Prime算法:
Prime 算法求最小生成树时,和边数无关,只与图中点的个数有关,所以当图为稠密图时,Prime算法比较占优势,用邻接矩阵存储信息时时间复杂度为O(n*n);
通过邻接矩阵图表示的简易实现中,找到所有最小权边共需O(V2)的运行时间。使用简单的二叉堆与邻接表来表示的话,普里姆算法的运行时间则可缩减为O(E log V),其中E为连通图的边数,V为顶点数。如果使用较为复杂的斐波那契堆,则可将运行时间进一步缩短为O(E + V log V),这在连通图足够密集时(当E满足Ω(V log V)条件时),可较显著地提高运行速度。----维基百科
算法思想:
设想整个图生成完最小生成树时,边的情况会有加入生成树,和未加入生成树两部分,所以可设想图分为两个集合,生成树集合,其他集合。。。
因为执行Prime算法时需要不断的更新点与点的最短距离,所以可以用一个Mincost[]来存储当前点到与之链接点的距离,注意Map[][],Mincost[],初始化为INF(一个无穷大的数可以为:0x3f3f3f3f)
选取起始点,更改Mincost数组,假设i与起点相连,且权值为cost, 所以Mincost[i]=cost,所以i点加入最小生成树集合,
然后再从其他集合选取点重复这一过程,不断的更改Mincost[]中的值
#include<iostream>
#include<cstdlib>
#include<cstring>
#include<vector>
#define MAX 105
#define INF 0x3f3f3f3f
using namespace std;
int Map[MAX][MAX];
int N, M,sum;
bool Isvisit[MAX];
int Mincost[MAX];//记录生成树集合到其余点的距离
void init(){
for (int i = 1; i <= M; i++){
for (int j = 1; j <= M; j++){
Map[i][j] = INF;
}
}
}
int Prime(){
int Min,post; //Min用于记录与当前 点连接的最短距离,而post则是记录最短距离Min的标号
memset(Isvisit, false, sizeof(Isvisit));
for (int i = 1; i <= M; i++){
Mincost[i] = Map[1][i];//以1为起始点
}
Isvisit[1] = true; //标记1已加入生成树集合
Mincost[1] = INF; //改变距离,防止下一次选重
for (int i = 1; i < M; i++){ // i从起始点开始到 M-1结束 (M为点的个数,最小生成树为M-1条边,每个i加入一条边,我是这样理解的)
Min = INF; //Min距离
for (int j = 1; j <= M; j++){ //j遍历所有点
if (!Isvisit[j] && Mincost[j] < Min){
Min = Mincost[j]; //没有加入生成树,并且小于当前Min值,记录该点
post = j;
}
}
if (Min == INF) //如果执行完一遍循环,Min还是等于INF,怎说明无法生成树
return -1;
sum += Min; //sum+=Min (用来记录最小生成树的长度 )
Isvisit[post] = true; //加入post点到树中
for (int j = 1; j <= M; j++){ //更改与post 点有连线的点 (因为post点的加入,Mincost中有些点原来为INF会变得有权值,或者因为post的加入,使生成树集合到改点的距离更小了)
if (!Isvisit[j] && Mincost[j]>Map[post][j]){//注意改点是未加入树集的
Mincost[j] = Map[post][j];
}
}
}
return sum;
}
int main(){
while (true){
sum = 0;
cin >> N >> M;
if (N == 0)
break;
init();
for (int i = 1; i <= N; i++){//构造Map
int f, t, c;
cin >> f >> t >> c;
Map[f][t] = c;
Map[t][f] = c;
}
cout<<Prime()<<endl;
}
}
如有不当之处,欢迎指正,谢谢