常用算法——普里姆(prim)算法( 修路问题，最小生成树问题 )

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

1. N 个顶点，一定有N-1 条边
2. 包含全部顶点
3. N-1 条边都在图中
4. 举例说明(如图:)
5. 求最小生成树的算法主要是普里姆算法和克鲁斯卡尔算法
   

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
5. 提示: 单独看步骤很难理解，我们通过代码来讲解，比较好理解.
6. 图解普利姆算法

1. 从 <A> 顶点开始处理 ======> <A,G> 2
   A-C [7] A-G[2] A-B[5] =>

2. <A,G> 开始 , 将A 和 G 顶点和他们相邻的还没有访问的顶点进行处理 =====》<A,G,B>
   A-C[7] A-B[5] G-B[3] G-E[4] G-F[6]

3. <A,G,B> 开始，将A,G,B 顶点 和他们相邻的还没有访问的顶点进行处理====><A,G,B,E>
   A-C[7] G-E[4] G-F[6] B-D[9]
   …

4.{A,G,B,E}->F//第4次大循环 ， 对应 边<E,F> 权值：5
5.{A,G,B,E,F}->D//第5次大循环 ， 对应 边<F,D> 权值：4
6. {A,G,B,E,F,D}->C//第6次大循环 ， 对应 边<A,C> 权值：7 ======> <A,G,B,E,F,D,C>

普里姆算法最佳实践(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?
4. 看老师思路分析+代码演示:

代码实现

import java.util.Arrays;

public class PrimAlgorithm {
   

	public static void main(String[] args) {
   
		//测试看看图是否创建ok
		char[] data = new char[]{
   'A','B','C','D','E','F','G'};
		int verxs = data.length;
		//邻接矩阵的关系使用二维数组表示,10000这个大数，表示两个点不联通
		int [][]weight=new int[][]{