【算法】 最小生成树---Prim算法

最小生成树

假设你是移动公司的电气施工的工程师，目前需要为一个镇的7个村庄铺设网络线路做设计，村子之间的位置以及直线距离已经在图上画 出，其中ABCDEFG分别代表那7个村庄，领导要求你必须用最小的成本完成线路铺设，使线路可以到达所有的村庄。

 这种架线问题的本质就是最小生成树问题，最小生成树(Minimum Cost Spanning Tree)，简称MST。

定义：

1)给定一个带权的无向连通图,如何选取一棵生成树,使树上所有边上权的总和为最小,这叫最小生成树

2)N个顶点，一定有N-1条边

3)包含全部顶点

4)N-1条边都在图中

Prim算法介绍

对于上面的架线问题，使用Prim算法解决的思路为：

1.假如从<A>顶点开始处理，寻找与<A>顶点相邻顶点距离最短的顶点：

A-C [7]   A-G[2]    A-B[5]  ，距离最端的为顶点<G>，那么就连接A-G：

2.从<A,G>两个顶点 开始 , 将A 和 G 顶点和他们相邻的还没有访问的顶点进行处理：

A-C[7]   A-B[5]   G-B[3]   G-E[4]    G-F[6]   距离最端的为顶点<B>，那么就连接G-B：

 3.从<A,G,B> 三个顶点开始，将A,G,B 顶点 和他们相邻的还没有访问的顶点进行处理：

A-C[7]  G-E[4]  G-F[6]  B-D[9]    距离最端的为顶点<E>，那么就连接G-E：

 4.从<A,G,B,E> 四个顶点开始，将A,G,B ,E顶点 和他们相邻的还没有访问的顶点进行处理：

A-C[7]  G-F[6]  B-D[9]    E-F[5]  E-C[8]         距离最近的顶点为顶点<F>，那么就连接E-F：

 5.从<A,G,B,E,F> 五个顶点开始，将A,G,B ,E,F顶点 和他们相邻的还没有访问的顶点进行处理：

A-C[7]   B-D[9]     E-C[8]    F-D[4]     距离最近的顶点为顶点<D>，那么就连接F-D：

6.从<A,G,B,E,F,D> 六个顶点开始，将A,G,B ,E,F,D顶点 和他们相邻的还没有访问的顶点进行处理：

A-C[7]     E-C[8]     A-C的距离更短，那么就连接A-C：

 至此7个村庄已经完全连接在了一起，距离之和为：2+3+4+5+4+7=25

代码实现 

package com.sxt.prim;

import java.util.Arrays;

public class PrimAlgorithm {

	public static void main(String[] args) {
		//测试图是否创建成功
		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
		int[][] weight = new int[][] {  //10000表示边与边没有连接
			{10000,5,7,10000,10000,10000,2},
            {5,10000,10000,9,10000,10000,3},
            {7,10000,10000,10000,8,10000,10000},
            {10000,9,10000,10000,10000,4,10000},
            {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
        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, 0);
	}

}

//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;
		int j;
		for( i = 0; i< verxs; i++) {  //遍历顶点
			graph.data[i] = data[i];
			for(j=0; j < verxs; j++) { //邻接矩阵
				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   图的第几个顶点开始生成树，‘A’->0  'B'->1 ...
	 */
	public void prim (MGraph graph, int v) {
		//visited[] 表示已经访问过的顶点，默认为0代表没有访问
		int visited[] = new int[graph.verxs];
		
		//把当前顶点标记为已访问
		visited[v] = 1;
		//h1和h2记录两个顶点的下标
		int h1 = -1;
		int h2 = -1;
		//将minWeight初始化成一个比较大的数，后面在遍历的过程中进行替换
		int minWeight = 10000; 
		for(int k = 1; k < graph.verxs; k++) { //遍历所有的边
			
			//确定每一次生成的子图和哪个顶点的距离最近
			for(int i = 0; i < graph.verxs; i++) {  //i顶点表示被访问过的顶点
				for(int j = 0; j< graph.verxs; j++) {  //j顶点表示还没有访问的
					if(visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] <minWeight) {
						//替换minWeight(寻找已经访问过和未访问过的顶点权值最小值)
						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;  //表示图的顶点个数
	char[] data; //存放结点数据
	int[][] weight; //存放边，也就是邻接矩阵
	
	public MGraph(int verxs) {
		this.verxs = verxs;
		data = new char[verxs];
		weight = new int[verxs][verxs];
	}
}