最小生成树：Prim算法 /Kruskal算法（待深入复习理解）

目录

1.各种概念和性质

 2.prim算法

 3.Kruskal算法

 4.两种算法比较

---

1.各种概念和性质

 

无向图的生成树

最小生成树

构造最小生成树（利用MST性质）

  

 2.prim算法

算法思想

 算法实现

void MiniSpanTree_Prime(MGraph G)
{
	int min, i, j, k;
	int adjvex[MAXVEX];    //保存相关下标
	int lowcost[MAXVEX];   //保存相关顶点间边的权值
	lowcost[0] = 0;        //初始化第一个权值为0，即v0加入生成树
	//lowcost的值为0，在这里就是此下标的顶点已经加入生成树
	adjvex[0] = 0;         //初始化第一个顶点下标为0
	for (i = 1; i < G.numVertexes; i++)   //循环除下标为0外的全部顶点
	{
		lowcost[i] = G.arc[0][i];    //将v0顶点与之有边的权值存入数组
		adjvex[i] = 0;               //初始化都为v0的下标
	}
	for (i = 1; i < G.numVertexes; i++)
	{
		min = INFINITY;              //初始化最小权值为无穷大
		//通常设置为不可能的大数字如32767，65535等
	 
		j = 1; k = 0;      //循环全部顶点
		while (j < G.numVertexes)
		{
			if (lowcost[j] != 0 && lowcost[j] < min)
			{
				//如果权值不为0且权值小于min
				min = lowcost[j];   //则让当前权值成为最小值
				k = j;              //将当前最小的下标存入k
			}
			j++;
		}
		printf("(%d,%d)", adjvex[k], k);//打印当前顶点边中权值最小的边
		lowcost[k] = 0;                 //将当前顶点的权值设置为0，表示此顶点已经完成任务
		for (j = 1; j < G.numVertexes; j++)  //循环所有顶点
		{
			if (lowcost[j] != 0 && G.arc[k][j] < lowcost[j])
			{   
				//若下标为k顶点各边权值小于此前这些顶点未被加入生成树权值
				lowcost[j] = G.arc[k][j];   //将较小权值存入lowcost
				adjvex[j] = k;              //将下标为k的顶点存入adjvex
			}
		}
	}
}

 

 

 

 

 3.Kruskal算法

 

算法实现 

void MiniSpanTree_Kruskal(MGraph G)
{
	int i, n, m;
	Edge edges[MAXEDGE];  //定义边集数组
	int parent[MAXVEX];   //定义一数组用来判断边与边是否形成环路
    //此处省略将邻接矩阵G转化为边集数组edges并按权由小到大排序的代码
	for (i = 0; i < G.numVertexes; i++)
		parent[i] = 0;    //初始化数组值为0
	for (i = 0; i < G.numEdges; i++)  //循环每一条边
	{
		n = Find(parent, edges[i].begin);
		m = Find(parent, edges[i].end);
		if (n != m) //假如n与m不等，说明此边没有与现有生成树形成环路
		{
			parent[n] = m; //将此边的结尾顶点放入下标为起点的parent中
			//表示此顶点已经在生成树集合中
			printf("(%d,%d) %d", edges[i].begin, edges[i].end, edges[i].weight);
		}
	}
}

int Find(int* parent, int f)//查找连线顶点的尾部下标
{
	while (parent[f] > 0)
		f = parent[f];
	return f;
}

 

 4.两种算法比较

稀疏图：顶点多，边很少

稠密图：顶点少，边很多