最小生成树的概念
最小生成树(Minimum Spanning Tree,简称MST)是图论中的一个概念,指的是在一个加权无向图中,通过遍历图的所有顶点,选择总权值最小的边集,构成一棵包含所有顶点的树,这棵树被称为最小生成树。最小生成树的特点是树中不存在任何环,且树的总权值(即所有边的权值之和)最小。
最小生成树的算法
最小生成树常用的算法有Prim算法和Kruskal算法两种。
Prim算法
Prim算法的基本思想是从图的某个顶点开始,每次选择与已有生成树顶点相连的权值最小的边,将其加入到生成树中,直到所有顶点都被访问过。这个过程保证了每次选择的边都会最小化树的总权值。
Kruskal算法
Kruskal算法则是通过对所有边进行排序,然后从小到大选择边,每次选择时确保不会产生环,直到树中有 条边,其中 是图的顶点数量。这种方法同样保证了树的总权值最小。n-1
n
最小生成树的C++实现
在C++中实现最小生成树,通常需要使用一些基础的数据结构,如优先队列(用于Prim算法)或并查集(用于Kruskal算法)。以下是一些关键的C++代码片段,展示了如何在C++中实现最小生成树。
Prim算法的C++实现
#include<bits/stdc++.h>
using namespace std;
typedef pair<int,int> p;
int prim(vector<vector<p> >&graph){
int n=graph.size();//图的点数
vector<bool> visited(n,0);//记录点是否被访问过
priority_queue<p,vector<p>,greater<p> > pq;//优先队列,用于权重最小的边
int minCost=0;//最小生成树
//将第一个点加入最小生成树
pq.push({0,0});//初始化权重为0
while(!pq.empty()){
p t=pq.top();
pq.pop();
int u=t.first;//当前点
int w=t.second;//边的权重
if(visited[u]) continue;//如果点已经被访问过,跳过
minCost+=w;//将边的权重加入总权重
visited[u]=1;//标记点为已访问
//将与当前点相连且为访问过的边加入优先队列
for(int i=0;i<graph[u].size();i++){
int v=graph[u][i].first;//相邻的点
int weight=graph[u][i].second;//边的权重
if(!visited[v]) pq.push({weight,v});
}
}
return minCost;
}
int main(){
int n,m;//n为顶点数,m为边数
cin>>n>>m;
//初始化图的邻接表表示
vector<vector<p> > graph;//图的邻接表
for(int i=0;i<m;i++){
int u,v,w;//边的起点、终点、权重
cin>>u>>v>>w;
graph[u].push_back({v,w});
graph[v].push_back({u,w});//无向边需要双向连接
}
int minCost=prim(graph);//计算最小生成树的总权重
cout<<"Mininum Cost of Spanning Tree: "<<minCost;
return 0;
}
Kruskal算法的C++实现
#include<bits/stdc++.h>
using namespace std;
//边的结构体——template-自动匹配数据类型
template<typename T>
struct Edge{
int u,v;
T weight;
Edge(int u,int v,T weight) : u(u), v(v), weight(weight) {}
//重载小运算符,用于排序
bool operator<(const Edge<T>& other) const {
return weight<other.weight;
}
};
//并查集的实现
class DisjointSet{
private:
vector<int> parent;
public:
DisjointSet(int n):parent(n,-1){}
int find(int x){
if(parent[x]==-1) return x;
return parent[x]=find(parent[x]);
}
void unite(int x,int y){
int xSet=find(x);
int ySet=find(y);
if(xSet!=ySet){
parent[xSet]=ySet;
}
}
};
//kruskal算法
template<typename T>
T kruskal(vector<Edge<T>>& edges,int n){
//按照权重对方进行排序
sort(edges.begin(),edges.end());
DisjointSet ds(n);//初始化并查集
T minCost=0;//最小生成树的总权重
for(int i=0;i<edges.size();i++){
Edge<T>& edge=edges[i];
if(ds.find(edge.u)!=ds.find(edge.v)){
minCost+=edge.weight;//将边的权重加入总权重
ds.unite(edge.u,edge.v);//将边的连个定点合并到一个集合中
}
}
return minCost;
}
int main(){
int n,m;//n为顶点数,m为边数
cin>>n>>m;
vector<Edge<int> > edges;//存储边的数组
for(int i=0;i<m;i++){
int u,v,w;
cin>>u>>v>>w;
edges.emplace_back(u,v,w);
}
int minCost=kruskal(edges,n);//计算最小生成树的请权重
cout<<"Mininum Cost of Spanning Tree:"<<minCost<<endl;
return 0;
}
注意事项
在实现最小生成树时,需要注意数据结构的选用以及算法的细节实现,以确保算法的正确性和效率。此外,对于大型图,可能需要使用更高效的数据结构(如斐波那契堆)来优化算法性能。在实际应用中,选择合适的算法和数据结构对于解决问题至关重要。