最小生成树——还是畅通工程

本文介绍了一个使用Prim算法解决最小生成树问题的具体实例。通过计算任意两村庄间的最短距离来确定如何铺设公路以实现全省各村庄间的最低成本公路网连接。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Description

某省调查乡村交通状况,得到的统计表中列出了任意两村庄间的距离。省政府“畅通工程”的目标是使全省任何两个村庄间都可以实现公路交通(但不一定有直接的公路相连,只要能间接通过公路可达即可),并要求铺设的公路总长度为最小。请计算最小的公路总长度。
 

Input

测试输入包含若干测试用例。每个测试用例的第1行给出村庄数目N ( < 100 );随后的N(N-1)/2行对应村庄间的距离,每行给出一对正整数,分别是两个村庄的编号,以及此两村庄间的距离。为简单起见,村庄从1到N编号。 当N为0时,输入结束,该用例不被处理。
 

Output

对每个测试用例,在1行里输出最小的公路总长度。
 

Sample Input

3 1 2 1 1 3 2 2 3 4 4 1 2 1 1 3 4 1 4 1 2 3 3 2 4 2 3 4 5 0
 

Sample Output

3 5

代码如下:
#include <iostream>
#include"cstdio"
#include"cstring"
#include"cstdlib"
using namespace std;
int Map[120][120];
int dis[120];
int vis[120];
int n,m;
int sum;
const int inf=999999;
void prim(int n)
{
    memset(vis,0,sizeof(vis));

    for(int i=1;i<=n;i++)
    {
        dis[i]=Map[1][i];
    }
    vis[1]=1;
    sum=0;
    for(int i=1;i<n;i++)
    {
        int Min=inf;
         int pos;
        for(int j=1;j<=n;j++)
        {
            if(!vis[j]&&dis[j]<Min)
            {
                Min=dis[j];
                pos=j;
            }
        }
        if(Min>=inf) break;
        sum+=Min;
        vis[pos]=1;
        for(int j=1;j<=n;j++)
        {
            if(!vis[j]&&Map[pos][j]<dis[j])
            {
                dis[j]=Map[pos][j];
            }
        }
    }
}
int main()
{
    while(scanf("%d",&n),n)
    {
        for(int i=1;i<=n;i++)
          {
               for(int j=1;j<=n;j++)
                Map[i][j]=inf;
                Map[i][i]=0;
          }
          for(int i=1;i<=n*(n-1)/2;i++)
          {
             int a,b,c;
             scanf("%d%d%d",&a,&b,&c);
             if(Map[a][b]>c)
             Map[a][b]=Map[b][a]=c;
          }
          prim(n);
          printf("%d\n",sum);
    }

    return 0;
}
### 解决村村通问题的最小生成树算法应用 #### 背景描述 某省调查乡村交通状况,得到的统计表中列出了任意两村庄间的距离。为了实现“畅通工程”,即确保省内任何两个村庄之间可以通过公路连接,并且使得铺设的公路总长度最短,可以采用最小生成树算法来规划最优的道路建设方案[^3]。 #### Prim算法的应用 对于给定的一组村庄及其之间的路径成本,在构建最小生成树的过程中,Prim算法从任选的一个起点出发逐步扩展到其他节点直到覆盖所有的村庄为止。每次迭代过程中都会挑选当前已加入集合内的点所能到达但尚未被访问过的最近邻居作为下一个要添加的新成员;如此这般循环往复直至所有顶点都被囊括进来形成一颗完整的树形结构。这种方法特别适用于稠密图的情况。 ```python import sys def prim_algorithm(graph, start_vertex): n = len(graph) key_values = {v: float('inf') for v in range(n)} parent = [-1]*n mst_set = [False]*n key_values[start_vertex], parent[start_vertex] = 0, None for _ in range(n-1): u = min_key(key_values, mst_set) mst_set[u] = True for v in range(n): if graph[u][v]>0 and not mst_set[v]: if graph[u][v]<key_values[v]: key_values[v]=graph[u][v] parent[v]=u result_edges = [] for i in range(1,n): result_edges.append((parent[i],i)) return result_edges def min_key(keys,mstSet): minimum = sys.maxsize min_index=-1 for vertex in range(len(mstSet)): if keys[vertex]<minimum and not mstSet[vertex]: minimum=keys[vertex] min_index=vertex return min_index ``` #### Kruskal算法的应用 而当面对的是较为稀疏的地图分布时,则更推荐使用Kruskal算法来进行处理。此方法并不拘泥于特定起始位置的选择而是直接着眼于全局视角下的每一对可能构成边的关系之中寻找权重最低者先行纳入考虑范围之内再依照其关联端点是否已经存在于同一棵树下来决定最终能否正式成为新添入的部分之一。随着不断重复这一过程直至所剩未连结部分无法继续组合成新的有效分支则整个运算结束从而获得一张由原始输入派生出来的具有最少累积耗费特性的森林形态——也就是所谓的最小生成树了[^5]。 ```python class DisjointSets(object): def __init__(self,size): self.parent=[None]*size self.rank =[0]*size def make_set(self,x): self.parent[x]=x self.rank[x]=0 def find(self,x): if self.parent[x]!=x: self.parent[x]=self.find(self.parent[x]) return self.parent[x] def union(self,x,y): root_x=self.find(x) root_y=self.find(y) if root_x !=root_y: if self.rank[root_x]>self.rank[root_y]: self.parent[root_y]=root_x elif self.rank[root_x]<self.rank[root_y]: self.parent[root_x]=root_y else : self.parent[root_y]=root_x self.rank[root_x]+=1 def kruskal_algorithm(edges,v_num): edges.sort() ds=DisjointSets(v_num) res_edge=[] for edge in edges: weight,u,v=edge if ds.find(u)!=ds.find(v): res_edge.append(edge) ds.union(u,v) return res_edge ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值