克鲁斯卡尔算法
假设 WN=(V,{E}) 是一个含有 n 个顶点的连通网,则按照克鲁斯卡尔算法构造最小生成树的过程为:先构造一个只含 n 个顶点,而边集为空的子图,若将该子图中各个顶点看成是各棵树上的根结点,则它是一个含有 n 棵树的一个森林。之后,从网的边集 E 中选取一条权值最小的边,若该条边的两个顶点分属不同的树,则将其加入子图,也就是说,将这两个顶点分别所在的两棵树合成一棵树;反之,若该条边的两个顶点已落在同一棵树上,则不可取,而应该取下一条权值最小的边再试之。依次类推,直至森林中只有一棵树,也即子图中含有 n-1条边为止。
普里姆算法
假设 WN=(V,{E}) 是一个含有 n 个顶点的连通网,TV 是 WN 上最小生成树中顶点的集合,TE 是最小生成树中边的集合。显然,在算法执行结束时,TV=V,而 TE 是 E 的一个子集。在算法开始执行时,TE 为空集,TV 中只有一个顶点,因此,按普里姆算法构造最小生成树的过程为:在所有“其一个顶点已经落在生成树上,而另一个顶点尚未落在生成树上”的边中取一条权值为最小的边,逐条加在生成树上,直至生成树中含有 n-1条边为止。
--------------------------------------------------------------
克鲁斯卡尔算法(1)
void kruskal (edgeset ge, int n, int e)
// ge为权按从小到大排序的边集数组
{
int set[MAXE], v1, v2, i, j;
for (i=1;i<=n;i++)
set[i]=0; // 给set中每个元素赋初值
i=1;// i表示获取的生成树中的边数,初值为1
j=1;// j表示ge中的下标,初始值为1
while (j<n && i<=e)
// 检查该边是否加入到生成树中
{
v1=seeks(set,ge[i].bv);
v2=seeks(set,ge[i].tv);
if (v1!=v2) // 当v1,v2不在同一集合,该边加入生成树
{
printf("(%d,%d)",ge[i].bv,ge[i].tv);
set[v1]=v2;
j++;
}
i++;
}
}
克鲁斯卡尔算法(2)
//kruskal
void MiniSpanTree_Kruskal(CGraph gn)
{
//按算法构造网gn的最小生成树并输出生成树上各条边/
T.init(gn.vexes,null);
hp.init(gn) //堆初始化,堆中元素
heap_sort(hp); //为网gn的所有边
while( (hp.Last>0) && (T.Arcn<g.vexn-1) )
{
e = hp.fo[1]; //取堆中最小代价边
fix_mfset(T.set,e.v1,i); //确定边的两端点
fix_mfset(T.set,e.v2,j); //所在的集合
if(i != j)
{
T.addArc(e.v1,e.v2); //增加一条边
mix_mfset(T.set,i,j); //合并两个集合
}
hp.fo[1]=hp.fo[Last];
dec(hp.Last);
if( hp.Last>1 )
heap_sift(hp,1,hp.Last);//求下一条最小代价边
}
if( T.Arcn<g.vexn-1 )
error("Not Connected")/网gn非连通
}//endp Kruskal
------------------------------------------------------------------------------
普里姆算法
//prim
#include <stdio.h>
#include <stdlib.h>
#define MAXVEX 30
#define MAXCOST 1000
/*每一步扫描数组lowcost,在V-U中找出离U最近的顶点,令其为k,并打印边(k,closest[k])*/
/*然后修改lowcost和closest,标记k已经假如U 。c表示图邻接矩阵,弱不存在边(i,j),则c[i][j]的值为一个大于任何权而小于无限打的阐述,这里用MAXCOST表示*/
void prim (int c[MAXVEX][MAXVEX], int n)/*一直图的顶点为{1,2,...,n},c[i][j]为(i,j)的权,打印最小生成树的每条边*/
{
int i,j,k,min,lowcost[MAXVEX],closest[MAXVEX];
for (i=2;i<=n;i++) /*从顶点1开始*/
{
lowcost[i]=c[1][i];
closest[i]=1;
}
closest[1]=0;
for (i=2;i<=n;i++) /*从U之外求离U中某一顶点最近的顶点*/
{
min=MAXCOST;
j=1;
k=i;
while (j<=n)
{
if (lowcost[j]<min && closest[j]!=0)
{
min=lowcost[j];
k=j;
}
j++;
}
printf ("(%d,%d)",closest[k],k); /*打印边*/
closest[k]=0; /* k假如到U中 */
for (j=2;j<=n;j++)
if (closest[j]!=0 && c[k][j]<lowcost[j])
{
lowcost[j]=c[k][j];
closest[j]=k;
}
}
}
void main()
{
int n=7,i,j,mx[MAXVEX][MAXVEX];
for (i=0;i<=n;i++)
for (j=0;j<=n;j++)
mx[i][j]=MAXCOST;
mx[1][2]=50;
mx[1][3]=60;
mx[2][4]=65;
mx[2][5]=40;
mx[3][4]=52;
mx[3][7]=45;
mx[4][5]=50;
mx[5][6]=70;
mx[4][6]=30;
mx[4][7]=42;
printf("最小生成树边集:\n");
prim(mx,n);
}
/****************************************************************************************/
我们这里讨论的是无向图的最小生成树,有向图的最小生成树算法比较复杂,如果感兴趣可以参看清华大学的《信息学奥林匹克竞赛指导-图论的算法与程序设计》。
所谓最小生成树,就是给定一个无向图,挑选若干条边,连成一个树行图(无圈),使得所选边的权至和最小。
一下算法中,n是点数,e是边数。
1.Prime
初始时任选一点s为树根,每次选出一条权最小的边[i,j],使得点i在树中,点j不在树中,将j和[i,j]加入树中,重复n-1次求出最小生成树。
我们用二叉堆来提高效率。二叉堆中存储边,初始时二叉堆中存储与s关联的边,每次取出一个权最小的边[i,j],删除[i,j],同时将与j关联的边放入二叉堆中,注意判重。
因为所有边只放入和取出二叉堆一次,所以算法复杂度是(eloge)。
2.Kruskal
从所有边中找到一个最小的边,且将改变放入后不会生成圈,重复n-1次后求出最小生成树。
我们首先将所有边排序,然后从小到大判断,如果不产生圈就加入树中,当加入n-1条边时停止。
为了判断是否组成圈,我们要用到并查集,相关知识可以在本站或任一本竞赛书中找到,这里不赘述。
算法复杂度是(eloge+eα),α是做一次并查集的复杂度,可以认为是常数。
两种算法同样优秀。