1、普利姆算法
算法思想: 1、从图中找到第一个起始顶点v0,作为最小生成树的第一个顶点,然后从这个顶点到其他顶点中选一条权值最小的边,然后把这条边的顶点vi加入和这条边加入到最小生成树中 2、对剩下顶点顶点,分别检查这些顶点与顶点v的权值是否比这些顶点的lowcost[]中的对应权值小。如果小,则更新lowcost[] 3、从更新的lowcost[]中继续挑选权值最小而且不在生成树中的边,然后加入到生成树中 4、反复执行2、3步骤,知道所有顶点都加入到生成树中。
需要维护两个数组:lowcost[n],closest[n] lowcost[n]:某个阶段图中顶点的权值 closest[n]:邻接顶点
//采用邻接矩阵
void MST_prime(MGraph G){
int u;
int min = 65535;//小技巧
int closest[Maxsize];//保存邻接顶点下标的数组
int lowcost[Maxsize];//记录当前生成树中到剩余顶点的最小权值
int closest[0] = 0;//由于刚开始生成树只有一个顶点,不存在边,设为0
int lowcost[0] = 0;//将0号顶点加入生成树。 等于0表示该号顶点在生成树了
//初始化数组
for(int i=1;i<G.vexnum;i++){//除下标为0以外的所有顶点
lowcost[i] = G.edge[0][i];//将与下标为0的顶点有边的权值存入lowcost数组中
closest[i] = 0;
}
//核心算法
for(int i=1;i<G.vexnum;i++){
for(int j=1;j<G.vexnum;j++){
if(lowcost[j]!=0 && lowcost[j]<min){
min = lowcost[j];
u = j;
}
}
}
print("打印结点之类的");//按照实际业务来
lowcost[u] = 0;//将这个顶点加入生成树中
//生成树加入新的顶点后,开始更新lowcost[]的值
for(int j=0;j<G.vexnum;j++){
if(lowcost[j]!=0 && G.edge[u][j] < lowcost[j]){
lowcost[j] = G.edge[u][j];
closest[j] = u;
}
}
}
算法分析: 双重循环,为O(n的平方),而且时间复杂度只和n有关,所以适合稠密图
2、克鲁斯卡尔算法
算法思想: 将图中的边按照权值从小到大排列(用到的堆排序),然后从最小的边开始扫描,设置一个边的集合来记录,如果该边加入不构成回路的话,则将该边加入到当前最小生成中,知道所有的边都检查完。
#define Maxsize 100
typedef struct{
int a,b;//边的两个顶点
int weigh;//边的权值
}Edge;//边的结构体
//查找某个集合的根结点
int find(int *parent,int x){
while(parent[x]>=0){
x = parent[x];
return x;
}
}
//合并两个集合
void union(int *parent,int root1,int root2){
parent[root2] = root1;
}
Edge edge[Maxsize];
int parent[Maxsize];
void MST_kruskai(MGraph G){
sort(edge);//按权值大小排列,伪代码
for(int i=0;i<G.vexnum;i++){
parent[i] = -1;//初始化,各个顶点单独形成一个集合
}
for(int i=0;i<i<G.vexnum;i++){
n = find(parent,edge[i].a);
m = find(parent,edge[i].b);
if(n != m ){
union(parent,m,n);
print("%d->%d",edge[i].a,edge[i].b);
}
}
}
算法分析: 操作分为对边的权值排序和一个单重循环,他们是并列关系,由于排序耗费时间大于单重循环,所以克鲁斯卡尔算法的主要时间耗费在排序上。排序和图中边的数量有关系,所以适合稀疏图,时间复杂度为O(eloge)。