极小连通子图:这个子图是连通的,删掉其中任意一条边则不连通。
生成树:包含一个图所有的顶点的极小连通子图。
最小生成树:代价最小,所有的边权值加起来最小。
最小生成树应用举例:城市之间修路,每两个城市之间需要能够相互到达(直达或者间接到达),花费最小。
最小生成树算法:Prime算法、Kruskal算法
Prime算法:归并点,适合于稠密图
Kruskal算法:归并边,适合于稀疏图
Prime算法:
首先需要将所有的顶点划分为两个集合,不断地一个集合中的顶点划到另一个集合中,这个过程利用了一个辅助结构体closedge,建一个数组,其成员存了到已经归并的顶点集中哪一个最近,最近的权值是多少。
过程就是先把起始点放到已经归并的集合中,然后将其余点初始化,然后找到最小的点,放进去,更新closedge数组,找最小的点这个过程要有G.vexnum-1次,所以使用一个for循环,我判断一个顶点已经进入到归并完成的集合的方式是close【i】.lowcost=-1。
AC代码:☟
#include<iostream>
using namespace std;
#include<algorithm>
#include<string.h>
typedef struct
{
int vexs[55];
int arcs[55][55];
int arcnum,vexnum;
}AMGraph;
typedef struct
{
int adjvex;
int lowcost;
}Closedge;
int Prim(AMGraph G,Closedge close[55])
{
int ans=0;
int i;
for(i=2;i<=G.vexnum;i++)
{
close[i].adjvex=1;
close[i].lowcost=G.arcs[1][i];
}
close[1].lowcost=-1;
//int min=0;
for(i=1;i<G.vexnum;i++)
{
int j;
Closedge kmin;
kmin.lowcost=9999999;
kmin.adjvex=2;
int num=2;
for(j=2;j<=G.vexnum;j++)
{
if(close[j].lowcost>0)
{
if(close[j].lowcost<kmin.lowcost)
{
kmin=close[j];
num=j;
}
}
}
ans+=close[num].lowcost;
close[num].lowcost=-1;
//cout<<num<<endl;
for(j=2;j<=G.vexnum;j++)
{
if(G.arcs[num][j]<close[j].lowcost)
{
close[j].adjvex=num;
close[j].lowcost=G.arcs[num][j];
}
}
}
return ans;
}
int main()
{
int p;
long long r;
//scanf("%d",&p);
while(scanf("%d",&p)!=EOF&&p)
{
AMGraph G;
G.vexnum=p;
G.arcnum=r;
//memset(G.arcs,0,sizeof(G.arcs));
scanf("%lld",&r);
int i,j;
for(i=1;i<=p;i++)
for(j=1;j<=p;j++)
G.arcs[i][j]=99999;
for(i=1;i<=p;i++)
G.vexs[i]=i;
//cout<<r<<endl;
Closedge close[55];
for(i=0;i<r;i++)
{
int s,e,value;
scanf("%d%d%d",&s,&e,&value);
G.arcs[s][e]=G.arcs[s][e]<value?G.arcs[s][e]:value;
G.arcs[e][s]=G.arcs[s][e];
}
cout<<Prim(G,close)<<endl;
}
return 0;
}
Kruskal算法:
kruskal的方法就是归并边,我认为比Prime要简单一些,将边从小到大排序,依次遍历,如果当前最小边的两个顶点未在一个连通分量中,就把这条边添加到最小生成树中,否则下一条边。
这个处理联通分量是比较耗时一个过程,刚刚翻我以前写的blog,其实是可以用拓扑排序处理的,现在在复习数据结构,就可以直接遍历一遍数组。
所以需要两个辅助结构。