图的最小生成树之普里姆算法
看图分析(我们将图中的权当作距离来看待):
1. 从任一点出发(这里从0出发),0到下个最近顶点2的距离最小为1,这一步简单直接;
2. 对于从顶点2出发,去寻找最小距离的下一个顶点,我们需要考虑下面的情况:
经过第一步,现在我们拥有了两个顶点(即 顶点0 和 顶点2)可以出发,去往相同的地方(这里的 顶点1 和 顶点3);
来分析顶点2选择最优距离的过程:
a. 顶点2——> 顶点1 的距离为 5;(这个时候要考虑顶点0——> 顶点1的距离为6)我们会选择这两种情况的最小值;
b. 顶点2——> 顶点3 的距离为 7;这个不是我们要的值,因为有另外最优的方式到顶点3:顶点0——> 顶点3,距离只有 5;
c. 顶点2——> 顶点4 的距离为 5;
d. 顶点2——> 顶点5 的距离为 4;
综上a、b、c、d,我们选择最优的距离为4 的顶点5
3. 我们现在已经得到了3个顶点,顶点0 、 顶点2 和 顶点5;利用上述2的方式,找到下一个顶点为顶点3...循环执行步骤2的判断,直至遍历完所有的顶点,形成图的最小生成树,这个就是普里姆算法的思想。
代码实现:
#include <iostream>
using namespace std;#define MAXVER 6
#define INFINITY 65535typedef char VertexType;
typedef int EdgeType;typedef struct
{
VertexType vexs[MAXVER];
EdgeType arc[MAXVER][MAXVER];
int numVertexes, numEdges;
}MGraph;void MiniSpanTree_Prim(MGraph G)
{
int min, i, j, k;
int adjvex[MAXVER];//保存生成树的顶点下标
int lowcost[MAXVER];//保存权值
lowcost[0] = 0;
adjvex[0] = 0;//保存起始顶点(默认从0开始)存在边的权值
for (i = 1; i < G.numVertexes; i++)
{
lowcost[i] = G.arc[0][i];
adjvex[i] = 0;
}for ( i = 1; i < G.numVertexes; i++)
{
min = INFINITY;j = 1; k = 0;
while (j < G.numVertexes)//遍历当前顶点边的权值,查找最小权值
{
if (lowcost[j] != 0 && lowcost[j] < min)
{
min = lowcost[j];
k = j;
}
j++;
}cout << "( " << adjvex[k] << "," << k << " ) " << endl;
lowcost[k] = 0;//将当前顶点的权值设置为0,该顶点完成任务
for (j = 1; j < G.numVertexes; j++)
{
//此处用来更新权值的记录数组,找到最优顶点k以后,
//取k与当前顶点i到同一个顶点权值的最优值,并更新权值,对照上述描述2的执行过程
if (lowcost[j] != 0 && G.arc[k][j] < lowcost[j])
{
lowcost[j] = G.arc[k][j];
adjvex[j] = k;//这个缓存用于辅助获得最优边的起点,比如上述描述的 0--》3 还是 2--》3 ,必须要记录起点
}
}}
}
以上参考:
- 大话数据结构