普利姆算法（Prim）

1. 应用场景-修路问题

1. 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
2. 各个村庄的距离用边线表示(权) ，比如 A – B 距离 5公里
3. 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。

1. 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
2. N个顶点，一定有N-1条边
3. 包含全部顶点
4. N-1条边都在图中
5. 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:

1. 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
2. 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
3. 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
4. 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

1. 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>
2. 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
3. 重复直到有所有的点
4. 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];
    }

}