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:
- 最小生成树的边数=顶点数-1,且树内没有环。
- 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。
- 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)
- 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。
- 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。
- 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。
- 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][