【图论】——最小生成树
定义
- 对于一张带权的无向图 G ( V , E ) G(V,E) G(V,E), n = V , m = E n = {V},m = {E} n=V,m=E。从 V V V 中全部 n n n 个顶点和 E E E 中 n − 1 n-1 n−1 条边构成的无向连通子图被称为 G 的一颗子图,被称为 G G G 的一棵树,边权之和最小的生成树被称为无向图 G G G 的最小生成树。
定理
- 任意一棵最小生成树一定包含无向图中权值最小的边(反证法)
Prime 算法——稠密图
-
常用于稠密图,可以用堆优化但是效果不明显
-
类似于 Dijkstra 算法,有别于更新时 prime 是更新所有的集合,因此 dis 表示的是点到集合内部点的最短距离
-
思路:
-
代码
int g[N][N];// 邻接矩阵
int dis[N];// 存不在集合外的点到集合内点的最近距离
bool st[N];// 存该点是否在集合内
int n, m;// 点数、边数
int prim()
{
int res = 0;// 记录权数之和
memset(dis, 0x3f, sizeof dis);// 初始化
for (int i = 0; i < n; i++) {
// 寻找不在集合外的离集合内最近的点
int t = -1;
for (int j = 1; j <= n; j++) {if (!st[j] && (t == -1 || dis[j] < dis[t]))
t = j;
}
// 除了第一次外,如果找到的点是正无穷,证明该图不是连通图,因此不存在最小生成树,返回正无穷
if (i && dis[t] == 0x3f3f3f3f)
return 0x3f3f3f3f;
if (i)// 记录权和(第一次 dis 都是 0x3f3f3f3f)
res += dis[t];
for (int j = 1; j <= n; j++) {// 用 t 来更新所有点
dis[j] = min(dis[j], g[t][j]);
}
st[t] = true;//t 进入集合
}
return res;
}
Kruskal 算法——稀疏图
- 本质是动态维护一个并查集,最初内部没有边,对所有外部边从小到大排序后,每次取出最小边,如果与集合不连通则构建连通边,反之跳过,最终并查集所维护的就是最小生成树
- 每次选取最小边可以用一个小根堆维护,当然 sort 也是可以的
- 对边的存储可以采用 struct 重载一下 < 为边权比较即可
- 代码
int n, m;//点数、边数
int fa[N];//存并查集每个点的父节点
struct Edge {
int a, b, w;
bool operator<(const Edge& E) const//重载小于号为w的比较
{
return w < E.w;
}
} edges[N * 2];//边为点的两倍
int find(int x)//并查集查询加路径压缩优化
{
if (x != fa[x])
fa[x] = find(fa[x]);
else
return x;
}
int kruskal()
{
int res = 0, cnt = 0;//res为权和,cnt记录集合边个数
sort(edges, edges + m);//边按边权排序
//并查集初始化
for (int i = 1; i <= n; i++)
fa[i] = i;
for (int i = 0; i < m; i++) {
//取出每条边
auto t = edges[i];
int a = find(t.a);
int b = find(t.b);
if (a == b)//如果两条边在同一个集合跳过
continue;
fa[b] = a;//将b加入a,也可以写fa[a] = b
res += t.w;//权和加入
cnt++;//边数+1
}
if (cnt < n - 1)//如果边数小于n-1证明有点没有加进去,不是连通图,因此没有最小生成树
return 0x3f3f3f3f;
else
return res;//返回权和
}