图-最小生成树-Prim与Kruskal算法

最小生成树

最小生成树（Minimum Spanning Tree，MST）是在一个给定的无向图G（V，E）中求一棵树 T，使得这棵树拥有图 G中的所有顶点，且所有边都是来自图 G 中的边，并且满足整棵树的边权之和最小。

最小生成树有三个性质需要掌握：

• 最小生成树是树，因此其边数等于顶点数减 1，且树内一定不会有环
• 对给定的图G（V，E），其最小生成树可以不唯一，其边权之和一定是唯一的
• 由于最小生成树是无向图上生成的，因此其根结点可以使这棵树上的任意一个结点。

一般来说，如果题目中涉及最小生成树本身的输出，为了让最小生成树唯一，一般都会直接给出根结点。

求解最小生成树一般有两种算法：Prim 算法和 Kruskal 算法，都采用了贪心的思想，只是贪心的策略不一样。

Prim算法

基本思想

对于图 G(V, E) 设置集合 S，存放已经被访问的顶点，然后每次从集合 V-S 中选择集合 S 的最短距离最小的一个顶点（记为 u），访问并加入集合 S。之后，令顶点 u 为中介点，优化所有从 u 能到达的顶点 v 与集合 S 之间的最短距离。这样的操作执行 n 次（n为顶点个数），直到集合 S 已经包含所有顶点。

也就是执行 n 次下面两个步骤：

• 每次从集合 V - S 中选择与集合 S 最近的一个顶点（记为 u），访问 u 并将其加入集合 S，同时把这条离集合 S 最近的边加入最小生成树中。
• 令顶点 u 作为集合 S 与集合 V-S 连接的接口，优化从 u 能到达的未访问顶点 v 与集合 S 的最短距离。

可以看到 Prim 算法的思想与最短路径中 Dijkstra 算法的思想几乎相同，只是在设计最短距离的时候用集合 S 代替了 Dijkstra 中的起点 s。

具体实现

prim 算法需要实现两个关键的概念，即集合 S 的实现、顶点V_i 与集合 S 的最短距离。

• 集合 S 的实现方法和 Dijkstra 中相同，即使用一个 bool型数组 vis[] 来表示顶点是否已被访问。
• 不妨令 int 型数组 d[] 来存放顶点 V_i 与集合 S 的最短距离。初始时除了起点 s 的d[s] 赋为0，其余顶点都赋值为一个很大的数 INF，即不可达。

可以看到 prim 算法与 **Dijkstra **算法使用的思想几乎完全相同，只有在数组 d[] 的含义上有所区别。在 Dijkstra 中 d[] 含义为起点 s 到达 V_i 的最短距离，在 prim 算法中 d[] 含义为顶点 V_i 到集合 S 的最短距离，二者的区别仅仅在于最短距离是顶点 V_i 针对的是起点s还是集合V。

所以伪代码和 Dijkstra 很像：

// 数组 d 为顶点与集合 S 的最短距离
void Prim(G, d[]) {
   
  初始化；
  for(循环 n 次) {
   
    u = 使 d[u] 最小的还未访问的顶点的标号；
    记 u 已经被访问；
    for(从 u 出发能到达的所有顶点 v) {
   
      if(v 未被访问 && 以 u 为中介点使得 v 与集合 S 的最短距离 d[v] 更优) {
   
        将 G[u][v] 赋值给 v 与集合 S 的最短距离 d[v]；
      }
    }
  }
}

具体实现：

邻接矩阵版

const int maxn = 1000;	// 最大顶点数
const INF = 1e9;

int n, G[maxn][maxn];	// n 为顶点数
int d[maxn];					// 顶点与 S 的最短距离
bool vis[maxn] = {
   false};	// 标记数组

int prim(int s)
{
   		// s 号为默认初始点，函数返回最小生成树的边权之和
  fill(d, d+maxn, INF);	// fill 函数整个数组赋值为 INF
  d[s] = 0;	// 只有顶点到集合 S 的距离为 0&#