图算法专题（三）【最小生成树】

最小生成树及其性质

  最小生成树（MST）是在一个给定的无向图G(V,E)中求一棵树T，使得这棵树拥有图G中的所有顶点，且所有边都是来自图G中的边，并且满足整棵树的边权之和最小。

性质：

1. 最小生成树的边数=顶点数-1，且树内没有环。
2. 对给定的图G(V,E)，其最小生成树可以不唯一，但是其边权之和一定是唯一的。
3. 最小生成树的根节点可以是这棵树上的任意一个结点，只需要以给出的结点作为根结点来求解最小生成树即可。

  求解最小生成树一般有两种算法，即prim算法与kruskal算法，都使用了贪心的策略。

prim算法

基本思想

  对图G(V,E)设置集合S，存放已被访问的顶点，然后每次从集合V-S中选择与集合S的最短距离最小的一个顶点（记为u），访问并加入集合S。之后，令顶点u为中介点，优化所有从u能到达的顶点v与集合S之间的最短距离。这样的操作执行n次（n为顶点个数），直到集合S已包含所有顶点。

  对图G(V,E)设置集合S来存放已被访问的顶点，然后执行n次以下步骤：(n为顶点个数)

1. 每次从集合V-S中选择与集合S最近的一个顶点（记为u），访问u并将其加入集合S，同时把这条离集合S最近的边加入最小生成树中。
2. 令顶点u作为集合S与集合V-S连接的接口，优化从u能到达的未访问顶点v与集合S的最短距离。

具体实现

  prim算法需要实现两个关键的概念，即集合S的实现、顶点Vi(0<=i<=n-1)与集合S的最短距离。

1. 集合S的实现方法和Dijkstra中相同，即使用一个bool型数组vis[ ]表示顶点是否已被访问。其中vis[i] == true 表示顶点Vi已被访问。
2. 不妨令int型数组d[ ]来存放顶点Vi（0<=i<=n-1）与集合S的最短距离。初始时除了起点s的d[s]赋为0，其他顶点都赋为一个很大的数来表示INF，即不可达。
   如果仅是求最小边权之和，那么在prim算法中就可以随意指定一个顶点为初始点。

伪代码

//G为图，一般设为全局变量；数组d为顶点与集合S的最短距离
Prim(G,d[]){
   
	初始化;
	for(循环n次){
   
		u = 使d[u]最小的还未被访问的顶点的标号;
		记u已被访问;
		for(从u出发能到达的所有顶点v){
   
			if(v未被访问 && 以u为中介点使得v与集合S的最短距离d[v]更优){
   
				将G[u][v]赋值给v与集合S的最短距离d[v];
			}
		}
	}
}

算法代码

邻接矩阵版

const int MAXV = 1000; //最大顶点数
const int INF = 0x3fffffff; //设INF为一个很大的数

int n, G[MAXV][MAXV]; //n为顶点数，MAXV为最大顶点数
int d[MAXV]; //顶点与集合S的最短距离
bool vis[MAXV] = {
   false}; //标记数组

int prim(){
    //默认0号为初始点，函数返回最小生成树的边权之和 
	fill(d,d+MAXV,INF); //fill函数将整个d数组赋为INF 
	d[0] = 0; //只有0号顶点到集合S的距离为0，其余全为INF	
	int ans =0; //存放最小生成树的边权之和
	for(int i =0;i<n;i++){
    //循环n次 
		int u = -1, MIN = INF;
		for(int j = 0;j<n;j++){
   
			if(vis[j] == false && d[j] < MIN){
   
				u = j;
				MIN = d[j];
			}
		}
		//找不到小于INF的d[u],则剩下的顶点和集合S不连通 
		if(u == -1) return -1;
		vis[u] == true; //标记u为已访问 
		ans += d[u]; //将与集合S距离最小的边加入最小生成树
		for(int v = 0;v<n;v++){
   
			//v未访问&& u能到达v && 以u为中介点可以使v离集合S更近
			if(vis[v] == false && G[u][v] !=INF && G[u][v]<d[v]){
   
				d[v] = G[u][