prim算法（普里姆算法）详解

最新推荐文章于 2024-02-26 08:00:00 发布
最新推荐文章于 2024-02-26 08:00:00 发布
阅读量3.2w 收藏 217
点赞数 36
分类专栏： 算法 文章标签： 算法 图论 数据结构 prim算法（普里姆算法）详解 c java python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ccc369639963/article/details/122621467
版权

prim算法（普里姆算法）详解

了解了什么是最小生成树后，本节为您讲解如何用普里姆（prim）算法查找连通网（带权的连通图）中的最小生成树。

普里姆算法查找最小生成树的过程，采用了贪心算法的思想。对于包含 N 个顶点的连通网，普里姆算法每次从连通网中找出一个权值最小的边，这样的操作重复 N-1 次，由 N-1 条权值最小的边组成的生成树就是最小生成树。

那么，如何找出 N-1 条权值最小的边呢？普里姆算法的实现思路是：

将连通网中的所有顶点分为两类（假设为 A 类和 B 类）。初始状态下，所有顶点位于 B 类；

选择任意一个顶点，将其从 B 类移动到 A 类；

从 B 类的所有顶点出发，找出一条连接着 A 类中的某个顶点且权值最小的边，将此边连接着的 A 类中的顶点移动到 B 类；

重复执行第 3 步，直至 B 类中的所有顶点全部移动到 A 类，恰好可以找到 N-1 条边。

举个例子，下图是一个连通网，使用普里姆算法查找最小生成树，需经历以下几个过程：

在这里插入图片描述

图 1 连通网

  1. 将图中的所有顶点分为 A 类和 B 类，初始状态下，A = {}，B = {A, B, C, D, S, T}。

  2. 从 B 类中任选一个顶点，假设选择 S 顶点，将其从 B 类移到 A 类，A = {S}，B = {A, B, C, D, T}。从 A 类的 S 顶点出发，到达 B 类中顶点的边有 2 个，分别是 S-A 和 S-C，其中 S-A 边的权值最小，所以选择 S-A 边组成最小生成树，将 A 顶点从 B 类移到 A 类，A = {S, A}，B = {B, C, D, T}。

在这里插入图片描述

图 2 S-A 边组成最小生成树

  1. 从 A 类中的 S、A 顶点出发，到达 B 类中顶点的边有 3 个，分别是 S-C、A-C、A-B，其中 A-C 的权值最小，所以选择 A-C 组成最小生成树，将顶点 C 从 B 类移到 A 类，A = {S, A, C}，B = {B, D, T}。

在这里插入图片描述

图 3 A-C 边组成最小生成树

  1. 从 A 类中的 S、A、C 顶点出发，到达 B 类顶点的边有 S-C、A-B、C-B、C-D，其中 C-D 边的权值最小，所以选择 C-D 组成最小生成树，将顶点 D 从 B 类移到 A 类，A = {S, A, C, D}，B = {B, T}。

在这里插入图片描述

图 4 C-D 边组成最小生成树

  1. 从 A 类中的 S、A、C、D 顶点出发，到达 B 类顶点的边有 A-B、C-B、D-B、D-T，其中 D-B 和 D-T 的权值最小，任选其中的一个，例如选择 D-B 组成最小生成树，将顶点 B 从 B 类移到 A 类，A = {S, A, C, D, B}，B = {T}。

在这里插入图片描述

图 5 D-B 边组成最小生成树

  1. 从 A 类中的 S、A、C、D、B 顶点出发，到达 B 类顶点的边有 B-T、D-T，其中 D-T 的权值最小，选择 D-T 组成最小生成树，将顶点 T 从 B 类移到 A 类，A = {S, A, C, D, B, T}，B = {}。

在这里插入图片描述

图 6 D-T 边组成最小生成树

  1. 由于 B 类中的顶点全部移到了 A 类，因此 S-A、A-C、C-D、D-B、D-T 组成的是一个生成树，而且是一个最小生成树，它的总权值为 17。

在这里插入图片描述

图 7 最小生成树

普里姆算法的具体实现

接下来，我们将给出实现普里姆算法的 C、Java、Python 程序，程序中有详尽的注释，您可以借助编译器一边运行程序一边观察程序的执行过程，彻底搞清楚普里姆算法是如何找到最小生成树的。

如下是使用普里姆算法在图 1 所示的连通网中查找最小生成树的 C 语言程序：

#include<stdio.h>
#define V 6    // 记录图中顶点的个数
typedef enum { false, true } bool;
//查找权值最小的、尚未被选择的顶点，key 数组记录了各顶点之间的权值数据，visited数组记录着各个顶点是否已经被选择的信息
int min_Key(int key[], bool visited[])
{
    int min = 2147483647, min_index;  //遍历 key 数组使用，min 记录最小的权值，min_index 记录最小权值关联的顶点
    //遍历 key 数组
    for (int v = 0; v < V; v++) {
        //如果当前顶点为被选择，且对应的权值小于 min 值
        if (visited[v] == false && key[v] < min) {
            //更新  min 的值并记录该顶点的位置
            min = key[v];
            min_index = v;
        }
    }
    //返回最小权值的顶点的位置
    return min_index;
}
//输出最小生成树
void print_MST(int parent[], int cost[V][V])
{
    int minCost = 0;
    printf("最小生成树为：\n");
    //遍历 parent 数组
    for (int i = 1; i < V; i++) {
        //parent 数组下标值表示各个顶点，各个下标对应的值为该顶点的父节点
        printf("%d - %d wight:%d\n", parent[i] + 1, i + 1, cost[i][parent[i]]);//由于数组下标从 0 开始，因此输出时各自 +1
        //统计最小生成树的总权值
        minCost += cost[i][parent[i]];
    }
    printf("总权值为：%d", minCost);
}
//根据用户提供了图的信息（存储在 cost 数组中），寻找最小生成树
void find_MST(int cost[V][V])
{    //key 数组用于记录 B 类顶点到 A 类顶点的权值
    //parent 数组用于记录最小生成树中各个顶点父节点的位置，便于最终生成最小生成树
    //visited 数组用于记录各个顶点属于 A 类还是 B 类
    int parent[V], key[V];
    bool visited[V];
    // 初始化 3 个数组
    for (int i = 0; i < V; i++) {
        key[i] = 2147483647;    // 将 key 数组各个位置设置为无限大的数
        visited[i] = false;     // 所有的顶点全部属于 B 类
        parent[i] = -1;         // 所有顶点都没有父节点
    }
    // 选择 key 数组中第一个顶点，开始寻找最小生成树
    key[0] = 0;  // 该顶点对应的权值设为 0
    parent[0] = -1; // 该顶点没有父节点
    // 对于 V 个顶点的图，最需选择 V-1 条路径，即可构成最小生成树
    for (int x = 0; x < V - 1; x++)
    {
        // 从 key 数组中找到权值最小的顶点所在的位置
        int u = min_Key(key, visited);
        // 该顶点划分到 A 类
        visited[u] = true;
        // 由于新顶点加入 A 类，因此需要更新 key 数组中的数据
        for (int v = 0; v < V; v++)
        {
            // 如果类 B 中存在到下标为 u 的顶点的权值比 key 数组中记录的权值还小，表明新顶点的加入，使得类 B 到类 A 顶点的权值有了更好的选择
            if (cost[u][v] != 0 && visited[v] == false && cost[u][v] < key[v])
            {
                // 更新 parent 数组记录的各个顶点父节点的信息
                parent[v] = u;
                // 更新 key 数组
                key[v] = cost[u][v];
            }
        }
    }
    //根据 parent 记录的各个顶点父节点的信息，输出寻找到的最小生成树
    print_MST(parent, cost);
}
// main function
int main()
{
    int p1, p2;
    int wight;
    int cost[V][V] = { 0 };
    printf("输入图（顶点到顶点的路径和权值)：\n");
    while (1) {
        scanf("%d %d", &p1, &p2);
        //如果用户输入 -1 -1，表示输入结束
        if (p1 == -1 && p2 == -1) {
            break;
        }
        scanf("%d", &wight);
        cost[p1 - 1][p2 - 1] = wight;
        cost[p2 - 1][p1 - 1] = wight;
    }
    // 根据用户输入的图的信息，寻找最小生成树
    find_MST(cost);
    return 0;
}

如下是使用普里姆算法在图 1 所示的连通网中查找最小生成树的 Java 程序：

import java.util.Scanner;
public class prim {
    static int V = 6;
    public static int min_Key(int []key,boolean []visited) {
        //遍历 key 数组使用，min 记录最小的权值，min_index 记录最小权值关联的顶点
        int min = 2147483647,min_index = 0;
        //遍历 key 数组
        for (int v = 0; v < V; v++) {
            //如果当前顶点为被选择，且对应的权值小于 min 值
            if (visited[v] == false && key[v] < min) {
                //更新  min 的值并记录该顶点的位置
                min = key[v];
                min_index = v;
            }
        }
        //返回最小权值的顶点的位置
        return min_index;  
    }
  
    public static void print_MST(int []parent, int [][]cost) {
        int minCost = 0;
        System.out.println("最小生成树为：");
        //遍历 parent 数组
        for (int i = 1; i < V; i++) {
            //parent 数组下标值表示各个顶点，各个下标对应的值为该顶点的父节点
            System.out.println((parent[i]+1)+" - "+(i+1)+" wight:"+cost[i][parent[i]]);//由于数组下标从 0 开始，因此输出时各自 +1
            //统计最小生成树的总权值
            minCost += cost[i][parent[i]];
        }
        System.out.print("总权值为："+minCost);
    }
    public static void find_MST(int [][]cost) {
        //key 数组用于记录 B 类顶点到 A 类顶点的权值
        //parent 数组用于记录最小生成树中各个顶点父节点的位置，便于最终生成最小生成树
        //visited 数组用于记录各个顶点属于 A 类还是 B 类
        int []parent = new int[V];
        int []key = new int[V];
        boolean []visited=new boolean[V];
        // 初始化 3 个数组
        for (int i = 0; i < V; i++) {
            key[i] = 2147483647;    // 将 key 数组各个位置设置为无限大的数
            visited[i] = false;     // 所有的顶点全部属于 B 类
            parent[i] = -1;         // 所有顶点都没有父节点
        }
        // 选择 key 数组中第一个顶点，开始寻找最小生成树
        key[0] = 0;  // 该顶点对应的权值设为 0
        parent[0] = -1; // 该顶点没有父节点
        // 对于 V 个顶点的图，最需选择 V-1 条路径，即可构成最小生成树
        for (int x = 0; x < V - 1; x++)
        {
            // 从 key 数组中找到权值最小的顶点所在的位置
            int u = min_Key(key, visited);
            // 该顶点划分到 A 类
            visited[u] = true;
            // 由于新顶点加入 A 类，因此需要更新 key 数组中的数据
            for (int v = 0; v < V; v++)
            {
                // 如果类 B 中存在到下标为 u 的顶点的权值比 key 数组中记录的权值还小，表明新顶点的加入，使得类 B 到类 A 顶点的权值有了更好的选择
                if (cost[u][v] != 0 && visited[v] == false && cost[u][v] < key[v])
                {
                    // 更新 parent 数组记录的各个顶点父节点的信息
                    parent[v] = u;
                    // 更新 key 数组
                    key[v] = cost[u][v];
                }
            }
        }
        //根据 parent 记录的各个顶点父节点的信息，输出寻找到的最小生成树
        print_MST(parent, cost);
    }
    public static void main(String[] args) {
        int [][]cost = new int[V][V];
        System.out.println("输入图（顶点到顶点的路径和权值)：");
        Scanner sc = new Scanner(System.in);
        while (true) {
            int p1 = sc.nextInt();
            int p2 = sc.nextInt();
          //  System.out.println(p1+p2);
            if (p1 == -1 && p2 == -1) {
                break;
            }
            int wight = sc.nextInt();
            cost[p1-1][p2-1] = wight;
            cost[p2-1][p1-1] = wight;
        }
        // 根据用户输入的图的信息，寻找最小生成树
        find_MST(cost);
    }
}

如下是使用普里姆算法在图 1 所示的连通网中查找最小生成树的 Python 程序：

V = 6     #图中顶点的个数
cost = [[0]*V for i in range(V)]
print("输入图（顶点到顶点的路径和权值)：")
while True:
    li = input().split()
  
    p1 = int(li[0])
    p2 = int(li[1])
    if p1 == -1 and p2 == -1:
        break
    wight = int(li[2])
    cost[p1-1][p2-1] = wight
    cost[p2-1][p1-1] = wight
#查找权值最小的、尚未被选择的顶点，key 列表记录了各顶点之间的权值数据，visited列表记录着各个顶点是否已经被选择的信息
def min_Key(key,visited):
    #遍历 key 列表使用，min 记录最小的权值，min_index 记录最小权值关联的顶点
    min = float('inf')
    min_index = 0
    #遍历 key 列表
    for v in range(V):
        #如果当前顶点为被选择，且对应的权值小于 min 值
        if visited[v] == False and key[v]<min:
            #更新  min 的值并记录该顶点的位置
            min = key[v]
            min_index=v
    #返回最小权值的顶点的位置
    return min_index
#输出最小生成树
def print_MST(parent,cost):
    minCost=0
    print("最小生成树为：")
    #遍历 parent 列表
    for i in range(1,V):
        #parent 列表下标值表示各个顶点，各个下标对应的值为该顶点的父节点
        print("%d - %d wight:%d"%(parent[i]+1, i+1, cost[i][parent[i]]))
        #统计最小生成树的总权值
        minCost = minCost + cost[i][parent[i]];
    print("总权值为：%d"%(minCost))
#根据用户提供了图的信息（存储在 cost 列表中），寻找最小生成树
def find_MST(cost):
    #key 列表用于记录 B 类顶点到 A 类顶点的权值
    #parent 列表用于记录最小生成树中各个顶点父节点的位置，便于最终生成最小生成树
    #visited 列表用于记录各个顶点属于 A 类还是 B 类
    parent = [-1]*V
    key = [float('inf')]*V
    visited = [False]*V
    # 选择 key 列表中第一个顶点，开始寻找最小生成树
    key[0] = 0
    parent[0]= -1
    # 对于 V 个顶点的图，最需选择 V-1 条路径，即可构成最小生成树
    for x in range(V-1):
        # 从 key 列表中找到权值最小的顶点所在的位置
        u = min_Key(key,visited)
        visited[u] = True
        # 由于新顶点加入 A 类，因此需要更新 key 列表中的数据
        for v in range(V):
            # 如果类 B 中存在到下标为 u 的顶点的权值比 key 列表中记录的权值还小，表明新顶点的加入，使得类 B 到类 A 顶点的权值有了更好的选择
            if cost[u][v] !=0 and visited[v] == False and cost[u][v] < key[v]:
                # 更新 parent 列表记录的各个顶点父节点的信息
                parent[v] = u
                # 更新 key 列表
                key[v] = cost[u][v]
    # 根据 parent 记录的各个顶点父节点的信息，输出寻找到的最小生成树
    print_MST(parent,cost);
find_MST(cost)

图 1 连通网中的顶点 A、B、C、D、S、T 分别用 1~6 的数字表示，上面程序的运行结果均为：

输入图（顶点到顶点的路径和权值)：
1 5 7
1 3 3
5 3 8
1 2 6
2 3 4
2 4 2
3 4 3
2 6 5
4 6 2
-1 -1
最小生成树为：
4 - 2 wight:2
1 - 3 wight:3
3 - 4 wight:3
1 - 5 wight:7
4 - 6 wight:2
总权值为：17

睿科知识云
关注
  • 36
    点赞
  • 踩
  • 217
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
专栏目录
最小生成树之Prim（普里姆）算法
Yi_xiaoqiang的博客
05-11 4万+
Prim算法是解决最小生成树的经典算法之一。本博客以个人的理解简略地对Prim算法进行介绍以及解剖。
算法之「普里姆（Prim）算法」
weixin_33811961的博客
04-25 1287
普里姆算法 普里姆算法（Prim's algorithm）是图中的一种算法，可在加权连通图中搜索最小生成树。 该算法的作用就是根据图中权值找到连接所有顶点的最短路径，也就是连接所有顶点的最小权值之和，也是这个加权图中的最小生成树。 普里姆算法步骤 1.选取权值最小边的其中一个顶点作为起始点。 2.找到离当前顶点权值最小的边，并记录该顶点为已选择。 3.重复第二步，直到找到所有顶点，就找到了图的最小...
【数据结构】最小生成树(Prim算法,普里姆算法,普利姆)、最短路径(Dijkstra算法，迪杰斯特拉算法，单源最短路径)
verse_armour的博客
02-11 3990
最小生成树：Prim算法；最短路径：Dijkstra算法
Acwing 858-Prim算法求最小生成树
她与伞皆过客的博客
04-29 1057
给定一个n个点m条边的无向图，图中可能存在重边和自环，边权可能为负数。 求最小生成树的树边权重之和，如果最小生成树不存在则输出impossible。 给定一张边带权的无向图G=(V,E)，其中VV表示图中点的集合，EE表示图中边的集合，n=|V|，m=|E|。 由V中的全部n个顶点和E中n−1条边构成的无向连通子图被称为G的一棵生成树，其中边的权值之和最小的生成树被称为无向图G的最小生成树。 输入格式 第一行包含两个整数n和m。 接下来m行，每...
Prim算法的详细介绍
最新发布
zhengddzz的博客
02-26 1040
Prim算法在通信网络规划中的作用主要是用于寻找通信网络中的最小生成树。通信网络中的节点可以代表通信设备，边可以代表通信线路或者连接，通过Prim算法可以选择连接代价最小的边来构建最小生成树，以实现以最小成本实现网络中所有节点的连接。在通信网络规划中，最小生成树可以帮助我们实现在网络中进行数据传输或通信时，以最小的成本实现所有节点的联通，同时保证网络的稳定性和可靠性。这有助于降低网络建设和维护的成本，提高通信网络的效率和可靠性。
算法Prim.zip
07-16
Prim算法 1.概览 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。意即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（英语：Vertex (graph theory)），且其所有边的权值之和亦为最小。该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克（英语：Vojtěch Jarník）发现；并在1957年由美国计算机科学家罗伯特·普里姆（英语：Robert C. Prim）独立发现；1959年，艾兹格·迪科斯彻再次发现了该算法。因此，在某些场合，普里姆算法又被称为DJP算法、亚尔尼克算法或普里姆－亚尔尼克算法。 2.算法简单描述 1).输入：一个加权连通图，其中顶点集合为V，边集合为E； 2).初始化：Vnew = {x}，其中x为集合V中的任一节点（起始点），Enew = {},为空； 3).重复下列操作，直到Vnew = V： a.在集合E中选取权值最小的边<u, v>，其中u为集合Vnew中的元素，而v不在Vnew集合当中，并且v∈V（如果存在有多条满足前述条件即具有相同权值的边，则可任意选取其中之一）； b.将v加入集合Vnew中，将<u, v>边加入集合Enew中； 4).输出：使用集合Vnew和Enew来描述所得到的最小生成树。
Prim_prim算法_
09-30
普利姆算法真的很好好好好好好好好好好好好好
prim算法 python 代码实现
11-16
prim算法
普里姆(Prim)算法，数据机构，c语言，严蔚敏
12-31
16、输入任意的一个网，用普里姆(Prim)算法构造最小生成树。 ，数据机构，c语言，严蔚敏
prim算法
qq_36314864的博客
01-22 3万+
prim算法 prim算法(普利姆算法)：对图G(V,E)设置集合S，存放已访问的顶点，然后每次从集合V-S中选择与集合S的最短距离最小的一个顶点(记为u)，访问并加入集合S。之后，令顶点u为中介点，优化所有从u能到达的顶点v与集合S之间的最短距离。执行n次(n为顶点个数)，直到集合S已包含所有顶点。 算法实例演示 首先让我们来看一个example。如下图所示，图a是一个连通图（右图是图a对应的邻接矩阵，假设图中的边的权值大于0），我们现在基于该图来演示Prim算法的过程。 我们选择一个起点，然后在与起
数据结构——普里姆（Prim）算法
qq_51231048的博客
10-30 1万+
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。意即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。以下是数据结构中关于普里姆算法的操作（编程风格参考严蔚敏版数据结构）。
最小生成树-Prim算法和Kruskal算法
不积跬步无以至千里
11-18 10万+
Prim算法 1.概览 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。意即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（英语：Vertex (graph theory)），且其所有边的权值之和亦为最小。该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克（英语：Vojtěch Jarník）发现；并在1957年由美国计算机科学家罗
Prim(普里姆)算法求最小生成树的思想及C语言实例讲解
12-25
Prim 算法思想： 从任意一顶点 v0 开始选择其最近顶点 v1 构成树 T1，再连接与 T1 最近顶点 v2 构成树 T2， 如此重复直到所有顶点均在所构成树中为止。 最小生成树（MST）：权值最小的生成树。 生成树和最小生成树的应用：要连通n个城市需要n－1条边线路。可以把边上的权值解释为线路的造价。则最小生成树表示使其造价最小的生成树。 构造网的最小生成树必须解决下面两个问题： 1、尽可能选取权值小的边，但不能构成回路； 2、选取n－1条恰当的边以连通n个顶点； MST性质：假设G＝(V,E)是一个连通网，U是顶点V的一个非空子集。若(u,v)是一条具有最小权值的边，其中u∈U，v∈V
Prim算法的cpp实现
12-01
Prim算法的cpp实现
【图论】Prim算法
SY奇星的OI博客
07-26 1208
最小生成树问题是指在一个连通无向图中找到一个生成树，使得树中所有边的权重之和最小。Prim算法的基本思想是从一个起始顶点开始，逐步扩展生成树，直到覆盖所有顶点。Prim算法的关键在于如何选择与生成树相连的边中权重最小的边。一种常用的方法是使用优先队列（最小堆）来存储候选边，每次选择权重最小的边加入生成树。Prim算法的时间复杂度为O(ElogV)，其中V是顶点数，E是边数。它是一种有效的算法，适用于稠密图和稀疏图。
prim 算法python实现
staring789的博客
12-15 429
PRIM” (Patient Rule Induction Method) 是一种用于构建决策树的算法，主要用于处理分类问题。它基于分类准则，包括信息增益、基尼指数等，对数据进行递归分割，从而构建决策树。：从可用的特征中选择最佳的特征，作为当前节点的划分标准。选择标准通常基于信息增益、基尼指数或者其他衡量标准来选择对目标变量分类效果最好的特征。：基于选定的特征，将数据集划分成不同的子集。每个子集对应于特征的一个取值。这一步骤实质上是在创建决策树的分支。
Prim 算法介绍
实践求真知
07-10 4130
在生成树的过程中，把已经在生成树中的节点看作一个集合，把剩下的节点看作另外一个集合，从连接两个集合的边中选择一条权值最小的边即可。首先任选一个节点，例如节点1，把它放在集合 U 中，U={1},那么剩下的节点为 V-U={2,3,4,5,6,7},集合 V 是图的所有节点集合。现在只需要看看连接两个集合（U 和 V-U）的边中，哪一条边的权值最小，把权值最小的边关联的节点加入集合 U 中。从上图可以看出，连接两个集合的 3 条边中，1-2 边的权值最小，选中它，把节点 2 加入集合 U 中，U={1,2}，
最小生成树——Prim算法（详细图解）
热门推荐
qq_62213124的博客
11-28 13万+
最小生成树的概念 在一给定的无向图G = (V, E) 中，(u, v) 代表连接顶点 u 与顶点 v 的边，而 w(u, v) 代表此的边权重，若存在 T 为 E 的子集（即）且为无循环图，使得的 w(T) 最小，则此 T 为 G 的最小生成树。最小生成树其实是最小权重生成树的简称。 ...
【图解】Prim和Kruskal算法的区别
weixin_61087354的博客
05-09 1万+
【贪心】Prim和Kruskal算法的区别 Kruskal算法和Prim算法的优劣 Kruskal算法，相较于Prim算法是基于点的操作，Kruskal算法是基于边的操作，思想也比Prim简单，更容易理解 Prim算法是采用从点方面考虑来构建MST的一种算法，Prim 算法在稠密图中比Kruskal优。 示例 Prim算法 从源点出发，把源点所有的边加入一个集合（称为待选边集合E{}） 图1 从E{}中选出最短边，连接并移除，并将该点的所有的边加入E{} 图2 ...
prim(普里姆)算法和kruska
04-07
prim算法和kruskal算法是两种解决最小生成树的算法。 Prim算法是基于点的贪心算法，从一个点出发逐步扩展生成树。具体地，每次从已生成的树中选出一个与树中距离最小的点，加入到树中。这个过程直到将所有点加入树中为止。 Kruskal算法是基于边的贪心算法，将所有边按照边权从小到大排序，从小到大地枚举每条边，将可接受的边加入到已生成的树中。具体来说，如果该边的两个端点不在同一个集合中，即加入该边不会形成环，则可以将该边加入到当前生成树中。这个过程一直持续到生成树中有n - 1条边为止。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

睿科知识云

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值