算法——图之加权图

加权图这里指无向加权图。

加权图是一种为每条边关联一个权值或成本的图模型。也就是在无向图的基础上，每条边加上权值。

加权图有很多应用，例如航空图中，边表示航线，权值表示距离或是费用。还能表示电路图，边表示导线，权值表示导线长度或是成本等等。

在这些情形下，我们最感兴趣的当然是成本最小化，也就是最小生成树问题。

最小生成树

一副加权无向图的最小生成树(MST)是一棵权值之和最小的生成树。而生成树则是一棵含有所有顶点的无环连通子图。

最小生成树算法：

1.Prim算法 2.Kruskal算法

这两个算法的本质都是贪心算法，都是基于切分定理得到的。

切分定理

在一幅加权图中，给定任意切分，它的横切边中的权重最小者必然属于最小生成树。

上面两个最小生成树算法都是贪心算法，在保证最小生成树的基础上，选择边的算法。

当然，作为一个算法的使用者，我们更关心的是算法实现本身，这里提到切分定理只是表明，这两个算法是有理论依据的，可以放心使用。

当然，在完成最小生成树算法之前，我们第一步首先是要确定数据结构。

我们使用什么样的方式来表示加权无向图呢？

在非加权无向图中，我们使用邻接表矩阵的方式来保存无向图。而对于加权无向图，我们也采用同样的方式。但是不同的是，加权无向图有着非加权无向图的别的特性，那就是我们还需要保存 边的权重的信息。所以我们定义一个Edge边类，其中有weight属性，用来保存权重信息。

增加一个小小的修改就成了这样：

public class Edge { // 图的边
	private int v; // 另外一个
	private double weight; // 边的权重
}

但是呢，邻接表矩阵用List<>[]数组表示，调用add方法会增加引用。所以我们不妨这样：

public class Edge { // 图的边
	private int v; // 其中一个节点
	private int w; // 另一个节点
	private double weight; // 边的权重
}

将两条边的顶点都保存下来，这样的话，虽然看上去好像增加了冗余的信息，因为邻接表矩阵的下标就是当前的顶点。

其实并非是这样的，例如v-w。那么就存在Edge对象e，那邻接表矩阵v可以指向e，w也可以指向e。这样，我们就可以少创建一半的类。减小了内存的开销。

如图所示：