14.6 普里姆算法
14.6.1 应用场景-修路问题
看一个应用场景和问题:
- 有胜利乡有 7 个村庄(A, B, C, D, E, F, G) ,现在需要修路把 7 个村庄连通
- 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5 公里
- 问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?
思路: 将 10 条边,连接即可,但是总的里程数不是最小。
正确的思路,就是尽可能的选择少的路线,并且每条路线最小,保证总里程数最少。
这个问题我们一会在解决,先来看看普里姆算法相关的东西。
14.6.2 最小生成树
修路问题本质就是就是最小生成树问题, 先介绍一下最小生成树(Minimum Cost Spanning Tree),简称 MST。给定一个带权的无向连通图,如何选取一棵生成树,使树上所有边上权的总和为最小,这叫最小生成树
-
N 个顶点,一定有 N-1 条边
-
包含全部顶点
-
N-1 条边都在图中
-
举例说明(如图)
-
求最小生成树的算法主要是普里姆算法和克鲁斯卡尔算法
14.6.3 普里姆算法介绍
普利姆(Prim)算法求最小生成树,也就是在包含 n 个顶点的连通图中,找出只有(n-1)条边包含所有 n 个顶点的连通子图,也就是所谓的极小连通子图
普利姆的算法如下:
- 设 G=(V,E)是连通网,T=(U,D)是最小生成树,V,U 是顶点集合,E,D 是边的集合
- 若从顶点 u 开始构造最小生成树,则从集合 V 中取出顶点 u 放入集合 U 中,标记顶点 v 的 visited[u]=1
- 若集合 U 中顶点 ui 与集合 V-U 中的顶点 vj 之间存在边,则寻找这些边中权值最小的边,但不能构成回路,将顶点 vj 加入集合 U 中,将边(ui,vj)加入集合 D 中,标记 visited[vj]=1
- 重复步骤②,直到 U 与 V 相等,即所有顶点都被标记为访问过,此时 D 中有 n-1 条边
- 提示: 单独看步骤很难理解,我们通过代码来讲解,比较好理解。
- 图解普利姆算法
接下来我们真正解决修路问题
14.6.4 普里姆算法最佳实践(修路问题)
问题:
- 有胜利乡有 7 个村庄(A, B, C, D, E, F, G) ,现在需要修路把 7 个村庄连通
- 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5 公里
- 问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?
代码实现
import java.util.Arrays;
/**
* @author zk
* @version 1.0.0
* @ClassName PrimAlgorithm.java
* @Description TODO 普利姆算法求最小生成树(修路问题,求总长最小的方案)
* @createTime 2021年09月30日 15:29:00
*/
public class PrimAlgorithm {
public static void main(String[] args) {
//测试看看图是否创建 ok
char[] data = new char[]{'A', 'B', 'C', 'D', 'E', 'F', 'G'};
int vertex = data.length;
//邻接矩阵的关系使用二维数组表示,10000 这个大数,表示两个点不联通
int[][] weight = new int[][]{
{10000, 5, 7, 10000, 10000, 10000, 2},
{5, 10000, 10000, 9, 10000, 10000, 3},
{7, 10000, 10000, 10000, 8, 10000, 10000},
{10000, 9, 10000, 10000, 10000, 4, 10000},
{10000, 10000, 8, 10000, 10000, 5, 4},
{10000, 10000, 10000, 4, 5, 10000, 6},
{2, 3, 10000, 10000, 4, 6, 10000},};
//创建 MGraph 对象
MGraph graph = new MGraph(vertex);
//创建一个 MinTree 对象
MinTree minTree = new MinTree();
minTree.createGraph(graph, vertex, data, weight);
//输出
minTree.showGraph(graph);
//测试普利姆算法
minTree.prim(graph, 1);//
}
}
class MinTree {
//创建图的邻接矩阵
/**
* @param graph 图对象
* @param vertex 图对应的顶点个数
* @param data 图的各个顶点的值
* @param weight 图的邻接矩阵
*/
public void createGraph(MGraph graph, int vertex, char[] data, int[][] weight) {
for (int i = 0; i < vertex; i++) {
graph.data[i] = data[i];
for (int j = 0; j < vertex; j++) {
graph.weight[i][j] = weight[i][j];
}
}
}
//显示图的邻接矩阵
public void showGraph(MGraph graph) {
for (int[] link : graph.weight) {
System.out.println(Arrays.toString(link));
}
System.out.println();
}
//编写 prim 算法,得到最小生成树
/**
* @param graph 图
* @param v 表示从图的第几个顶点开始生成'A'->0 'B'->1...
*/
public void prim(MGraph graph, int v) {
//visited[] 默认元素的值都是 0, 表示没有访问过 /visited[] 默认元素的值都是 0, 表示没有访问
int[] visited = new int[graph.vertex];
// 把当前节点标记为已访问
visited[v] = 1;
// h1和h2 记录两个顶点的下表
int h1 = -1;
int h2 = -1;
int minWeight = 10000; // 将minWeight 初始成一个大数,后面遍历的时候会被替换
for (int k = 1; k < graph.vertex; k++) { //因为有 graph.verxs 顶点,普利姆算法结束后,有 graph.vertex-1 边
for (int i = 0; i < graph.vertex; i++) {
for (int j = 0; j < graph.vertex; j++) {
if (visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] < minWeight) {
minWeight = graph.weight[i][j];
h1 = i;
h2 = j;
}
}
}
System.out.println("边<" + graph.data[h1] + "," + graph.data[h2] + "> 权值:" + minWeight);
visited[h2] = 1;
minWeight = 10000;
}
}
}
class MGraph {
int vertex; // 表示图的节点个数
char[] data; // 存放节点数据
int[][] weight; // 存放边,就是我们的邻接矩阵
public MGraph(int vertex) {
this.vertex = vertex;
this.data = new char[vertex];
weight = new int[vertex][vertex];
}
}