prim(普里姆)算法求图的最小生成树

19 篇文章 1 订阅

prim算法求最小生成树:
/*
题目 1705: 算法7-9:最小生成树

输入
输入的第一行包含一个正整数n,表示图中共有n个顶点。其中n不超过50。
以后的n行中每行有n个用空格隔开的整数,对于第i行的第j个整数,如果不为0,则表示第i个顶点和第j个顶点有直接连接且代价为相应的值,0表示没有直接连接。当i和j相等的时候,保证对应的整数为0。
输入保证邻接矩阵为对称矩阵,即输入的图一定是无向图,且保证图中只有一个连通分量。
输出
只有一个整数,即最小生成树的总代价。请注意行尾输出换行。
样例输入
4
0 2 4 0
2 0 3 5
4 3 0 1
0 5 1 0
样例输出
6
*/

#include<stdio.h>
#include<iostream>
#include<algorithm>
using namespace std;
#define MAXVAL 32767
#define MAXN 100
int visited[MAXN];
int edge[MAXN][MAXN];
int min_dis[MAXN]; //记录现有顶点到其它顶点的最小距离

int sum = 0;
int n;
int count_num = 0;
void prime(int k)
{
	visited[k] = 1; //访问当前顶点
	for (int j = 1; j <= n; j++) 
	{
		min_dis[j] = edge[k][j]; //初始化最小距离数组(初始时刻顶点k加入顶点集合,min_dis记录了从该顶点到其余所有顶点的最小距离)
		if (edge[k][j] == 0) //不可达
		{
			min_dis[j] = MAXVAL;
		}
	}
	int index = 1; //记录最小值的结点
	for (int i = 1; i < n; i++) //遍历所有的顶点,选择n-1条边 
	{
		int min_temp = MAXVAL;
		for (int j = 1; j <= n; j++)
		{
			if (min_dis[j] < min_temp && visited[j] == 0)
			{
				min_temp = min_dis[j];
				index = j;
			}
		}
		visited[index] = 1;
		sum += min_dis[index];
		for (int k = 1; k <= n; k++) //更新当前顶点集合(已经连接的顶点)中到其它未加入顶点集合(未连接的顶点)的最小路径
		{
			if (visited[k] == 1)
				continue;
			min_dis[k] = min(min_dis[k], edge[index][k]); 
		}
	}

}

int main()
{
	scanf("%d", &n);
	int val = 0;
	for (int i = 1; i <= n; i++)
	{
		for (int j = 1; j <= n; j++)
		{
			scanf("%d", &edge[i][j]); 
			if (edge[i][j] == 0)
				edge[i][j] = MAXVAL;
		}
	}
	prime(1); //从顶点1开始遍历
	printf("%d\n", sum);
	return 0;
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
普里姆算法是一种用于解加权无向连通图的最小生成树算法。其基本思想是从一个顶点开始,每次选择一个与当前生成树相邻的权值最小的顶点加入生成树中,直到所有顶点都被加入为止。具体步骤如下: 1. 任选一个顶点作为起始点,将其加入生成树中。 2. 找到与当前生成树相邻的所有顶点,并计算它们与当前生成树的距离(即边的权值)。 3. 选择距离最小的顶点,将其加入生成树中。 4. 重复步骤2和3,直到所有顶点都被加入为止。 下面是一个Python实现的例子: ```python def prim(graph): # 初始化生成树和已经加入生成树的顶点集合 mst = [] visited = set() # 任选一个顶点作为起始点 start = list(graph.keys())[0] visited.add(start) while len(visited) < len(graph): # 找到与当前生成树相邻的所有顶点,并计算它们与当前生成树的距离 candidates = [] for v in visited: for w, weight in graph[v].items(): if w not in visited: candidates.append((v, w, weight)) # 选择距离最小的顶点,将其加入生成树中 edge = min(candidates, key=lambda x: x[2]) mst.append(edge) visited.add(edge[1]) return mst ``` 其中,`graph`是一个字典,表示无向图的邻接表。字典的键是顶点,值是一个字典,表示与该顶点相邻的顶点及其边的权值。例如,对于下面这个无向图: ``` 2 / \ 1 3 \ / 4 ``` 其邻接表可以表示为: ```python graph = { 1: {2: 2, 4: 1}, 2: {1: 2, 3: 3}, 3: {2: 3, 4: 4}, 4: {1: 1, 3: 4} } ``` 调用`prim(graph)`函数即可出该图的最小生成树

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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