1. 应用场景-修路问题
- 有胜利乡有7个村庄(A, B, C, D, E, F, G) ,现在需要修路把7个村庄连通
- 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5公里
- 问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?
2. 最小生成树
修路问题本质就是就是最小生成树问题, 先介绍一下最小生成树(Minimum Cost Spanning Tree),简称MST。
- 给定一个带权的无向连通图,如何选取一棵生成树,使树上所有边上权的总和为最小,这叫最小生成树
- N个顶点,一定有N-1条边
- 包含全部顶点
- N-1条边都在图中
- 求最小生成树的算法主要是 1.普里姆算法和 2.克鲁斯卡尔算法
3. 普里姆算法介绍
普利姆(Prim)算法求最小生成树,也就是在包含n个顶点的连通图中,找出只有(n-1)条边包含所有n个顶点的连通子图,也就是所谓的极小连通子图
普利姆的算法如下:
- 设G=(V,E)是连通网,T=(U,D)是最小生成树,V,U是顶点集合,E,D是边的集合
- 若从顶点u开始构造最小生成树,则从集合V中取出顶点u放入集合U中,标记顶点v的visited[u]=1
- 若集合U中顶点ui与集合V-U中的顶点vj之间存在边,则寻找这些边中权值最小的边,但不能构成回路,将顶点vj加入集合U中,将边(ui,vj)加入集合D中,标记visited[vj]=1
- 重复步骤2,直到U与V相等,即所有顶点都被标记为访问过,此时D中有n-1条边
以此图为例
- 以 < A > 顶点开始处理。与A相连的顶点有 A-C[7] A-B[5] A-G[2] 权值最小的是 A-G[2] 所以将G加入其中变成 <A,G>
- 以<A,G>开始,寻找与A相连的点和与G相连的点 A-C[7] A-B[5] G-E[4] G-B[3] G-F[6] 所以选择G-B[3] 所以将B加入其中变为<A,G,B> 注意不能形成回路
- 重复直到有所有的点
- 将节点加入集合中,如何区分顶点之间的联系关系呢?代码中会有体现
4. 代码实现
public class PrimAlgorithm {
public static void main(String[] args) {
char[] data = new char[]{'A', 'B', 'C', 'D', 'E', 'F', 'G'};
int verxs = data.length;
MinTree minTree = new MinTree();
MGraph graph = new MGraph(verxs);
// 10000表示不连通
int[][] weight = new int[][]{
{10000, 5, 7, 10000, 10000, 10000, 2},
{5, 10000, 10000, 9, 10000, 10000, 3},
{7, 10000, 10000, 10000, 8, 10000, 10000},
{10000, 9, 10000, 10000, 10000, 4, 10000},
{10000, 10000, 8, 10000, 10000, 5, 4},
{10000, 10000, 10000, 4, 5, 10000, 6},
{2, 3, 10000, 10000, 4, 6, 10000},};
minTree.createGraph(graph, verxs, data, weight);
minTree.showGraph(graph);
minTree.prim(graph,0);
}
}
class MinTree {
/***
* @description:
* @param: graph 图对象
* @param: verxs 节点个数
* @param: data 节点数据
* @param: weight 边,邻接矩阵
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/21 16:09
*/
public void createGraph(MGraph graph, int verxs, char data[], int[][] weight) {
int i, j;
for (i = 0; i < verxs; i++) {
graph.data[i] = data[i];
for (j = 0; j < verxs; j++) {
graph.weight[i][j] = weight[i][j];
}
}
}
/***
* @description: 输出图
* @param: graph
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/21 16:20
*/
public void showGraph(MGraph graph) {
for (int[] link : graph.weight) {
System.out.println(Arrays.toString(link));
}
}
/***
* @description:
* @param: graph 图
* @param: v 表示从图的第几个顶点开始 生成 例如‘A'-》0 ’B‘-》1
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/21 16:21
*/
public void prim(MGraph graph, int v) {
// 标记节点是否被访问过 0表示没有被访问过
int[] visited = new int[graph.verxs];
visited[v] = 1;
// h1和h2来记录两个顶点的下标
int h1 = -1;
int h2 = -1;
int minWeight = 10000; // 初始化较大值,后面在遍历过程中会被替换
for (int k = 1; k < graph.verxs; k++) { // 生成verxs-1条边
// 确定每次生成的子图,和哪个节点的距离最近
for (int i = 0; i < graph.verxs; i++) { // i表示被访问的节点
for (int j = 0; j < graph.verxs; j++) { // j表示还没有被访问过的节点
if (visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] < minWeight) { // 来判断被访问的节点和还没有被访问过的节点
minWeight = graph.weight[i][j];
h1 = i;
h2 = j;
}
}
}
// 找到了一条边
System.out.println("边<"+graph.data[h1]+","+graph.data[h2]+">");
visited[h2] = 1;
// 重新设置minWeight
minWeight = 10000;
}
}
}
class MGraph {
int verxs; // 表示图的节点个数
char[] data; // 存放节点的数据
int[][] weight; // 存放边, 就是邻接矩阵
public MGraph(int verxs) {
this.verxs = verxs;
data = new char[verxs];
weight = new int[verxs][verxs];
}
}