1.最小生成树及其性质
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。
2.prim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