    /* 若是无向图,还要插入边<V2, V1> */
    Graph->G[E->V2][E->V1] = E->Weight;
}

MGraph BuildGraph()
{
    MGraph Graph;
    Edge E;
    Vertex V;
    int Nv, i;

    scanf("%d", &Nv);   /* 读入顶点个数 */
    Graph = CreateGraph(Nv); /* 初始化有Nv个顶点但没有边的图 */

    scanf("%d", &(Graph->Ne));   /* 读入边数 */
    if (Graph->Ne != 0)
    { /* 如果有边 */
        E = (Edge)malloc(sizeof(struct ENode)); /* 建立边结点 */
                                                /* 读入边,格式为"起点 终点 权重",插入邻接矩阵 */
        for (i = 0; i<Graph->Ne; i++)
        {
            scanf("%d %d %d", &E->V1, &E->V2, &E->Weight);
            /* 注意:如果权重不是整型,Weight的读入格式要改 */
            InsertEdge(Graph, E);
        }
    }
    return Graph;
}

Vertex FindMinDist(MGraph Graph, WeightType dist[])
{ /* 返回未被收录顶点中dist最小者 */
    Vertex MinV, V;
    WeightType MinDist = INFINITY;

    for (V = 0; V<Graph->Nv; V++) {
        if (dist[V] != 0 && dist[V]<MinDist) {
            /* 若V未被收录,且dist[V]更小 */
            MinDist = dist[V]; /* 更新最小距离 */
            MinV = V; /* 更新对应顶点 */
        }
    }
    if (MinDist < INFINITY) /* 若找到最小dist */
        return MinV; /* 返回对应的顶点下标 */
    else return -1;  /* 若这样的顶点不存在,返回-1作为标记 */
}

int Prim(MGraph Graph)
{
    WeightType dist[MaxVertexNum], TotalWeight;
    Vertex parent[MaxVertexNum], V, W;
    int VCount;
    Edge E;

    /* 初始化。默认初始点下标是0 */
    for (V = 0; V<Graph->Nv; V++) {
        /* 这里假设若V到W没有直接的边,则Graph->G[V][W]定义为INFINITY */
        dist[V] = Graph->G[0][V];
        parent[V] = 0; /* 暂且定义所有顶点的父结点都是初始点0 */
    }
    TotalWeight = 0; /* 初始化权重和     */
    VCount = 0;      /* 初始化收录的顶点数 */

                     /* 将初始点0收录进MST */
    dist[0] = 0;
    VCount++;
    parent[0] = -1; /* 当前树根是0 */

    while (1) {
        V = FindMinDist(Graph, dist);
        /* V = 未被收录顶点中dist最小者 */
        if (V == -1) /* 若这样的V不存在 */
            break;   /* 算法结束 */

        TotalWeight += dist[V];
        dist[V] = 0;
        VCount++;

        for (W = 0; W<Graph->Nv; W++) /* 对图中的每个顶点W */
            if (dist[W] != 0 && Graph->G[V][W]<INFINITY) {
                /* 若W是V的邻接点并且未被收录 */
                if (Graph->G[V][W] < dist[W]) {
                    /* 若收录V使得dist[W]变小 */
                    dist[W] = Graph->G[V][W]; /* 更新dist[W] */
                    parent[W] = V; /* 更新树 */
                }
            }
        printf("%d--%d\n", parent[V], V);
    } /* while结束*/
    if (VCount < Graph->Nv) /* MST中收的顶点不到|V|个 */
        TotalWeight = -1;
    return TotalWeight;   /* 算法执行完毕,返回最小权重和或错误标记 */
}

/*-------------------- 顶点并查集定义 --------------------*/
typedef Vertex ElementType; /* 默认元素可以用非负整数表示 */
typedef Vertex SetName;     /* 默认用根结点的下标作为集合名称 */
typedef ElementType SetType[MaxVertexNum]; /* 假设集合元素下标从0开始 */

void InitializeVSet(SetType S, int N)
{ /* 初始化并查集 */
    ElementType X;

    for (X = 0; X<N; X++) S[X] = -1;
}

void Union(SetType S, SetName Root1, SetName Root2)
{ /* 这里默认Root1和Root2是不同集合的根结点 */
  /* 保证小集合并入大集合 */
    if (S[Root2] < S[Root1]) { /* 如果集合2比较大 */
        S[Root2] += S[Root1];     /* 集合1并入集合2  */
        S[Root1] = Root2;
    }
    else {                         /* 如果集合1比较大 */
        S[Root1] += S[Root2];     /* 集合2并入集合1  */
        S[Root2] = Root1;
    }
}

SetName Find(SetType S, ElementType X)
{ /* 默认集合元素全部初始化为-1 */
    if (S[X] < 0) /* 找到集合的根 */
        return X;
    else
        return S[X] = Find(S, S[X]); /* 路径压缩 */
}

bool CheckCycle(SetType VSet, Vertex V1, Vertex V2)
{ /* 检查连接V1和V2的边是否在现有的最小生成树子集中构成回路 */
    Vertex Root1, Root2;

    Root1 = Find(VSet, V1); /* 得到V1所属的连通集名称 */
    Root2 = Find(VSet, V2); /* 得到V2所属的连通集名称 */

    if (Root1 == Root2) /* 若V1和V2已经连通,则该边不能要 */
        return false;
    else { /* 否则该边可以被收集,同时将V1和V2并入同一连通集 */
        Union(VSet, Root1, Root2);
        return true;
    }
}

int compare(const void *a, const void *b)
{ /* 比较两整数。非降序排列 */
    return (((const struct ENode*)a)->Weight - ((const struct ENode*)b)->Weight);
}

void InitializeESet(MGraph Graph, Edge ESet)
{ /* 将图的边存入数组ESet,并且初始化为最小堆 */
    Vertex V, W;
    int ECount;

    /* 将图的边存入数组ESet */
    ECount = 0;
    for (V = 0; V<Graph->Nv; V++)
        for (W = V + 1; W<Graph->Nv; W++) {
            ESet[ECount].V1 = V;
            ESet[ECount].V2 = W;
            ESet[ECount++].Weight = Graph->G[V][W];
        }
    /* 将图的边排序 */
    qsort(ESet, Graph->Ne, sizeof(struct ENode), compare);
}

int Kruskal(MGraph Graph)
{
    WeightType TotalWeight;
    int ECount, NextEdge;
    SetType VSet; /* 顶点数组 */
    Edge ESet;    /* 边数组 */

    InitializeVSet(VSet, Graph->Nv); /* 初始化顶点并查集 */
    ESet = (Edge)malloc(sizeof(struct ENode)*Graph->Ne);
    InitializeESet(Graph, ESet); /* 初始化边的最小堆 */
    TotalWeight = 0; /* 初始化权重和     */
    ECount = 0;      /* 初始化收录的边数 */

    while (ECount < Graph->Nv - 1) {  /* 当收集的边不足以构成树时 */
                                      /* 如果该边的加入不构成回路,即两端结点不属于同一连通集 */
        for (int i = 0; i<Graph->Ne; i++)
            if (CheckCycle(VSet, ESet[i].V1, ESet[i].V2) == true) {
                printf("%d--%d\n", ESet[i].V1, ESet[i].V2);
                TotalWeight += ESet[i].Weight; /* 累计权重 */
                ECount++; /* 生成树中边数加1 */
            }
    }
    if (ECount < Graph->Nv - 1)
        TotalWeight = -1; /* 设置错误标记,表示生成树不存在 */
    return TotalWeight;
}

int main()
{
    MGraph Graph = BuildGraph();
    printf("Prim算法构造最小生成树:\n");
    int totalweightP = Prim(Graph);
    printf("总权值%d\n", totalweightP);
    printf("\nKruskal算法构造最小生成树:\n");
    int totalweightK = Kruskal(Graph);
    printf("总权值%d\n", totalweightK);
    system("pause");
}
 


  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,下面我会分别介绍普里姆算法和克鲁斯卡尔算法,并给出它们的代码实现。 ### 普里姆算法 普里姆算法是一种贪心算法,用于求解加权无向连通最小生成树。该算法任意一个顶点开始,每次选择一条权值最小的边,将其加入到生成树中,直到所有顶点都被加入到生成树中为止。 普里姆算法的时间复杂度为 $O(ElogV)$,其中 $V$ 表示顶点数,$E$ 表示边数。 下面是普里姆算法的 Python 代码实现: ```python import heapq def prim(graph, start): mst = [] # 用于存储最小生成树的边 visited = set([start]) # 记录已经访问过的节点 candidates = [(weight, start, end) for end, weight in graph[start].items()] heapq.heapify(candidates) # 将初始的候选边加入小根堆中 while candidates: weight, start, end = heapq.heappop(candidates) if end not in visited: # 如果当前边的终点没有被访问过 visited.add(end) mst.append((start, end, weight)) for next_end, weight in graph[end].items(): if next_end not in visited: heapq.heappush(candidates, (weight, end, next_end)) # 将新的候选边加入小根堆中 return mst ``` 其中,`graph` 是一个字典,表示的邻接表形式,`start` 是起始节点的编号。 ### 克鲁斯卡尔算法 克鲁斯卡尔算法也是一种贪心算法,用于求解加权无向连通最小生成树。该算法的基本思想是,将所有边按照权值从小到大排序,依次取出每条边,如果这条边的两个端点不在同一个连通块中,就将它们合并,直到所有节点都在同一个连通块中为止。 克鲁斯卡尔算法的时间复杂度为 $O(ElogE)$,其中 $E$ 表示边数。 下面是克鲁斯卡尔算法的 Python 代码实现: ```python def kruskal(graph): edges = [(weight, start, end) for start in graph for end, weight in graph[start].items()] edges.sort() # 将所有边按照权值从小到大排序 parent = {node: node for node in graph} # 用于记录每个节点的父节点 mst = [] # 用于存储最小生成树的边 for weight, start, end in edges: while start != parent[start]: # 找到 start 的根节点 start = parent[start] while end != parent[end]: # 找到 end 的根节点 end = parent[end] if start != end: # 如果 start 和 end 不在同一个连通块中 mst.append((start, end, weight)) parent[end] = start # 将 end 的根节点设为 start 的根节点 return mst ``` 其中,`graph` 是一个字典,表示的邻接表形式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值