算法工程师第四十九天（寻宝）

参考文献 代码随想录

一、寻宝

在世界的某个区域，有一些分散的神秘岛屿，每个岛屿上都有一种珍稀的资源或者宝藏。国王打算在这些岛屿上建公路，方便运输。

不同岛屿之间，路途距离不同，国王希望你可以规划建公路的方案，如何可以以最短的总公路距离将 所有岛屿联通起来（注意：这是一个无向图）。 

给定一张地图，其中包括了所有的岛屿，以及它们之间的距离。以最小化公路建设长度，确保可以链接到所有岛屿。

输入描述

第一行包含两个整数V 和 E，V代表顶点数，E代表边数 。顶点编号是从1到V。例如：V=2，一个有两个顶点，分别是1和2。

接下来共有 E 行，每行三个整数 v1，v2 和 val，v1 和 v2 为边的起点和终点，val代表边的权值。

输出描述

输出联通所有岛屿的最小路径总距离

输入示例

7 11
1 2 1
1 3 1
1 5 2
2 6 1
2 4 2
2 3 2
3 4 1
4 5 1
5 6 2
5 7 1
6 7 1

输出示例

6

提示信息

数据范围：
2 <= V <= 10000;
1 <= E <= 100000;
0 <= val <= 10000;

如下图，可见将所有的顶点都访问一遍，总距离最低是6.

  

kruskal

（蕴含并查集） 加入到树的时候，从边权小的开始加入，然后如果不在同一个集合里，那么就统计结果，关键在于使用并查集来维护顶点之间的连通性，以此保证最终形成的是一棵包含所有顶点的树。

v, e = map(int, input().split())
graph = []
for i in range(e):
    v1, v2, val = map(int, input().split())
    graph.append((v1, v2, val))

graph.sort(key = lambda x: x[2])  # printj就是按边权降序
parent = [i for i in range(v + 1)]  # 初始化每个节点的父亲节点都是自己

def find(x):
    if x != parent[x]:
        parent[x] = find(parent[x])
    return  parent[x]
    
def join(i, j): # 判断2个是否存在一个集合，如果存在
    parent[find(j)] = parent[find(i)]
    
res = 0  
for g1, g2, wt in graph:
    g1 = find(g1)
    g2 = find(g2)
    if g1 != g2:  # 不能构成环
        res += wt
        join(g1, g2)
print(res)

print：每次利用没有遍历过的最小边权去更新其它节点

Dijkstra 算法是求连通图中起始点和每一个点之间的最短路径，而prim算法是求连通图的最小生成树，也就是生成树的最短路径之和。

v, e = map(int, input().split())
grid = [[10001] * (v + 1) for _ in range(v + 1)]
for i in range(e):
    x, y, w = map(int, input().split())
    grid[x][y] = w
    grid[y][x] = w
    
visied = [False] * (v + 1) # 标记哪些
midist = [10001] * (v + 1)  # 记录最小的距离

for i in range(1, v + 1):
    cur = -1
    mid_val = 10002
    for j in range(1, v + 1):  # 找到一个最小值
        if not visied[j] and midist[j] < mid_val:
            cur = j
            mid_val = midist[j]
    visied[cur] = True
    for j in range(1, v + 1):  # 然后利用当前这个最小值去更新其它点
        if not visied[j] and midist[j] > grid[cur][j]:
            midist[j] = grid[cur][j]
ans = 0
for i in range(2, v + 1):
    ans += midist[i]
print(ans)