普里姆算法学习(Java)
学习视频:尚硅谷韩老师java讲解数据结构和算法
一、应用场景-修路问题
1.1、看一个应用场景和问题:
- 有胜利乡有 7 个村庄(A, B, C, D, E, F, G) ,现在需要修路把 7 个村庄连通
- 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5 公里
- 问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?
思路: 将 10 条边,连接即可,但是总的里程数不是最小.
正确的思路:就是尽可能的选择少的路线,并且每条路线最小,保证总里程数最少
二、最小生成树
修路问题本质就是就是最小生成树问题, 先介绍一下最小生成树(Minimum Cost Spanning Tree),简称 MST。 给定一个带权的无向连通图,如何选取一棵生成树,使树上所有边上权的总和为最小,这叫最小生成树
- N 个顶点,一定有 N-1 条边
- 包含全部顶点
- N-1 条边都在图中
- 求最小生成树的算法主要是普里姆算法和克鲁斯卡尔算法
三、普里姆算法介绍
普利姆(Prim)算法求最小生成树,也就是在包含 n 个顶点的连通图中,找出只有(n-1)条边包含所有 n 个顶点的 连通子图,也就是所谓的极小连通子图
普利姆的算法如下:
- 设 G=(V,E)是连通网,T=(U,D)是最小生成树,V,U 是顶点集合,E,D 是边的集合
- 若从顶点 u 开始构造最小生成树,则从集合 V 中取出顶点 u 放入集合 U 中,并将顶点 v 加入visiteds集合
- 若集合 U 中顶点 ui 与集合 V-U 中的顶点 vj 之间存在边,则寻找这些边中权值最小的边,但不能构成回路,将 顶点 vj 加入集合 U 中,将边(ui,vj)加入集合 D 中,并将顶点 vj加入visiteds集合
- 重复步骤②,直到 U 与 V 相等,即所有顶点都被标记为访问过,此时 D 中有 n-1 条边
- 提示: 单独看步骤很难理解,我们通过代码来讲解,比较好理解.
- 图解普利姆算法:
四、普里姆算法最佳实践(修路问题)
- 有胜利乡有 7 个村庄(A, B, C, D, E, F, G) ,现在需要修路把 7 个村庄连通
- 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5 公里
- 问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?
- 代码实现:
package com.lxf.prim;
import java.util.ArrayList;
import java.util.Arrays;
public class PrimAlgorithm {
public static void main(String[] args) {
//测试图是否创建成功
char[] data=new char[]{'A','B','C','D','E','F','G'};
int verxs=data.length;
//邻接矩阵的关系使用二维数组表示,10000 这个大数,表示两个点不联通
int [][]weight=new int[][]{
{10000,5,7,10000,10000,10000,2},
{5,10000,10000,9,10000,10000,3},
{7,10000,10000,10000,8,10000,10000},
{10000,9,10000,10000,10000,4,10000},
{10000,10000,8,10000,10000,5,4},
{10000,10000,10000,4,5,10000,6},
{2,3,10000,10000,4,6,10000},};
//创建MGraph对象
MGraph mGraph = new MGraph(verxs);
//创建一个MinTree对象
MiniTree miniTree = new MiniTree();
miniTree.createGraph(mGraph,verxs,data,weight);
//打印这个图
miniTree.showGraph(mGraph);
//测试普利姆算法
miniTree.prim(mGraph,0);
}
}
class MiniTree{
/**
* 创建图的邻接矩阵
* @param graph 图对象
* @param verxs 图对应的顶点的个数
* @param data 图的各个顶点的值
* @param weight 图的邻接矩阵
*/
public void createGraph(MGraph graph,int verxs,char[] data,int[][] weight){
for (int i = 0; i < verxs; i++) {//循环顶点
graph.data[i]=data[i];
for (int j = 0; j < verxs; j++) {//循环边
graph.weight[i][j]=weight[i][j];
}
}
}
/**
* 显示图的邻接矩阵
* @param graph
*/
public void showGraph(MGraph graph){
for (int[] link : graph.weight) {
System.out.println(Arrays.toString(link));
}
}
/**
* 编写prim算法,得到最小生成树
* @param mGraph 图
* @param v 表示从图的第几个顶点开始生成'A'->0 'B'->1...
*/
public void prim(MGraph mGraph,int v){
//集合存储已经访问过的点
ArrayList<Integer> visiteds = new ArrayList<>();
//把当前的这个结点加入集合
visiteds.add(v);
//h1和h2记录两个顶点的下标
int h1=-1;
int h2=-1;
int minWeight=10000;//将minWeight初始成一个大数,后面在遍历过程中,会被替换
while (visiteds.size()<mGraph.verxs){//直到连通所有顶点为止
//这个是确定每一次生成的子图,和哪个结点的距离最近
for (int i = 0; i < visiteds.size(); i++) {//i结点表示被访问过的结点
for (int j = 0; j < mGraph.verxs; j++) {//j结点表示还没有访问过的结点
if(!visiteds.contains(j)&&mGraph.weight[visiteds.get(i)][j]<minWeight){
//替换minWeight(寻找已经访问过的结点和未访问过的结点间的权值最小的边)
minWeight=mGraph.weight[visiteds.get(i)][j];
h1=visiteds.get(i);
h2=j;
}
}
}
//找到一条边是最小
System.out.println("边<"+mGraph.data[h1]+","+mGraph.data[h2]+">权值:"+minWeight);
//将当前的这个结点加入集合
visiteds.add(h2);
//minWeight 重新设置为最大值10000
minWeight=10000;
}
}
}
class MGraph{
int verxs;//表示图的结点个数
char[] data;//存放结点数据
int[][] weight;//存放边,就是我们的邻接矩阵
public MGraph(int verxs){
this.verxs=verxs;
data=new char[verxs];
weight=new int[verxs][verxs];
}
}