程序员常用十种算法（6）— 普利姆算法（修路问题）

程序员常用十种算法（6）— 普利姆算法（修路问题）

在介绍普利姆算法之前先介绍一下最小生成树。
1. 最小生成树
最小生成树（Minimum Cost Spanning Tree）, 简称 MST。给定一个带权的无向连通图，如何选取一颗生成树，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）如下图例子所示
5）求最小生成树的主要算法是普利姆算法和克鲁斯卡尔算法。

2.普利姆算法介绍
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。

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）图解普里姆算法:
3.普利姆算法解决修路问题：
1）问题描述：
2）思路已经在前面说过了，直接上代码。

import java.util.Arrays;
public class PrimAlgorithm {
    public static void main(String[] args) {
        //测试看看图是否创建成功
        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},
                {10000,9,10000,10000,10000,4,100000},
                {10000,10000,8,10000,10000,5,4},
                {10000,10000,10000,4,5,10000,6},
                {2,3,10000,10000,4,6,10000},};

        //创建MGraph对象
        MGraph graph = new MGraph(verxs);
        //创建一个MinTree对象
        MinTree minTree = new MinTree();
        minTree.createGraph(graph,verxs,data,weight);
        //输出
        minTree.showGraph(graph);
        //测试普利姆算法
        minTree.prim(graph,1);
    }
}

//创建最小生成树->村庄的图
class MinTree{
    //创建图的邻接矩阵

    /**
     *
     * @param graph 图对象
     * @param verxs 图对应的顶点个数
     * @param data 图的各个顶点的值
     * @param weight 图的邻接矩阵
     */
    public void createGraph(MGraph graph, int verxs, char data[], int[][] weight){
        int i,j;
        for (i = 0; i < verxs; i++) {  //顶点
            graph.data[i] = data[i];
            for(j=0; j<verxs; j++){
                graph.weight[i][j] = weight[i][j];
            }
        }
    }

    //显示图的邻接矩阵
    public void showGraph(MGraph graph){
        for (int[] link: graph.weight){
            System.out.println(Arrays.toString(link));
        }
    }

    //编写prim算法，得到最小生成树
    /**
     *
     * @param graph 图
     * @param v  表示从图的第几个顶点开始生成‘A’->0'B'->1...
     */
    public void prim(MGraph graph, int v){
        //visited[] 标记顶点（结点)是否被访问过
        int visited[] = new int[graph.verxs];
        //visited[] 默认元素都是0，表示没有访问过
        for (int i = 0; i < graph.verxs; i++) {
            visited[i] = 0;
        }

        //把当前这个结点标记为已访问
        visited[v] = 1;
        //h1,h2记录两个顶点的下标
        int h1 = -1;
        int h2 = -1;
        int minWeight = 10000; //将minWeight初始成一个大数，后面在遍历的过程中会被替换
        for (int k = 1; k < graph.verxs ; k++) { // 因为有 graph.verxs 个顶点，普利姆算法结束后有 graph.verxs-1 边
            //这个是确定每一次生成的子图，和哪个结点的距离最近
            for (int i = 0; i < graph.verxs; i++) { //i结点表示被访问过的结点
                for (int j = 0; j < graph.verxs; j++) { //j结点表示还没有访问过的结点
                    if (visited[i] == 1 && visited[j] == 0 && graph.weight[i][j]<minWeight){
                        //替换minWeight（寻找已经访问过的结点和未访问过的结点间的权值最小的边）
                        minWeight = graph.weight[i][j];
                        h1 = i;
                        h2 = j;
                    }
                }

            }
            //找到一条边是最小
            System.out.println("边<" + graph.data[h1] + "," + graph.data[h2] + "> 权值：" + minWeight);
            //将当前这个结点标记为已经访问
            visited[h2]=1;
            //minWeight 重新设置为最大值 10000
            minWeight=10000;
        }
    }
}

class MGraph{
    int verxs;        //表示图的节点个数
    char[] data;     //存放节点数据
    int[][] weight;  //存放边，就是我们的邻接矩阵

    public MGraph(int verxs){
        this.verxs = verxs;
        data = new char[verxs];
        weight = new int[verxs][verxs];
    }
}