【算法分析与设计】最小生成树问题

最小生成树问题，主要的解法有两种，一种是Prim算法，不优化的时候是O(n^2)的时间复杂度，一般在稠密图的时候考虑使用。另一种是Kruskal算法，使用幷查集使用的复杂度是O(eloge)，一般在稀松图的时候比较有利，所以一般Prim算法采用邻接矩阵，Kruskal一般采用邻接表。

朴素的Prim算法（未使用堆优化）

思路是：closedge 记录各节点到当前生成树的距离（到这棵生成树的最短边）

                visited      记录每个结点是否已经被访问

                每次都未被访问的结点中选一条距离最短的结点，并入生成树，这其实可以看做树的生长

/*图中顶点的数目*/
const int   vexnum = 4;

/*图中表示不可达的长度*/
const float maxval = 65536;

/*closedge辅助记录数组*/
struct{ int	  dest; float cost;}closedge[vexnum];

void prim(float G[][vexnum],int v)
{
	/*初始化closedge数组*/
	for(int i=0; i<vexnum; ++i)
	{	
		closedge[i].dest = v;
		closedge[i].cost = G[v][i];
	}

	/*初始化visited辅助数组*/
	bool visited[vexnum]={};
	visited[v] = true;


	/*n-1次选择最小边*/
	for(int count=0; count<vexnum-1; ++count)
	{
		/*选择最小边*/
		int   min_node = -1;
		float min_cost = maxval;
		for(int i=0; i<vexnum; ++i)
		{
			if(!visited[i] && min_cost>closedge[i].cost)
			{
				min_cost = closedge[i].cost;
				min_node = i;
			}
		}

		/*更新visited数组*/
		visited[min_node] = true;

		/*更新closedge数组*/
		for(int i=0; i<vexnum; ++i)
		{
			if(!visited[i] && G[i][min_node]<closedge[i].cost)
			{
				closedge[i].dest = min_node;
				closedge[i].cost = G[i][min_node];
			}
		}
	}
}

上述算法，只能在无向图的时候给出正确答案，下面修正错误，给出正确算法：

const int maxnum = 100;          /*顶点的数目    */
      int vexnum = 0;
const int maxval = 0x77777777;   /*表示无穷的距离*/
float  G[maxnum][maxnum];          /*邻接矩阵存储  */

struct ENode
{
	int   from;
	float cost;
}closedge[maxnum];            /*生成树的存储*/

void prim(int v=0)
{
	/*初始化辅助数组*/
	for(int i=0; i<vexnum; ++i)
	{
		closedge[i].from = v;
		closedge[i].cost = G[v][i];	
	}
	bool visited[maxnum] = {};
	visited[v] = true;

	for(int k=0; k<vexnum-1; ++k)
	{
		int   min_node = -1;
		float min_cost = (float)maxval;
		for(int i=0; i<vexnum; ++i)
			if(!visited[i] && min_cost > closedge[i].cost)
			{
				min_node = i;
				min_cost = closedge[i].cost;
			}
	
		visited[min_node] = true;

		for(int i=0; i<vexnum; ++i)
			if(!visited[i] && G[min_node][i] < closedge[i].cost)
			{
				closedge[i].from = min_node;
				closedge[i].cost = G[min_node][i];
			}	
	}
}

 

注意事项是输入矩阵前，需要先置矩阵内所有元素为无穷：

	    for(int i=0; i<n; ++i)
		for(int j=0; j<n; ++j)
		    G[i][j] = maxval;

如果不置无穷则会出现错误。

 

Kruskal算法的思路更加简单，那就是在所有邻接到未访问点的边中，选择一条最短的，直到所有点都被访问。幷查集在Kruskal算法中的运用是经典的数据结构和算法的结合。

const int maxvex = 100;

struct edge
{
	int tail;/*存储每条边的起始结点*/
	int head;/*存储每条边的目的结点*/
	int cost;/*存储的每条边的权重*/
};

bool cmp(edge a,edge b){ return a.cost<b.cost; }/*用于排序边的函数*/

int findSet(int *p,int x)/*十分精巧的一种写法，一行代码完成幷查集的所有精髓*/
{	return p[x]==x ? x: p[x] = findSet(p,p[x]);}

void unionSet(int *p,int a,int b)
{	p[a]= b;	}


int kruskal(edge* G   ,int edgnum, /*图中所有边*/
	         int* p   ,int vexnum) /*结果中所有边数为vexnum-1,true表示G[i]在最小生成树中*/
{
	for(int i=0; i<vexnum; ++i) p[i] = i; /*初始化幷查集*/
	
	sort( G,G+edgnum,cmp );/*排序所有边*/
	
	/*在所有边中选出vexnum-1条边*/
	int count = 0;  int total =0;
	for(int i=0; i<edgnum &&count<vexnum; ++i)
	{  /*对每条边，如果其头结点和尾结点不同一集合中*/
		if( findSet( p,G[i].head )!= findSet(p,G[i].tail))
		{ 
			p[G[i].head]=p[G[i].tail];/*顶点合并到同一集合*/
			++count;                  /*计数增加*/
			total +=G[i].cost;        /*生成树总权重增加*/
		}
	}

	if(count<vexnum-1) total = 0;/*没能生成连通整个图的生成树*/
	return total;
}


/*测试代码*/
int main()
{

	int  p[maxvex];/*幷查集存储的每个点的父节点*/
	int m,n;
	while(cin>>n>>m)/*n为顶点数，m为边数*/
	{
		edge *G = new edge[m];
		for(int i=0;i<m;++i)
		{	cin>>G[i].tail>>G[i].head>>G[i].cost;}

		int total = kruskal(G,m,p,n);

		if(total) cout<<total<<endl;
		else      cout<<0<<endl;
	}

	return 0;
}