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];
}
}