基本概念
prim算法是以顶点为视角的,每一步都会为生长中的树添加一条边。从初始顶点出发,然后找到顶点周围最小的边,然后移动到最小边的另一个端点,继续找到顶点周围最小的边,直到得到最小生成树。所以prim算法的轨迹是一颗从初始顶点不断蔓延的树。
prim算法懒惰实现
prim算法的懒惰实现很简单,将需要考察的顶点的边放进一个优先队列中,并考察边的顶点是否存在于最小生成树中或者是否形成一个环。如果都没有,就将边放进MST。
/**
* 懒惰实现普里姆斯算法
* @author yuli
*
*/
public class LazyPrimMst {
private boolean[] marked;//标记最小生成树的顶点已经被访问过了
private Queue<Edge> mst;//最小生成树容器
private PriorityQueue<Edge> pq;//横切边优先队列
public LazyPrimMst(EdgeWeightedGraph graph){
pq = new PriorityQueue<>();
mst = new LinkedList<Edge>();
marked = new boolean[graph.getV()];
//将最开始的节点放进mst,并把最开始的节点的邻接点放进优先队列
visit(graph,0);
while(!pq.isEmpty()){
//从优先队列中得到权值最小的边
Edge e = pq.poll();
//得到两个顶点
int v = e.getV();int w = e.getW();
//跳过已经加入mst的边
if(marked[v] && marked[w])
continue;
//将权重最小的边加入mst中
mst.add(e);
//标记已经被加入到mst中的顶点,并把他们的邻接点加入到优先队列中
if(!marked[v])
visit(graph, v);
if(!marked[w])
visit(graph, w);
}
}
/**
* 将顶点放进mst中
* @param graph
* @param v
*/
private void visit(EdgeWeightedGraph graph,int v){
//标记顶点已经在mst中了
marked[v] = true;
Iterable<Edge> adj = graph.adj(v);
//将顶点没被访问过(加入mst)的邻接点放进优先队列中
for (Edge edge : adj) {
if(!marked[edge.other(v)]){
pq.add(edge);
}
}
}
/**
* 获取最小生成树
* @return
*/
public Iterable<Edge> edges(){
return mst;
}
/**
* 获取最小生成树的权重
* @return
*/
public double weight(){
double weight = 0;
Iterable<Edge> edges = edges();
for (Edge edge : edges) {
weight += edge.getWeight();
}
return weight;
}
}
prim算法的即时实现
prim的懒惰算法简单方便,然是在把所有边都放进优先队列的做法不够优雅,会消耗很多的内存和性能。所以出现了prim算法的即时实现。
即时的prim算法会逐个考察通向顶点的最优边(权重最小)。因为贪心算法的缘故,通向顶点最小的权值边一定会组成一个最小生成树。
用一个索引优先队列维护通向最小生成树的最近的顶点
将需要考察的顶点放进索引优先队列中,考察通向这个顶点的最近的边,如果有更新权值。考察完后将队列中离树最近的顶点出队并加入到树中。
/**
* 普里姆算法即时实现
* @author yuli
*
*/
public class PrimMst {
private Edge[] edgeTo;//距离树最近的边
private double[] distTo;//最近边的权重
private boolean[] marked;//是否在树中
private IndexMinPQ<Double> pq;//最小索引优先队列,用来维护到树的最短距离,最小权重
public PrimMst(EdgeWeightedGraph graph) {
edgeTo = new Edge[graph.getV()];
distTo = new double[graph.getV()];
marked = new boolean[graph.getV()];
pq = new IndexMinPQ<>(graph.getV());//初始化索引优先队列
for(int i = 0;i<graph.getV();i++){
distTo[i] = Double.POSITIVE_INFINITY;//初始化权重,最大化
}
//把顶点0设置为最小,并考察
distTo[0] = 0.0d;
pq.insert(0, 0.0d);
while(!pq.isEmpty()){
//出队优先队列中最小的顶点,也就是离树最近的那个顶点。
visit(graph,pq.delMin());
}
}
private void visit(EdgeWeightedGraph graph, int v) {
//将顶点设置为已经考察过了,加入树中
marked[v] = true;
//获取已经加入树中的顶点的邻接点
for(Edge e:graph.adj(v)){
int w = e.other(v);//获取通往顶点(同往树)的另一个端点
//如果该端点已经被考察过了,就说明该端点已经存在于树中了,所以跳过
if(marked[w]){
continue;
}
//如果当前的边权重比离端点最近的一条边的权重轻,就替换掉
if(e.getWeight() < distTo[w]){
//记录到端点的最短边为多少
distTo[w] = e.getWeight();
//记录到端点最短路径
edgeTo[w] = e;
//如果队列中中包含该索引(顶点),就添加顶点到队列中,这个队列是记录离树最近的端点
if(pq.contains(w)){
//修改该端点离树的距离
pq.change(w, distTo[w]);
}else{
//添加队列中到树的最短距离
pq.insert(w, distTo[w]);
}
}
}
}
/**
* 获取最小生成树
* @return
*/
public Iterable<Edge> edges(){
List<Edge> edges = new ArrayList<>();
for (Edge edge : edgeTo) {
if(edge != null){
edges.add(edge);
}
}
return edges;
}
/**
* 获取最小生成树的权重
* @return
*/
public double weight(){
double weight = 0;
Iterable<Edge> edges = edges();
for (Edge edge : edges) {
weight += edge.getWeight();
}
return weight;
}
}