参考链接:https://www.cnblogs.com/nannanITeye/p/3446424.html
prim算法实现图的最小生成树,假设n个顶点,m条边。
适合稠密图,其时间复杂度为O(n^2),与边的数目无关,而kruskal算法的时间复杂为O(eloge),和边数有关,适合稀疏图。
算法思路:从某个顶点开始,假设v0,此时v0属于最小生成树节点中的一个元素,假设U为已经确定为生成树中的点的集合,剩下的V-U为待判定点的集合,此时,选取V-U中,到U中的点路径最小的点,这条路径为生成树新的边,并且,将选取得点加入U,直到U包含图中所有得点为止。
算法在选取最小路径的时候需要优化,具体思路:w[]数组保存各个顶点的最短路径,b[]数组保存到i顶点最短路径的顶点,比如,到0号顶点最短的路径是<v0,v3>,那么w[0]=E<v0,v3>,b[0]=3;这样每次找最小路径就不是o(n*n)的代价了。
代码编写过程和Dijkstra十分类似,只不过dis数组的含义有所变化。(Dijkstra中为源点到其他点的最短距离,Prim为当前生成树点集合中的点到其他点的最短距离)
#include <iostream>
using namespace std;
const int inf = 0x3f3f3f3f;
int edge[5][5] =
{
{ -1,-1,-1,-1,-1 },
{ -1, 0, 2, 6, 4 },
{ -1, inf, 0,3, inf },
{ -1, 7, inf, 0, 1 },
{ -1, 5, inf, 12, 0 }
};
int main() {
const int n = 4;//点的数量
int dis[n + 1];//当前生成树点集合到剩余点的最短距离
int book[n + 1];//各点到源点是否为最小值
int b[n + 1];//生成树边集合(边为 <i, b[i]> )
//初始化,设源点为n1
for (int i = 1; i <= n; ++i)
dis[i] = edge[1][i];
//book数组初始化
memset(book, 0, sizeof(book));
//初始化,每个点都指向1;
for (int i = 1; i <= n; ++i)
b[i] = 1;
book[1] = 1;
int min;//当前,未确定最短路径的点,到源点的最小距离大小
//Prim算法核心语句
for (int i = 1; i <= n - 1; ++i) {
//找到离1号顶点最近的顶点
min = inf;
int u;
for (int j = 1; j <= n; ++j) {
if (book[j] == 0 && dis[j] < min) {
min = dis[j];
u = j;
}
}
//每轮迭代都可以确定一个最短距离,因此只要迭代n-1轮
book[u] = 1;
//通过已经确定的点,对dis数组进行更新
//(未确定的点通过点u,缩小了到生成树集合中的点的距离)
for (int v = 1; v <= n; ++v) {
if (edge[u][v] < inf) {
if (!book[v] && dis[v] > edge[u][v]) {
dis[v] = edge[u][v];
b[v] = u;
}
}
}
}
//输出结果
for (int i = 1; i <= n; ++i)
cout << b[i] << ", " << i << endl;
system("pause");
return 0;
}