数据结构之——最小生成树(prim算法和kruskal算法)

最小生成树(Minimum Spanning Tree, MST)是在一个给定的无向图G(V,E)中求一棵树T，使得这棵树拥有图G中的所有顶点，且所有边都是来自图G中的边，并且满足整棵树的边权之和最小。

最小生成树的3个性质：
（1）最小生成树是树，因此其边数等于顶点数减1，且树内一定不会有环。
（2）对给定的图G(V, E),其最小生成树可以不唯一，但其边权之和一定是唯一的。
（3）由于最小生成树是在无向图上生成的，因此其根节点可以是在这棵树上的任意一个结点。
求解最小生成树一般有两种算法——prim算法和kruskal算法。

prim算法基本思想：
（1）对图G(V, E)设置集合S，存放已被访问的顶点，然后每次从集合V-S中选择与集合S的最短距离最小的一个顶点(记为u)，访问并加入集合S，同时令把这条离集合S最近的边加入最小生成树中。
（2）令顶点u为中介点，优化所有从u能到达的顶点v与集合S之间的最短距离。这样操作执行n次(n为顶点个数),直到集合S已包含所有顶点。可以发现，prime算法的思想与最短路径中Dijkstra算法的思想几乎完全相同，只是在设计最短距离时使用了集合S代替Dijkstra算法中的起点s。

prime算法的具体实现：
（1）集合S的实现方法和DIjkstra中相同，即使用一个bool型数组vis[]表示顶点是否被访问，其中vis[i] = false表示顶点Vi未被访问。
（2）不妨令int型数组d[]来存放顶点Vi（0<= i <= n-1）与集合S的最短距离，初始时除了起点s的d[s]赋为0，其余顶点都赋为一个很大的数表示INF，即不可达。

伪代码如下：

//G为图，一般设为全局变量：数组d为顶点与集合S的最短距离

Prim(G, d[]){
	初始化；
		for(循环n次){
		u = 使d[u]最小的还未被访问的顶点的标号；
		记u已被访问；
		for(从u出发能到达的所有顶点v){
			if(v未被访问 && 以u为中介点使得v与集合S的最短距离d[v]更优){
			将G[u][v]赋值给v与集合S的最短距离d[v]； 
			} 
	
		} 
	} 
} 

Dijkstra算法和prime