数据结构系列内容的学习目录 → \rightarrow →浙大版数据结构学习系列内容汇总。
4. 最小生成树问题
4.1 什么是最小生成树
一个有 n 个结点的连通图的生成树是原图的极小连通子图,且包含原图中的所有 n 个结点,并且有保持图连通的最少的边。 最小生成树可以用kruskal(克鲁斯卡尔)算法或prim(普里姆)算法求出。
最小生成树(Minimum Spanning Tree): ■ 是一棵树
⋄ 无回路
⋄ |V|个顶点一定有|V|-1条边
■ 是生成树
⋄ 包含全部顶点
⋄ |V|-1条边都在图里
■ 边的权重和最小
向生成树中任加一条边,都一定构成回路,如下图所示,左上角第一幅图是完全图,其他三幅图均为生成图。
结论: 最小生成树存在
↔
\leftrightarrow
↔图连通。
4.2 贪心算法
贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,算法得到的是在某种意义上的局部最优解 。
■ 什么是 “贪”:每一步都要最好的
■ 什么是 “好”:权重最小的边
■ 需要约束: ⋄ 只能用图里有的边
⋄ 只能正好用掉|V|-1条边
⋄ 不能有回路
4.2.1 Prim算法
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。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,且其所有边的权值之和亦为最小。
Prim算法,让一棵小树长大。核心思想:贪心思想,找到临近最短的就更新。
Prim算法的步骤:
- step1:在下图所示的图中,首先选择 v 1 v_{1} v1作为根节点;
- step2:寻找与 v 1 v_{1} v1相关的边中权重最小的一条,即 v 1 v_{1} v1和 v 4 v_{4} v4之间的边,并将其结点 v 4 v_{4} v4收录进来;
- step3:寻找与 v 1 v_{1} v1、 v 4 v_{4} v4相关的边中权重最小的一条,即 v 1 v_{1} v1和 v 2 v_{2} v2之间的边,并将其结点 v 2 v_{2} v2收录进来;
- step4:寻找与 v 1 v_{1} v1、 v 4 v_{4} v4、 v 2 v_{2} v2相关的边中权重最小的一条,即 v 4 v_{4} v4和 v 3 v_{3} v3之间的边,并将其结点 v 3 v_{3} v3收录进来;
- step5:寻找与 v 1 v_{1} v1、 v 4 v_{4} v4、 v 2 v_{2} v2、 v 3 v_{3} v3相关的边中权重最小的一条,即 v 4 v_{4} v4和 v 7 v_{7} v7之间的边,并将其结点 v 7 v_{7} v7收录进来(不能将 v 2 v_{2} v2和 v 4 v_{4} v4、 v 1 v_{1} v1和 v 3 v_{3} v3之间的边收录进来,因为会构成一个回路);
- step6:寻找与 v 1 v_{1} v1、 v 4 v_{4} v4、 v 2 v_{2} v2、 v 3 v_{3} v3、 v 7 v_{7} v7相关的边中权重最小的一条,即 v 7 v_{7} v7和 v 6 v_{6} v6之间的边,并将其结点 v 6 v_{6} v6收录进来;
- step7:寻找与 v 1 v_{1} v1、 v 4 v_{4} v4、 v 2 v_{2} v2、 v 3 v_{3} v3、 v 7 v_{7} v7、 v 6 v_{6} v6相关的边中权重最小的一条,即 v 7 v_{7} v7和 v 5 v_{5} v5之间的边,并将其结点 v 5 v_{5} v5收录进来。
Prim算法的代码如下所示。
void Prim ()
{
MST= {s};
while (1){
V = 未收录顶点中dist最小者;
if (这样的V不存在)
break;
将V收录进MST: dist[v]= 0 ;
for ( V的每个邻接点W )
if ( dist[W]!=0 )
if (E(V,W)<dist[W]){
dist[W]=E(V,W);
parent[W]=V;
}
}
if(MST中收的顶点不到|V|个)
Error ("生成树不存在" );
}
初始化:
d
i
s
t
[
V
]
=
E
(
s
,
V
)
dist[V]=E_{(s,V)}
dist[V]=E(s,V)或正无穷
parent[s] =-1
Prim算法的时间复杂度: T = O ( ∣ V ∣ 2 ) T=O(|V|^{2}) T=O(∣V∣2),对稠密图合算。
4.2.2 Kruskal算法
克鲁斯卡尔算法(Kruskal算法)是求连通网的最小生成树的另一种方法。与普里姆算法不同,它的时间复杂度为 O ( e l o g e ) O(eloge) O(eloge)(e为网中的边数),所以,适合于求边稀疏的网的最小生成树 。
Kruskal算法,将森林合并成树。核心思想:不停地找权重最小的边合在一起,但需要注意的是,不能构成回路。如何找最小权重所在的边,可以靠最小堆来解决;如何判断是否构成回路,可以用并查集看是否属于同一棵树。
Kruskal算法的步骤:
- step1:首先将权重最小(即权重为1)的 v 1 v_{1} v1和 v 4 v_{4} v4、 v 6 v_{6} v6和 v 7 v_{7} v7之间的边收录进来;
- step2:接下来继续将权重最小(即权重为2)的 v 1 v_{1} v1和 v 2 v_{2} v2、 v 3 v_{3} v3和 v 4 v_{4} v4之间的边收录进来;
- step3:接下来继续将权重最小(即权重为4)的 v 4 v_{4} v4和 v 7 v_{7} v7之间的边收录进来(权重为3的边不能被收录进来,因为会形成回路);
- step4:接下来继续将权重最小(即权重为6)的 v 5 v_{5} v5和 v 7 v_{7} v7之间的边收录进来(权重为5的边不能被收录进来,因为会形成回路),最小树生成完毕。
Kruskal算法的代码如下所示。
void Kruskal (Graph G)
{
MST = { };
while ( MST中不到|V|-1条边 && E中还有边) {
从E中取一条权重最小的边E<V,W>; // 最小堆
将E<V,W>从E中删除;
if ( E<V,W>不在MST中构成回路 ) // 并查集
将E<V,W>加入MST;
else
彻底无视 E<V,W>;
}
if ( MST 中不到|V|-1条边 )
Error("生成树不存在"); //即图不连通
}
Kruskal算法的时间复杂度: T = O ( ∣ E ∣ l o g ∣ E ∣ ) T=O(|E|log |E|) T=O(∣E∣log∣E∣),对稀疏图合算。
4.3 最小树生成问题的实现
4.3.1 Prim算法的实现
对于图1所示的图,使用Prim算法从顶点 v 1 v_{1} v1开始生成最小生成树,代码如下所示。
#include<iostream>
using namespace std;
#include<queue>
#define INF 100000
#define MaxVertex 105
typedef int Vertex;
int G[MaxVertex][MaxVertex];
int parent[MaxVertex]; // 并查集
int dist[MaxVertex]; // 距离
int Nv; // 结点
int Ne; // 边
int sum; // 权重和
queue<Vertex> MST; // 最小生成树
// 初始化图信息
void BuildGraph()
{
Vertex v1, v2;
int w;
cin >> Nv >> Ne;
for (int i = 1; i <= Nv; i++)
{
for (int j = 1; j <= Nv; j++)
G[i][j] = 0; // 初始化图
dist[i] = INF; // 初始化距离
parent[i] = -1; // 初始化并查集
}
// 初始化点
for (int i = 0; i < Ne; i++)
{
cin >> v1 >> v2 >> w;
G[v1][v2] = w;
G[v2][v1] = w;
}
}
// Prim算法前的初始化
void IniPrim(Vertex s)
{
dist[s] = 0;
MST.push(s);
for (Vertex i = 1; i <= Nv; i++)
if (G[s][i]) {
dist[i] = G[s][i];
parent[i] = s;
}
}
// 查找未收录中dist最小的点
Vertex FindMin()
{
int min = INF;
Vertex xb = -1;
for (Vertex i = 1; i <= Nv; i++)
if (dist[i] && dist[i] < min)
{
min = dist[i];
xb = i;
}
return xb;
}
void Prim(Vertex s)
{
IniPrim(s);
while (1)
{
Vertex v = FindMin();
if (v == -1)
break;
sum += dist[v];
dist[v] = 0;
MST.push(v);
for (Vertex w = 1; w <= Nv; w++)
if (G[v][w] && dist[w])
if (G[v][w] < dist[w])
{
dist[w] = G[v][w];
parent[w] = v;
}
}
}
void Print()
{
cout << "被收录顺序:" << endl;
while (!MST.empty())
{
cout << MST.front() << " ";
MST.pop();
}
cout << endl;
cout << "权重和为:" << endl;
cout << sum << endl;
}
int main()
{
BuildGraph();
Prim(1);
Print();
system("pause");
return 0;
}
图1所示的图使用Prim算法从顶点 v 1 v_{1} v1开始生成最小生成树的测试效果如下图所示。
4.3.2 Kruskal算法的实现
对于图1所示的图,使用Kruskal算法开始生成最小生成树,代码如下所示。
#include<iostream>
using namespace std;
#include<string>
#include<queue>
#define INF 100000
#define MaxVertex 105
typedef int Vertex;
int G[MaxVertex][MaxVertex];
int parent[MaxVertex]; // 并查集最小生成树
int Nv; // 结点
int Ne; // 边
int sum; // 权重和
struct Node {
Vertex v1;
Vertex v2;
int weight; // 权重
// 重载运算符成最大堆
bool operator < (const Node &a) const
{
return weight > a.weight;
}
};
queue<Node> MST; // 最小生成树
priority_queue<Node> q; // 最小堆
// 初始化图信息
void BuildGraph()
{
Vertex v1, v2;
int w;
cin >> Nv >> Ne;
for (int i = 1; i <= Nv; i++)
{
for (int j = 1; j <= Nv; j++)
G[i][j] = 0; // 初始化图
parent[i] = -1;
}
// 初始化点
for (int i = 0; i < Ne; i++)
{
cin >> v1 >> v2 >> w;
struct Node tmpE;
tmpE.v1 = v1;
tmpE.v2 = v2;
tmpE.weight = w;
q.push(tmpE);
}
}
// 路径压缩查找
int Find(int x)
{
if (parent[x] < 0)
return x;
else
return parent[x] = Find(parent[x]);
}
// 按秩归并
void Union(int x1, int x2)
{
x1 = Find(x1);
x2 = Find(x2);
if (parent[x1] < parent[x2])
{
parent[x1] += parent[x2];
parent[x2] = x1;
}
else
{
parent[x2] += parent[x1];
parent[x1] = x2;
}
}
void Kruskal()
{
// 最小生成树的边不到 Nv-1 条且还有边
while (MST.size() != Nv - 1 && !q.empty())
{
Node E = q.top(); // 从最小堆取出一条权重最小的边
q.pop(); // 出队这条边
if (Find(E.v1) != Find(E.v2))
{ // 检测两条边是否在同一集合
sum += E.weight;
Union(E.v1, E.v2); // 并起来
MST.push(E);
}
}
}
void Print()
{
cout << "被收录顺序(每条边对应的顶点1 顶点2 权重):" << endl;
while (!MST.empty())
{
Node a = MST.front();
cout << a.v1 << " " << a.v2 << " " << a.weight << endl;
MST.pop();
}
cout << "权重和为:" << endl;
cout << sum << endl;
}
int main()
{
BuildGraph();
Kruskal();
Print();
system("pause");
return 0;
}
图1所示的图使用Kruskal算法开始生成最小生成树的测试效果如下图所示。