网络分析中的最小代价生成树算法（MATLAB）

      使用MATLAB中的函数minspantree来实现Prim算法和Kruskal算法进行最小代价树的生成，使用plot绘制原始树（蓝色），highlight来表示最小生成树的结果（红色）。

目录

一、准备

二、代码

（1）Kruskal算法

（2）Prim算法

三、结果

（1）原始生成树结果

（2）Kruskal算法结果

（3）Prim算法结果

四、说明

一、准备

（1）随机数据。

（2）MATLAB 2022b（其他版本也可以）。

（3）新建脚本文件。

二、代码

（1）Kruskal算法

s=[1,1,1,2,2,2,3,3,4,4,5,5,6];
t=[2,3,4,5,3,6,5,7,5,6,6,7,7];
w=[35,24,10,25,14,34,6,11,12,30,15,25,21];

names={'1','2','3','4','5','6','7'};
G=graph(s,t,w,names);
p=plot(G,"EdgeLabel",G.Edges.Weight);
% 求解最小生成树
T=minspantree(G,"Method","sparse");
% sparse代表的是Kruskal算法
p=plot(G,"EdgeLabel",G.Edges.Weight);
highlight(p,T,"NodeColor","red","EdgeColor","red"); 
% 将最小生成树的边设置为红色
title("Kruskal算法");

（2）Prim算法

s=[1,1,1,2,2,2,3,3,4,4,5,5,6];
t=[2,3,4,5,3,6,5,7,5,6,6,7,7];
w=[35,24,10,25,14,34,6,11,12,30,15,25,21];

names={'1','2','3','4','5','6','7'};
G=graph(s,t,w,names);
p=plot(G,"EdgeLabel",G.Edges.Weight);
% 求解最小生成树
T=minspantree(G,"Method","dense");
% dense代表的是Prim算法
p=plot(G,"EdgeLabel",G.Edges.Weight);
highlight(p,T,"NodeColor","red","EdgeColor","red"); 
% 将最小生成树的边设置为红色
title("Prim算法");

三、结果

（1）原始生成树结果

（2）Kruskal算法结果

（3）Prim算法结果

四、说明

    注意：若在生成最小代价树的过程中，若在最小代价树生成过程中出现多个边权值相等的情况，那么就随机选择其中的一条边。

    Kruskal算法的核心思想是贪心思想，通过局部最优达到整体最优：

• 将所有的边权进行排序。
• 不断迭代选择权最小的边，直到所有的点被连起来（边数=节点数-1）。
• 在迭代期间，如果边构成环，就要丢弃该边，因为树中是不存在环的。

（需要完整代码及运行结果请留言~