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];
}
}