数据结构实验之图论九:最小生成树_数据结构与算法之最小生成树_一点课堂（多岸学院）...

最小生成树

我们已经掌握了图的概念和基本操作，接下来了解一下图可以解决的问题。图主要用来解决多对多问题，比如有多个起点和终点，或者有多种选择的问题。例如我们要从下图中找到能连通每个顶点的最短路径，或者寻找从顶点v₀到顶点v₃的最短路径：

现在我们要研究的就是寻找能连通每个顶点的最短路径，我们称这种构造连通网的最小代价生成树为最小生成树。这个问题有两个经典的算法，分别是普里姆算法和克鲁斯卡尔算法。

普里姆(Prim)算法

普里姆算法的思想是每次都从未选择的顶点中选择代价最小的顶点，并更新剩余顶点的最小代价值。我们以上图为例，演示普里姆算法的过程。

首先选择一个顶点，比如v₀，与v₀相连的顶点记它的最小代价值为实际值，其余顶点记为∞，如下所示：

接下来选择距离v₀最近的顶点v₁加入已选列表，并更新剩余结点到已选列表的距离值，如下所示：

接下来再次选择距离已选列表最近的顶点，很显然v₅最近，选择后结果如下：

按照同样的方式，我们选择v₈加入已选列表，如下所示：

重复这一操作，最后我们可以得到如下路径，就是我们要构造的最小生成树：

克鲁斯卡尔(Kruskal)算法

普里姆算法是从顶点出发，我们也可以从边出发，克鲁斯卡尔算法就是每次选择合适的最小的边加入已选列表，直至所有顶点都连通。我们依然以上图为例，演示它的过程。

因为要对边进行操作，所以首先应该对所有的边按照代价大小排序，还记得图的边集数组存储方式吗？我们把边排序后就放在一个边集数组中，如下所示：

首先，我们把每个顶点都看作一棵独立的树，这些顶点组成了一个森林，而我们的目的就是把这个森林组合成一棵树，如下所示：

第一步，我们从边集数组中取最短的边，将森林中的对应顶点连接起来，第一个边就是(v₄, v₇)，weight为7，如下所示：

顶点v₄和v₇现在就属于同一棵树了，接下来我们再找最短的边，它的两个就不能在同一棵树上，第二条边是(v₂, v₈)，如下所示：

按照同样的步骤，我们继续连接剩下的边，直到连接完(v₃, v₇)如下：

接下来最短的边是(v₅, v₆)，但是顶点v₅和v₆在同一棵树上，如果把它们连起来，就会形成一个环，这明显是不对的，所以这个边是无效的。接下来的(v₁, v₂)同理，所以我们应该连接(v₆, v₇)，如下所示：

至此，所有的顶点都连通了，可以看到，结果和普里姆算法是一致的。

代码实现

普里姆算法

依然以邻接矩阵为例，演示普里姆算法的实现过程，代码如下所示：

public  void prim(AMGraph graph) { int len = graph.getVertexNum(); int min = 0; // 相关顶点的坐标 int[] adjvex = new int[len]; // 最小代价 int[] lowcost = new int[len]; // 将位置0的顶点加入生成树，设置lowcost为0 lowcost[0] = 0; adjvex[0] = 0; for (int i = 1; i < len; i++) { // 和v0相连的顶点的权值存入数组 lowcost[i] = graph.getWeight(0, i); // 全部坐标都初始化为v0下标 adjvex[i] = 0; } for (int i = 1; i < len; i++) { // INFINITE是一个不可能的值，这里设置为Int的最大值 min = INFINITE; int j = 1, k = 0; while (j < len) { // 循环剩下的全部顶点，寻找lowcoast if (lowcost[j] != 0 && lowcost[j] < min) { min = lowcost[j]; k = j; } j++; } System.out.println("当前顶点中最小权值的边是：(" + adjvex[k] +