大厂程序员必备十大基础算法 -- 普里姆算法

1. 普里姆算法

1.1 应用场景-修路问题

看一个应用场景和问题：

1. 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
2. 各个村庄的距离用边线表示(权) ，比如 A – B 距离 5 公里
3. 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.

1.2 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。

1. N 个顶点，一定有 N-1 条边
2. 包含全部顶点
3. N-1 条边都在图中
4. 举例说明(如图:)
   
5. 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

1.3 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:

1. 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
2. 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，标记顶点 v 的 visited[u]=1
3. 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，标记 visited[vj]=1
4. 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
5. 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.
6. 图解普利姆算法
   

1.4 普里姆算法最佳实践(修路问题)

1. 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
2. 各个村庄的距离用边线表示(权) ，比如 A – B 距离 5 公里
3. 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?

代码实现如下：

import java.util.Arrays;
public class PrimAlgorithm {
	public static void main(String[] args) {
		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连通
		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 graph = new MGraph(verxs);
       //创建一个MinTree对象
       MinTree minTree = new MinTree();
       minTree.createGraph(graph, verxs, data, weight);
       minTree.showGraph(graph);
       minTree.prim(graph, 1);
	}
}
//创建最小生成树
class MinTree{
	public void createGraph(MGraph graph,int verxs,char data[],int[][] weight){
		int i,j;
		for(i = 0 ; i < verxs; i++){
			graph.data[i] = data[i];
			for(j = 0 ; j < verxs; j++){
				graph.weight[i][j] = weight[i][j];
			}
		}
	}
	//显示图的邻接矩阵
	public void showGraph(MGraph graph){
		for(int[] link : graph.weight ){
			System.out.println(Arrays.toString(link));
		}
	}
	/****
	 * 
	 * @param graph 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 graph,int v){
		int visited[] = new int[graph.verxs];
		for(int i = 0 ; i < graph.verxs ; i++ ){
			visited[i] = 0;
		}
		//把当前节点标记为已访问
		visited[v] = 1;
		int h1 = -1;
		int h2 = -1;
		int minWeight = 10000; //将minWeight 初始化成一个大数
		for(int  k = 1; k < graph.verxs ; k++){
			//确定每一次生成的子图和哪个节点的距离最近
			for(int i = 0; i < graph.verxs ; i++ ){  //i 节点表示被访问过的节点
				for(int j = 0 ; j < graph.verxs ; j++ ){ // j节点表示还没有访问过的节点
					if(visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] < minWeight){
					   minWeight = graph.weight[i][j];
					   h1 = i;
					   h2 = j;
					}
				}
			}
			//找到最小权值的边
			System.out.println("边<" + graph.data[h1] + "," + graph.data[h2] + "> 权值: " + minWeight);
			//将当前这个结点标记为已经访问
			visited[h2] = 1;
			//minWeight重新设置为10000
			minWeight = 10000;
		}
	}
}
class MGraph{
	int verxs;//表示图的节点个数
	char[] data; //存放结点数据
	int[][] weight;//存放边 邻接矩阵
	public MGraph(int verxs){
		this.verxs = verxs;
		data = new char[verxs];
		weight = new int[verxs][verxs];
	}
}

运行借结果如下：