js实现prim+优先队列

最近在学算法,沉迷于js的我,就想用js敲一敲这个prim算法,至于prim算法具体是什么,怎么回事,大家可以自行搜索,这里只贴上代码和部分注解
数据是从文件里读出来的所以用了一下node.js,数据格式如下
7 9
1 2 28
1 6 10
2 7 14
2 3 16
6 5 25
7 5 24
7 4 18
3 4 12
5 4 22

var fs = require('fs')
var path = require('path');
var Q = require("q");

var MAX = 100000;
var dingdian;//顶点数
var bian;//边数
var edge = [];//矩阵
var node = [] // 记录节点
var addNew = []; //设置顶点是否加入到集合

// 优先队列数据结构
 function PriorityQueue() {
    var items = [];
    function QueueElement (element, priority){ // {1}
        this.element = element;
        this.priority = priority;
    }
    this.enqueue = function(element, priority){
        var queueElement = new QueueElement(element, priority);
        var added = false;
        for (var i=0; i< items.length; i++){
            if (queueElement.priority < items[i].priority){ // {2}
                items.splice(i,0,queueElement);             // {3}
                added = true;
                break; // {4}
            }
        }
        if (!added){
            items.push(queueElement); //{5}
        }
    };
    this.dequeue = function(){
        return items.shift();
    };
    this.front = function(){
        return items[0];
    };
    this.isEmpty = function(){
        return items.length == 0;
    };
    this.size = function(){
        return items.length;
    };

 }
var  q = new PriorityQueue(); //创建优先队列

//初始化输入矩阵
function initRect(length) {
    for(var i = 1; i<length+1; i++) {
        edge[i] = [];
        for(var j=1; j<length+1;j++) {
            edge[i][j] = MAX;
        }
    }
}

//读取数据
function preadFile (file){
      var deferred = Q.defer();
      fs.readFile(file,'utf-8', function(err,data){
        if(!err){
          deferred.resolve(data);
        }else{
          deferred.reject(err);
        }
      });
        return deferred.promise;
    }

var filein = path.resolve('input.txt')

preadFile(filein).then(function(data){
    var arr = data.split(/\r\n/) //回车空行分割读取
    // console.log(arr)
   for(var i=0;i<arr.length;i++) {
        var _arr = arr[i].split(' ');

        if(_arr.length === 2) {
            dingdian = parseInt(_arr[0]);
            bian = parseInt(_arr[1])
            initRect(dingdian);//进行初始化
        }else if(_arr.length === 3) { //添加数据到矩阵
            edge[_arr[0]][_arr[1]] = parseInt(_arr[2]);
            edge[_arr[1]][_arr[0]] = parseInt(_arr[2]);
        }else {
            return;
        }

   }
        //求值
        var result = prim(dingdian, edge);
        var _arr = [];
        for(key in result) {
            _arr[key] = result[key].priority
        }
        _arr.splice(0,1);
        var max = Math.max.apply(Math, _arr)
        console.log(max)//结果是25
});

// 开始prim算法 prim([顶点数],[矩阵])
function prim(dingdian, edge) {
    for(var i=1; i<dingdian+1; i++) {
        node[i] = {}
        node[i].element = i;
        node[i].priority = MAX;
        addNew[i] = false; //把所有点都设置成没有放入
    }
    // console.log('node',node[1])
    node[1].priority = 0; //从起始点开始找

    q.enqueue(node[1].element, node[1].priority)//把权最小的放入队列
    while(!q.isEmpty()) {
        var _q = q.front();
        q.dequeue();
        var flag = _q.element;//
        if(addNew[flag]) {
            continue;
        }
        addNew[flag] = true;
        for(var j=1; j<dingdian+1; j++) {
            if(j!=flag && !addNew[j] && node[j].priority > edge[flag][j]){
                node[j].priority = edge[flag][j];
                q.enqueue(node[j].element, node[j].priority)
            }
        }
    }
    return node
}
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
优先队列实现Prim算法的思想是每次选择权重最小的边来构建最小生成树。下面是使用优先队列实现Prim算法的步骤: 1. 创建一个优先队列,并定义一个自定义的比较器,用于比较边的权重。比较器应该使得权重最小的边在队列的前面。 2. 初始化一个布尔数组vIsChoose,用于标记顶点是否已经被选择。 3. 随机选择一个顶点作为初始节点,并将其标记为已选择。 4. 将初始节点的所有相邻边加入优先队列。 5. 进入循环,直到优先队列为空或者已选择的顶点数等于图的顶点数减一(最小生成树的边数等于顶点数减一)为止。 6. 从优先队列中取出权重最小的边,如果该边连接的顶点未被选择,则将该边加入最小生成树,并将该顶点标记为已选择。 7. 将新选择的顶点的所有相邻边加入优先队列。 8. 重复步骤6和步骤7,直到循环结束。 9. 最终得到的最小生成树即为Prim算法的结果。 下面是一个使用优先队列实现Prim算法的Python代码示例: ```python import heapq def prim(graph): n = len(graph) # 图的顶点数 visited = [False] * n # 记录顶点是否已经被选择 min_span_tree = [] # 最小生成树的边集合 pq = [] # 优先队列,用于存储边 # 选择初始节点 start_node = 0 visited[start_node] = True # 将初始节点的所有相邻边加入优先队列 for neighbor, weight in graph[start_node]: heapq.heappush(pq, (weight, start_node, neighbor)) # 循环直到优先队列为空或者已选择的顶点数等于图的顶点数减一 while pq and len(min_span_tree) < n - 1: weight, u, v = heapq.heappop(pq) # 如果边连接的顶点未被选择,则将该边加入最小生成树 if not visited[v]: visited[v] = True min_span_tree.append((u, v, weight)) # 将新选择的顶点的所有相邻边加入优先队列 for neighbor, weight in graph[v]: heapq.heappush(pq, (weight, v, neighbor)) return min_span_tree # 示例图的邻接表表示 graph = [ [(1, 2), (2, 3)], # 顶点0的相邻边:(1, 2)和(2, 3) [(0, 2), (2, 4), (3, 3)], # 顶点1的相邻边:(0, 2)、(2, 4)和(3, 3) [(0, 3), (1, 4), (3, 5)], # 顶点2的相邻边:(0, 3)、(1, 4)和(3, 5) [(1, 3), (2, 5)] # 顶点3的相邻边:(1, 3)和(2, 5) ] min_span_tree = prim(graph) print(min_span_tree) # 输出最小生成树的边集合 ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小疯疯0413

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值