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。该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克发现;并在1957年由美国计算机科学家罗伯特·普里姆独立发现;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。我们之前介绍的Kruskal算法适用于稀疏图(一般我们认为满足|E| < V*(V-1)/4时,图为稀疏图, |E|为边的数量,V为顶点数)。我们将要介绍的Prim算法则是适用于稠密图(我们这里所说的适用于某种情况,只表示该算法在这个条件下效率最优)。
1、算法描述
从单一顶点开始,普里姆算法按照以下步骤逐步扩大树中所含顶点的数目,直到遍及连通图的所有顶点。
输入:一个加权连通图,其中顶点集合为V,边集合为E
输出:使用集合Vnew和Enew来描述所得到的最小生成树
算法流程:
1.初始化:Vnew = {x},其中x为集合V中的任一节点(起始点),Enew = {};
2.重复下列操作,直到Vnew = V:
<1>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则是V中没有加入Vnew的顶点(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);
<2>将v加入集合Vnew中,将(u, v)加入集合Enew中;
下面给出一个无向图,每条边上的数字为权值:
我们任选一个顶点作为起始点,这里我们随便选一个,就以D作为起始点。现在集合Vnew = { D }, Enew = { }。顶点A、B、E和F通过单条边与D相连。A是距离D最近的顶点,因此将A及对应边AD以高亮表示(下同)。因为顶点A是距离集合Vnew最近的点,所以我们将A加入集合,所以现在集合为 Vnew = { A, D}, Enew = { (A, D) }。
下一个顶点为距离集合Vnew最近的顶点(也就是距离D或A最近的点)。B距D为9,距A为7,E为15,F为6。因此,F距D或A最近,所以我们将顶点F加入集合Vnew,将边(D, F)加入集合 Enew。现在集合变为 Vnew = { A, D, F }, Enew = { (A, D) , (D, F) }。
我们继续重复上面的步骤。我们可以发现距离集合Vnew最近的点为B,(A, B)距离为 7 。所一我们将B加入集合Vnew, 将边(A, B)加入集合Enew。现在集合就变为 Vnew = { A, B, D, F }, Enew = { (A, B), (A, D), (D, F) }。
我们只要不断的重复上述步骤,很快我们就找到了该图的最小生成树(如图所示)
有兴趣的朋友,还可以试试用其他顶点作为起点看看答案是否一致。最后你会惊奇的发现无论你取哪一个点,最后的答案都是一致的。
2、Prim算法的时间复杂度
Prim算法循环|V| - 1,每次都要寻找距离集合Vnew的最小值, 扫描与一个点所连接的所有边。如果使用将一个点所有的边都扫描一遍的算法,则时间复杂度为O(|V|² + |E|)。如果我们使用二叉堆来实现查找距离集合Vnew的最小值,则时间复杂度为O(|E| log |V| )。如果使用斐波那契堆优化的话,那么时间复杂度将可以近一步优化为O(|E| + |V | log|V|)。
3*、Prim算法的证明(不感兴趣的可以直接跳过)
设Prim生成的树为G0
假设存在Gmin使得cost(Gmin)<cost(G0)
则在Gmin中存在(u,v)不属于G0
将(u,v)加入G0中可得一个环,且(u,v)是该环的最长边
这与prim每次生成最短边矛盾
故假设不成立,得证.
4、Prim算法的实现
这里我们就用一到题目来说明Prim算法的实现 还是畅通工程 。大家可以先思考思考,看看能不能根据上面的描述自己实现Prim算法,下面附上这一题的代码,以供参考:
【未优化版】
#include <cstdio>
#include <vector>
#define INF 0xfffffff
#define MAXN 100 + 10
using namespace std;
struct Vex{
int v, weight;
Vex(int tv, int tw):v(tv), weight(tw){}
};
vector<Vex> graph[MAXN];
bool inTree[MAXN];
int mindist[MAXN];
void Init(int n){
for(int i = 1; i <= n; i++){
mindist[i] = INF;
inTree[i] = false;
graph[i].clear();
}
}
int Prim(int s, int n){
int addNode, tempMin, tempVex ,ret = 0;
//将顶点S加入集合Vnew
inTree[s] = true;
//初始化,各点到集合Vnew的距离, 数组mindist表示各点到集合Vnew的最小距离
for(unsigned int i = 0; i < graph[s].size(); i++)
mindist[graph[s][i].v] = graph[s][i].weight;
//因为还有n-1个点没有加入集合Vnew,所以还要进行n-1次操作
for(int NodeCount = 1; NodeCount <= n-1; NodeCount++){
tempMin = INF;
//在还没有加入集合Vnew的点中查找距离集合Vnew最小的点
for(int i = 1; i <= n; i++){
if(!inTree[i] && mindist[i] < tempMin){
tempMin = mindist[i];
addNode = i;
}
}
//将距离集合Vnew距离最小的点加入集合Vnew
inTree[addNode] = true;
//将新加入边的权值计入ret
ret += tempMin;
//更新还没有加入集合Vnew的点 到 集合Vnew的距离
for(unsigned int i = 0; i < graph[addNode].size(); i++){
tempVex = graph[addNode][i].v;
if(!inTree[tempVex] && graph[addNode][i].weight < mindist[tempVex]){
mindist[tempVex] = graph[addNode][i].weight;
}
}
}
return ret;
}
int main(){
int n;
int v1, v2, weight;
while(scanf("%d", &n), n){
Init(n);
for(int i = 0; i < n*(n-1)/2; i++){
scanf("%d%d%d", &v1, &v2, &weight);
graph[v1].push_back(Vex(v2, weight));
graph[v2].push_back(Vex(v1, weight));
}
printf("%d\n", Prim(1, n));
}
return 0;
}
【堆优化版】
#include <cstdio>
#include <vector>
#include <queue>
#define INF 0xfffffff
#define MAXN 100 + 10
using namespace std;
struct Vex{
int v, weight;
Vex(int tv = 0, int tw = 0):v(tv), weight(tw){}
bool operator < (const Vex& t) const{
return this->weight > t.weight;
}
};
vector<Vex> graph[MAXN];
bool inTree[MAXN];
int mindist[MAXN];
void Init(int n){
for(int i = 1; i <= n; i++){
mindist[i] = INF;
inTree[i] = false;
graph[i].clear();
}
}
int Prim(int s, int n){
priority_queue<Vex> Q;
Vex temp;
//res用来记录最小生成树的权值之和
int res = 0;
//将s加入集合Vnew,并更新与点s相连接的各点到集合Vnew的距离
inTree[s] = true;
for(unsigned int i = 0; i < graph[s].size(); i++){
int v = graph[s][i].v;
if(graph[s][i].weight < mindist[v]){
mindist[v] = graph[s][i].weight;
//更新之后,加入堆中
Q.push(Vex(v, mindist[v]));
}
}
while(!Q.empty()){
//取出到集合Vnew距离最小的点
temp = Q.top();
Q.pop();
int addNode = temp.v;
if(inTree[addNode]) continue;
inTree[addNode] = true;
res += mindist[addNode];
//更新到集合Vnew的距离
for(unsigned int i = 0; i < graph[addNode].size(); i++){
int tempVex = graph[addNode][i].v;
if(!inTree[tempVex] && mindist[tempVex] > graph[addNode][i].weight){
mindist[tempVex] = graph[addNode][i].weight;
Q.push(Vex(tempVex, mindist[tempVex]));
}
}
}
return res;
}
int main(){
int n;
int v1, v2, weight;
while(scanf("%d", &n), n){
Init(n);
for(int i = 0; i < n*(n-1)/2; i++){
scanf("%d%d%d", &v1, &v2, &weight);
graph[v1].push_back(Vex(v2, weight));
graph[v2].push_back(Vex(v1, weight));
}
printf("%d\n", Prim(1, n));
}
return 0;
}
如果不了解priority_queue的朋友可以参考:Here。
【斐波那契堆优化】
先挖个坑,以后再填,有兴趣的朋友可以自行完善。
想找一些题练练手朋友,可以移步到这里:图论题目分类