算法学习-最小生成树

概念介绍

本博客在学习北京大学陈斌老师《数据结构与算法》MOOC课程中总结反思形成。

最小生成树

• 生成树：拥有图中所有的顶点和最小数量的边，以保持连通的子图；
• 最小生成树：包含所有顶点V，以及E的无圈子集，并且边权重之和最小。

Prim实现步骤

准备阶段

• “可以安全添加的边”：一端顶点在树中，另一端不在树中的边，以便保持树的无圈特性。
• 顶点的访问次序由一个优先队列来控制，队列中作为优先级的是顶点的dist属性。

实现阶段

• 判断是否最小生成树
• 不是则：反复找到一条最小权重的可以安全添加的边，将边添加到树

可视化

代码实现

最小生成树代码

陈斌老师实现的Prim算法

# 最小生成树
def prim(G, start):
    pq = PriorityQueue()
    for v in G:
        v.setDistance(sys.maxsize)
        v.setPred(None)

    start.setDistance(0)
    pq.buildHeap([(v.getDistance(), v) for v in G])
    while not pq.isEmpty():
        currentVert = pq.delMin()
        for nextVert in currentVert.getConnections():
            newCost = currentVert.getWeight(nextVert)
            # 判断是否是可以安全添加的边
            if nextVert in pq and newCost < nextVert.getDistance():
                nextVert.setPred(currentVert)
                nextVert.setDistance(newCost)
                pq.decreaseKey(nextVert, newCost)

最短路图的创建

这里为了方便以后的调用，考虑到邻接矩阵使用的广泛性，实现了给定邻接矩阵，创建邻接表图

# 实现邻接矩阵转化为邻接图
def Matrix2Graph(LJGraph, LJmatrix):
    for i in range(len(LJmatrix)):
        LJGraph.addVertex(i)

    for i in range(len(LJmatrix)):
        for j in range(len(LJmatrix[0])):
            if i != j:
                LJGraph.addEdge(i, j, LJmatrix[i][j])

调用示例

if __name__ == '__main__':
    TreeGraph = Graph()
    Treematrix = [[0, 2, 3, sys.maxsize, sys.maxsize, sys.maxsize, sys.maxsize],
                  [2, 0, 1, sys.maxsize, 4, sys.maxsize, sys.maxsize],
                  [3, 1, 0, sys.maxsize, sys.maxsize, 5, sys.maxsize],
                  [sys.maxsize, sys.maxsize, sys.maxsize, 0, 1, sys.maxsize, sys.maxsize],
                  [sys.maxsize, 4, sys.maxsize, 1, 0, 1, sys.maxsize],
                  [sys.maxsize, sys.maxsize, 5, sys.maxsize, 1, 0, 1],
                  [sys.maxsize, sys.maxsize, sys.maxsize, sys.maxsize, sys.maxsize, 1, 0]]
    Matrix2Graph(TreeGraph, Treematrix)
    prim(TreeGraph, TreeGraph.getVertex(0))

趣味应用

中心城市地位可视化：参考

由于缺少数据来源，这里贴出原帖给的一张图