简介
Prim算法
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(引自百度百科)。
最小生成树
普利姆(Prim)算法主要应用在求最小生成树问题(克鲁斯卡尔算法也适用于这种问题,**prim**算法适合稠密图,其时间复杂度为O(n^2),其时间复杂度与边得数目无关,而**kruskal**算法的时间复杂度为O(nlogn)跟边的数目有关,适合稀疏图
),给定一张边带权的无向图 G = ( V, E ), n=| V |, m=| E |。由 V 中全部 n 个顶点和 E 中 n-1 条边构成的无向连通子图被称为 G 的一棵生成树。边的权值之和最小的生成树被称为无向图 G 的最小生成树 ( Minimum Spanning Tree, MST ) 。任意一棵最小生成树一定包含无向图中权值最小的边。
应用场景
问题描述
有7个村庄(A, B, C, D, E, F, G) ,现在需要修路把7个村庄连通,各个村庄的距离用边线表示(权) ,比如 A – B 距离 5公里,问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?
思路: 将10条边,连接即可,但是总的里程数不是最小,正确的思路,就是尽可能的选择少的路线,并且每条路线最小,保证总里程数最少。
思路分析
1.从A顶点开始处理 => <A,G> 2
A-C [7] A-G[2] A-B[5]
2.<A,G> 开始 , 将A 和 G 顶点和他们相邻的还没有访问的顶点进行处理 =><A,G,B>
A-C[7] A-B[5] G-B[3] G-E[4] G-F[6]
3.<A,G,B> 开始,将A,G,B 顶点 和他们相邻的还没有访问的顶点进行处理=><A,G,B,E>
A-C[7] G-E[4] G-F[6] B-D[9]
…
4.{A,G,B,E}->F//第4次大循环 , 对应边<E,F> 权值:5
5.{A,G,B,E,F}->D//第5次大循环 , 对应边<F,D> 权值:4
6.{A,G,B,E,F,D}->C//第6次大循环 , 对应边<A,C> 权值:7 => <A,G,B,E,F,D,C>
代码实现
import java.util.Arrays;
public class PrimAlgorithm {
public static void main(String[] args) {
char[] data = new char[]{'A', 'B', 'C', 'D', 'E', 'F', 'G'};
int num = data.length;
// 邻接矩阵的关系使用二维数组表示,使用10000这个比较大的数值表示两点不连通
int[][] weight = new int[][]{
{10000, 5, 7, 10000, 10000, 10000, 2},
{5, 10000, 10000, 9, 10000, 10000, 3},
{7, 10000, 10000, 10000, 8, 10000, 10000},
{10000, 9, 10000, 10000, 10000, 4, 10000},
{10000, 10000, 8, 10000, 10000, 5, 4},
{10000, 10000, 10000, 4, 5, 10000, 6},
{2, 3, 10000, 10000, 4, 6, 10000}};
// 创建图
MGraph graph = new MGraph(num);
// 创建一个minTree对象
MinTree minTree = new MinTree();
minTree.createGraph(graph, num, data, weight);
// 打印图
minTree.showGraph(graph);
minTree.prim(graph, 0);
}
static class MGraph {
// 表示图的节点数量
int num;
// 存放节点数据
char[] data;
// 存放边,即邻接矩阵
int[][] weight;
public MGraph(int num) {
this.num = num;
this.data = new char[num];
this.weight = new int[num][num];
}
}
// 最小生成树->村庄的图
static class MinTree {
/**
* 创建图的邻接矩阵
*
* @param graph 图
* @param num 图对应的节点数量
* @param data 图的各个节点的值
* @param weight 图的邻接矩阵
*/
public void createGraph(MGraph graph, int num, char[] data, int[][] weight) {
// int i, j;
for (int i = 0; i < num; i++) {
graph.data[i] = data[i];
for (int j = 0; j < num; j++) {
graph.weight[i][j] = weight[i][j];
}
}
}
// 显示图的邻接矩阵
public void showGraph(MGraph graph) {
for (int[] link : graph.weight) {
System.out.println(Arrays.toString(link));
}
}
/**
* prim算法,得到最小生成树
*
* @param graph 图
* @param v 表示从图的第几个节点开始生成'A'->0 'B'->1 ...
*/
public void prim(MGraph graph, int v) {
// 标记节点是否被访问过
int[] visited = new int[graph.num];
// 把当前节点标记为已访问
visited[v] = 1;
// 使用h1和h2记录两个节点的下标
int h1 = -1;
int h2 = -2;
// 记录最小距离,将minWeight初始成一个大数,后面遍历过程中会被替换
int minWeight = 10000;
// 因为有graph.num个节点,普利姆算法结束后,有graph.num-1条边
for (int k = 1; k < graph.num; k++) {
// 确定每一次生成的子图,和哪个节点的距离最近
// i节点表示被访问过的节点
for (int i = 0; i < graph.num; i++) {
// j节点表示没被访问过的节点
for (int j = 0; j < graph.num; j++) {
if (visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] < minWeight) {
// 替换最小距离
minWeight = graph.weight[i][j];
h1 = i;
h2 = j;
}
}
}
// 找到一条距离最短的边
System.out.println("边<" + graph.data[h1] + "," + graph.data[h2] + "> 权值:" + minWeight);
// 将当前这个节点标记为已访问
visited[h2] = 1;
// minWeight重新设置为最大值 10000
minWeight = 10000;
}
}
}
}
输出结果:
[10000, 5, 7, 10000, 10000, 10000, 2]
[5, 10000, 10000, 9, 10000, 10000, 3]
[7, 10000, 10000, 10000, 8, 10000, 10000]
[10000, 9, 10000, 10000, 10000, 4, 10000]
[10000, 10000, 8, 10000, 10000, 5, 4]
[10000, 10000, 10000, 4, 5, 10000, 6]
[2, 3, 10000, 10000, 4, 6, 10000]
边<A,G> 权值:2
边<G,B> 权值:3
边<G,E> 权值:4
边<E,F> 权值:5
边<F,D> 权值:4
边<A,C> 权值:7
10000, 10000, 5, 4]
[10000, 10000, 10000, 4, 5, 10000, 6]
[2, 3, 10000, 10000, 4, 6, 10000]
边<A,G> 权值:2
边<G,B> 权值:3
边<G,E> 权值:4
边<E,F> 权值:5
边<F,D> 权值:4
边<A,C> 权值:7