算法与数据结构学习笔记（5）：图的最小生成树（普里姆算法和克鲁斯卡尔算法）

最小生成树

定义：构造连通网的最小代价生成树

下面两种算法不能处理有向图，克鲁斯卡尔算法在边数少时效率高（适用与稀疏图），普里姆算法对于稠密图效率好一些。

1.普里姆算法（Prim）

（1） 算法思路
从连通网（带权连通图）的任意顶点A开始，将该顶点放入集合V中，然后从与A相连的顶点中找到一个顶点B,使得边的权值最小，将B也放入集合V中，边（A,B）就是最小生成树的一条边。接着再从顶点中找到顶点C使得C到集合V的边权值最小（即到A或B的权值最小）。按照这种步骤继续下去，直到所有的顶点都被访问过。

核心思想：MST中的顶点与非MST中顶点之间的边权重更新（由于每次递归后，总有新的顶点加入MST，此时MST顶点与非MST顶点的边权值可能会有更小值的存在，所以lowcost[i]需要更新）（必须是直连，否则权重为∞）

（2）举例说明

设置两个数组：

• lowcost[i]： 表示以i为终点的边的最小值（当lowcost[i]=0时，说明顶点i加入了最小生成树）
• mst[i]： 表示对应lowcost[i]的起点（说明边（mst[i],i）是最小生成树的一条边，mst[i]=a表示起点i加入最小生成树
  ）

（3）算法步骤

1. 首先选则V₀为起始顶点，则两个数组分别如下（mst[i]全为0是因为默认起点为V₀），此时MST中的顶点有｛V₀｝。

lowcost[1] = 10	lowcost[2] = ∞	lowcost[3] = ∞	lowcost[4] = ∞	lowcost[5] = 11	lowcost[6] = ∞	lowcost[7] = ∞	lowcost[8] = ∞
mst[1] = 0	mst[2] = 0	mst[3] = 0	mst[4] = 0	mst[5] = 0	mst[6] = 0	mst[7] = 0	mst[8] = 0

2. 显然，在所有lowcost[i]中，i = 1时边的权重最小为10（边权重为0的不计），所以V₁加入MST。更新后的两个数组如下。此时MST中的顶点有｛V₀、V₁｝，更新MST中的所有顶点到非MST中的顶点的边权重。（此时由于V₁加入了MST，所以MST到V₈的边权重不再是∞，而是12，所以lowcost[8] = 12，而且这个12是从V₁到V₈，所以mst[8] = 1。数组其他数值的改变同理）

lowcost[1] = 0	lowcost[2] = 18	lowcost[3] = ∞	lowcost[4] = ∞	lowcost[5] = 11	lowcost[6] = 16	lowcost[7] = ∞	lowcost[8] = 12
mst[1] = 0	mst[2] = 1	mst[3] = 0	mst[4] = 0	mst[5] = 0	mst[6] = 1	mst[7] = 0	mst[8] = 1

3. 此时，在更新后的lowcost[i]中，i = 5时的边权重最小，所以将V₅，此时的MST顶点集合为｛V₀、V₁、V₅｝.再用这个新的MST继续更新这两个数组。（此时，由于MST中的V₅到非MST中的V₄的边权重为26，比之前的∞小，故lowcost[4] = 26，mst[4] = 5。数组其他数值的改变同理）

lowcost[1] = 0	lowcost[2] = 18	lowcost[3] = ∞	lowcost[4] = 26	lowcost[5] = 0	lowcost[6] = 16	lowcost[7] = ∞	lowcost[8] = 12
mst[1] = 0	mst[2] = 1	mst[3] = 0	mst[4] = 5	mst[5] = 0	mst[6] = 1	mst[7] = 0	mst[8] = 1