最小生成树和最短路径

最小生成树

生成树概念：
一个连通图的生成树是一个极小连通子图，它含有图中全部n个顶点和构成一棵树的(n-1)条边。

可以通过遍历方法产生生成树：

• 由深度优先遍历得到的生成树称为深度优先生成树。

• 由广度优先遍历得到的生成树称为广度优先生成树。

最小生成树概念：

1. 对于带权连通图G (每 条边上的权均为大于零的实数)，可能有多棵不同生成树。
2. 每棵生 成树的所有边的权值之和可能不同。
3. 其中权值之和最小的生成树称为图的最小生成树。

普里姆(Pim)算法

用普里姆(Pim)算法构造过程：
(1)初始化U={v}。v到其他顶点的所有边为候选边；
(2) 重复以下步骤n-1次，使得其他n-1个顶点被加入到U中：
➊从候选边中挑选权值最小的边输出，设该边在V-U中的顶点是k,将
k加入U中；
❷考察当前V-U中的所有顶点，修改候选边:若(, k)的权值小于原来
和顶点k关联的候选边，则用(k, j)取代后者作为候选边。

算法演示：


。。。。。。。。


从上面的流程我们可以知道：先将出发点0存在一个集合U，然后其余的存在另一个集合V-U，然后在这两个集合中选择一条最小边添加到T中，然后依次操作直到U中包含所以顶点。

这里算法就不给出来，但要知道的是改算法中有两重for循环， 所以时间复杂度为O(n²)。该算法的执行时间与图中边e无关，所以它适合于稠密图求最小生成树。

克鲁斯卡尔（Kruskal）算法

克鲁斯卡尔（Kruskal）算法是按权值的递增次序选择合适的边来构造最小生成树的方法。

算法构造过程：
(1)置U的初值等于V (即包含有G中的全部顶点)， TE的初值为
空集(即图T中每一个顶点都构成一个连通分量)。
(2)将图G中的边按权值从小到大的顺序依次选取：
➊若选取的边未使生成树T形成回路，则加入TE；
❷否则舍弃，直到TE中包含(n-1)条边为止。

算法演示：


。。。。。。。。

到第5号边时出现回路，则抛弃它，再判断第6号边

。。。。。。。。

从以上的流程我们可以知道：先将图中所有边按权值递增排序，T中包含所以顶点，然后依次选择最小边加入T中，每次加入时判断是否形成回路，若形成回路则从比它小一级的再开始遍历。

上述算法不是最优的。改进：堆排序、并查集
改进后Kruskal算法的时间复杂度为O(elog2e)。可以看出Kruskal算法执行时间与图中的边e有关，所以该算法适用于稀疏图求最小生成树。

最短路径

路径的概念：考虑带权有向图，把一条路径(仅仅考虑简单路径)上 所经边的权值之和定义为该路径的路径长度或称带权路径长度。

路径长度=c1+c2+…+cm
路径：（v，v1，v2，…，u）
从源点到终点可能不止一条路径，把路径长度最短的那条路径称为最短路径。

狄克斯特拉（Dijkstra）算法

该算法计算的是一个顶点到其余顶点的最短路径。

算法构造过程：
第1组为已求出最短路径的顶点集合(用S表示，初始时S中只有一个源点，以后每求得一条最短路径v，… ，u，就将u加入到集合S中，直到全部顶点都加入到S中，算法就结束了)。
第2组为其余未求出最短路径的顶点集合(用U表示)。

算法演示：

首先将开始顶点放入S集合，其余顶点放在集合U中，dist[] 用于存储初始顶点0所有顶点最短权值，path[]用于存放顶点i到j的最短路径上顶点j的前一个顶点的编号。

我们通过流程图可以分析到：顶点0到顶点1的距离最短，所以将顶点1，放入集合S。然后将顶点1作为判断点，可以发现顶点1离顶点2最近，所以将顶点1，放入集合S，修改path中与顶点1有边的顶点2,4，将值修改为1；同理得到以下数据。

利用dist和path求最短路径长度和最短路径：

Dijkstra算法的时间复杂度为O（n²）。

弗洛伊德（Floyd）算法

该算法计算的是每对顶点之间的最短路径。

算法构造过程：
假设有向图G=(V, E)采用邻接矩阵存储。设置一个二维数组A用于存放当前顶点之间的最短路径长度，分量A[i][]表示当前顶点i中j的最短路径长度。
递推产生一个矩形序列：
A0，A1。。。An-1
Ak[i][j]:i到j的路径上所经过的顶点编号不大于k的最短路径长度。

1. 0初始时，有AIilj]=g.edges[i][j]。
2. 考虑从i到j的最短路径经过编号为k顶点的情况：
   

算法遍历：



。。。。。。。。

(1) 用二维数组A存储最短路径长度：
●Ak[i][j]表示考虑顶点0~k后得出的i到j的最短路径长度。
●An-1[i][j]表示最终的i到j的最短路径长度。

(2)用二维数组path存放最短路径：
●path k[i][j]表示考虑顶点0~k后得出的i到j的最短路径。
●path n-1[i][j]表示最终i到j的最短路径。
●path n-1[i][j]的值为j的前一个顶点。

从上述遍历我们可以看到：
初始时path-1就是该图邻接矩阵的表示，然后考虑顶点0，A0[i][j]表示最终的i到j经0的最短路径长度。经过比较没有任何路径上得到修改（即考虑顶点0时，不存在最短路径了）。
考虑顶点1,0到2由原来没有路径变成0-1-2，长度为9，所以A1[0][2]修改为9，path1[0][2]由-1修改为1
。。。
考虑顶点3,0-2由原来最短长度9，路径为0-1-2，但此时有一条更短的路径：0-3-2，长度为8。所以修改A3[0][2]为8，path3[0][2]由1改为3，依次推下去，得到所有结果

➊求最短路径长度：
由A3数组可以直接得到两个顶点之间的最短路径长度。
如A3[1][0]=6，说明顶点1到0的最短路径长度为6。
❷求最短路径：
求顶点1到0的最短路径:
path3[1][0]=2
path3[1][2]=3
path3[1][3]=1
顶点序列为0、2、3、1，则顶点1到0的最短路径为1-→3-→2-→0。

最后该算法的时间复杂度为O（n³）。