1.概念
对连通图进行遍历,过程中所经过的边和顶点的组合可看做是一棵普通树,通常称为生成树。
连通图中的生成树必须满足以下 2 个条件:
- 包含连通图中所有的顶点;
- 任意两顶点之间有且仅有一条通路;
所有生成树中权值最小的叫做 最小生成树。
对应地,非连通图中的类似概念为生成森林。
2.算法
1.Prim算法
1.思路:
1.反正都要经过所有点,所以先选定一个起点;
2.设置一个dist数组,表示以i为终点的邻接边的最小权值;
3.遍历当前起点的所有邻接边,按2中的含义更新dist;
4.下一次的起点为dist中的最小值对应的终点。当然,只能在没访问过的点中寻找;
5.按照如上方式,直至遍历完所有节点为止。
核心代码:
#define long long long
void add(int st,int end,int w,int m) {
G[m].next=first[st];
G[m].to=end;
G[m].wei=w;
first[st]=m;
}
//注意:找最小边时必须确保没访问过
int find_min() {
long minn=INF;
int mini=n+1;
for(int i=1; i<=n; i++) {
if(dist[i]<minn&&!vis[i]) {
minn=dist[i];
mini=i;
}
}
return mini;
}
long prim(int st) {
int tot=1;
//tot:已经访问结点数
long res=0;
vis[st]=1;
//以上为预处理起点
while(tot<n) {
//遍历完所有边,即为找到一棵最小生成树
st=find_min();
//查找最小值,这里可以用堆优化
if(st==n+1)
return 0;
res+=dist[st];
for(int i=first[st]; i!=-1; i=G[i].next) {
if(dist[G[i].to]>G[i].wei&&!vis[G[i].to]) dist[G[i].to]=G[i].wei;
//这是与Dijkstra的最大不同,因为要找的是邻接的边
}
vis[st]=1;
tot++;
}
return res;
}
Prim算法的核心思想就是从任意结点开始,每次增加一条最小权边构成一棵新树。如果图比较稀疏,那就不是很合适了。
例题链接
思路:直接套用模板即可,注意处理可能存在的自环和重边。
我一开始是用邻接矩阵做的,但效率比较低,关键还浪费空间。后来采用向前星就好了。但在处理自环和重边那里又卡了一下,其实建图时遇到重边无需直接舍弃,在初始化dist数组时动手脚即可,详见代码:
#include <cstdio>
#include <algorithm>
#define long long long
#define INF 0x3f3f3f3f
const int MAX_NODE=5001,MAX_EDGE=200001;
using namespace std;
struct graph {
int next,to,wei;
graph() {next=to=-1,wei=INF;}
} G[MAX_EDGE*2]; //注意是无向边
int first[MAX_NODE];
int n,dist[MAX_NODE];
bool vis[MAX_NODE];
//dist为以i为终点的邻接的最小权值
void add(int st,int end,int w,int m) {
G[m].next=first[st];
G[m].to=end;
G[m].wei=w;
first[st]=m;
}
//注意:找最小边时必须确保没访问过
int find_min() {
long minn=INF;
int mini=n+1;
for(int i=1; i<=n; i++) {
if(dist[i]<minn&&!vis[i]) {
minn=dist[i];
mini=i;
}
}
return mini;
}
//首先假定一个起点,这里为1
long prim(int st) {
int tot=1;
//tot:已经访问结点数
long res=0;
vis[st]=1;
//以上为预处理起点
while(tot<n) {
//遍历完所有边,即为找到一棵最小生成树
st=find_min();
//查找最小值,这里可以用堆优化
if(st==n+1)
return 0;
res+=dist[st];
for(int i=first[st]; i!=-1; i=G[i].next) {
if(dist[G[i].to]>G[i].wei&&!vis[G[i].to]) dist[G[i].to]=G[i].wei;
//这是与Dijkstra的最大不同,因为
}
vis[st]=1;
tot++;
}
return res;
}
//假定起点为1
int main() {
int m,t=0;
scanf("%d%d",&n,&m);
fill(dist+1,dist+n+1,INF);
fill(first,first+n+1,-1);
for(int i=0; i<m; i++) {
int u,v,w;
scanf("%d%d%d",&u,&v,&w);
if(u!=v) {
add(u,v,w,t++);
add(v,u,w,t++);
}
}
for(int i=first[1]; i!=-1; i=G[i].next) dist[G[i].to]=min(dist[G[i].to],G[i].wei); //可能有重边
long res=prim(1);
res!=0?printf("%lld",res):printf("orz");
return 0;
}
2.Kruskral算法
1.思路
与Prim算法不同,Kruskral算法采用的是“避圈法”。具体地说,就是将边权排序,每次都取最小的边,如果这个边与已有边构成回路,则舍弃,寻找次小边,以此类推。
不难看出,本算法的难点在于如何判断是否构成回路,可以这样思考:
有一张这样的图
很显然,四个点已经“关联”在了一起,这时再加入一条边(4,1),则能构成回路。如果将(3,4)这条边去掉,那么4和3显然是没有“关联”的,再加入(3,4)这条边也无法构成回路。
可以得出结论:如果两点之间已形成“关联”,则在它们之间建立一条边就会形成回路。
那怎么判断几个点有无“关联”呢?很显然,我们可以引入一个并查集。
7.2补充:图论中有一个结论:n个结点的连通图中至少有n-1条边,如果此时再引入一条不同的边则必然构成回路。而并查集两个值相同说明两点间已经连通,就不能在两点间建边。这样解释为何要用并查集可能比上面更科学一点。
我们可以直接使用边集数组存图。
核心代码如下:
struct graph {
int st,end,w;
} G[MAX_EDGE];
int kruskral(int m) {
int res=0;
for(int i=0; i<m; i++) {
//m为边数
int x=Find(G[i].st),y=Find(G[i].end);
//Find为并查集查找函数
if(x!=y) { //避圈法
fa[x]=y; //合并并查集
res+=G[i].w;
}
}
return res;
}
//建图过程在此不表,注意按照边权大小排序
用这一算法解决上面的问题,效率稍高一些。
由于此算法是按照边查找,所以更适合稀疏图。