图论之最小生成树

1.概览

普里姆算法（Prim算法），图论中的一种算法，可在加权连通图里搜索最小生成树。意即由此算法搜索到的边子集所构成的树中，不但包括了连通图里的所有顶点（英语：Vertex (graph theory)），且其所有边的权值之和亦为最小。该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克（英语：Vojtěch Jarník）发现；并在1957年由美国计算机科学家罗伯特·普里姆（英语：Robert C. Prim）独立发现；1959年，艾兹格·迪科斯彻再次发现了该算法。因此，在某些场合，普里姆算法又被称为DJP算法、亚尔尼克算法或普里姆－亚尔尼克算法。

 

2.算法简单描述

1).输入：一个加权连通图，其中顶点集合为V，边集合为E；

2).初始化：V_new = {x}，其中x为集合V中的任一节点（起始点），E_new = {},为空；

3).重复下列操作，直到V_new = V：

a.在集合E中选取权值最小的边<u, v>，其中u为集合V_new中的元素，而v不在V_new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）；

b.将v加入集合V_new中，将<u, v>边加入集合E_new中；

4).输出：使用集合V_new和E_new来描述所得到的最小生成树。

 

下面对算法的图例描述

图例	说明	不可选	可选	已选（Vnew）
	此为原始的加权连通图。每条边一侧的数字代表其权值。	-	-	-
	顶点D被任意选为起始点。顶点A、B、E和F通过单条边与D相连。A是距离D最近的顶点，因此将A及对应边AD以高亮表示。	C, G	A, B, E, F	D
	下一个顶点为距离D或A最近的顶点。B距D为9，距A为7，E为15，F为6。因此，F距D或A最近，因此将顶点F与相应边DF以高亮表示。	C, G	B, E, F	A, D
	算法继续重复上面的步骤。距离A为7的顶点B被高亮表示。	C	B, E, G	A, D, F
	在当前情况下，可以在C、E与G间进行选择。C距B为8，E距B为7，G距F为11。E最近，因此将顶点E与相应边BE高亮表示。	无	C, E, G	A, D, F, B
	这里，可供选择的顶点只有C和G。C距E为5，G距E为9，故选取C，并与边EC一同高亮表示。	无	C, G	A, D, F, B, E
	顶点G是唯一剩下的顶点，它距F为11，距E为9，E最近，故高亮表示G及相应边EG。	无	G	A, D, F, B, E, C
	现在，所有顶点均已被选取，图中绿色部分即为连通图的最小生成树。在此例中，最小生成树的权值之和为39。	无	无	A, D, F, B, E, C, G

 

算法代码实现：

void MiniSpanTree_Prim ( MGraph G )

{  

       int min, i, j, k; 
       int adjvex[ MAXVEX ];   //保存顶点的坐标
       int lowcost[ MAXVEX ];  //保存相关顶点之间的权值
       lowcost[ 0 ]= 0;
       adjvex[ 0 ]= 0;
/*循环除0以外的所有顶点，将所有的权值存入lowcost数组
和顶点0不相连的顶点，其权值为65535，和顶点0相连的顶
点，其权值为有限值。*/
       for( i=1; i<G.numvertexes; ++i )    
            {          					
               lowcost[ i ] = G.arc[0][i];	
	       adjvex[i]=0;  //此时记录的是与顶点0相关的所有顶点的权值，因此adjvex全为0	
            }       								

       for( i=1; i<G.numvertexes; ++i)
            {
                    min=65535;
                    j=1; k=0;
                     while ( j<G.numvertexes )    //循环所有的顶点，除已经入树的顶点除外，找出lowcost中的最小值，并将下标存入k
      			{  						      
                             if( lowcost[j] != 0 && lowcost [j] < min )
 				{ min=lowcost[j];
                                  k=j;   
				 }
			++j;
			}
       cout<<adjvex [k] <<k ;    //打印权值最小边的两个顶点。
       lowcost [k] =0;           //将当前顶点k的权值置为0，表示顶点k已经入树

/*通过比较，记录顶点j（除已经入树的顶点）的最小权值，将其替换原来的lowcost[j]，同时将此时的adjvex[j]=k，表示此时的最小权值边的顶点是j和k。*/
      for ( j=1; j<G.numvertexes; ++j )   
         { if ( lowcost[j] !=0 && G.arc[k][j] <lowcost [j] )
             { lowcost[j] = G.arc[k][j];
		adjvex[j] = k;
	     }
         } 
      }
}

1.Kruskal算法是一种用来寻找最小生成树的算法，由Joseph Kruskal在1956年发表。用来解决同样问题的还有Prim算法和Boruvka算法等。三种算法都是贪婪算法的应用。和Boruvka算法不同的地方是，Kruskal算法在图中存在相同权值的边时也有效。

 

2.算法简单描述

1).记Graph中有v个顶点，e个边

2).新建图Graph_new，Graph_new中拥有原图中相同的e个顶点，但没有边

3).将原图Graph中所有e个边按权值从小到大排序

4).循环：从权值最小的边开始遍历每条边 直至图Graph中所有的节点都在同一个连通分量中

                if 这条边连接的两个节点于图Graph_new中不在同一个连通分量中

                                         添加这条边到图Graph_new中

 

图例描述：

首先第一步，我们有一张图Graph，有若干点和边 

 

将所有的边的长度排序，用排序的结果作为我们选择边的依据。这里再次体现了贪心算法的思想。资源排序，对局部最优的资源进行选择，排序完成后，我们率先选择了边AD。这样我们的图就变成了右图

 

 

 

在剩下的变中寻找。我们找到了CE。这里边的权重也是5

依次类推我们找到了6,7,7，即DF，AB，BE。

下面继续选择， BC或者EF尽管现在长度为8的边是最小的未选择的边。但是现在他们已经连通了（对于BC可以通过CE,EB来连接，类似的EF可以通过EB,BA,AD,DF来接连）。所以不需要选择他们。类似的BD也已经连通了（这里上图的连通线用红色表示了）。

最后就剩下EG和FG了。当然我们选择了EG。最后成功的图就是右：

 

算法代码实现：