最小生成树(Prim和Kruskal)

本文介绍了Prim算法利用优先队列进行优化,达到O(mlogm)的时间复杂度,并提供了链式前向星的代码示例。同时,展示了Kruskal算法通过并查集实现的O(mlogm)复杂度,以及并查集中路径压缩的技巧。两种经典算法在求解无向图最小生成树的应用和优化策略被详细解析。

引入

例题:(洛谷 P3366 【模板】最小生成树

给出一个无向图,求出最小生成树,如果该图不连通,则输出 orz

Prim

这个东西我不写了。。。我只说说我最近研究 抄袭 的最新成果:Prim可以使用优先队列优化,能够达到 O ( m l o g m ) O(mlogm) O(mlogm)的优秀复杂度。

代码(链式前向星+优先队列优化):

#include<iostream>
#include<cstdio>
#include<cstring>
#include<queue>
using namespace std;
struct st
{
	int to;
	int dis;
	int nxt;
}
edge[400010];
int head[5010],size;
void add(int from,int to,int dis)
{
	edge[++size].nxt=head[from];
	edge[size].to=to;
	edge[size].dis=dis;
	head[from]=size;
}
void init()
{
	memset(edge,-1,sizeof(edge));
	memset(head,-1,sizeof(head));
}
int n,m,ans,tot;
int u,v,w;
int dis[5010];
bool b[5010];
struct node
{
	int dis,d;
	bool operator < (const node &x)const
	{
		return x.dis<dis;
	}
};
void prim()
{
	for(int i=1;i<=n;i++)
		dis[i]=0x3f3f3f3f;
	priority_queue<node> q;
	dis[1]=0;
	q.push((node){0,1});
	while(!q.empty()&&tot<=n-1)
	{
		node t=q.top();
		q.pop();
		u=t.d;
		if(b[u])
			continue;
		tot++;
		ans+=t.dis;
		b[u]=1;
		for(int i=head[u];~i;i=edge[i].nxt)
		{
			v=edge[i].to,w=edge[i].dis;
			if(w<dis[v])
			{
				dis[v]=w;
				q.push((node){dis[v],v});
			}
		}
	}
}
int main()
{
	init();
	scanf("%d%d",&n,&m);
	for(int i=1;i<=m;i++)
	{
		scanf("%d%d%d",&u,&v,&w);
		add(u,v,w);
		add(v,u,w);
	}
	prim();
	if(tot<n-1)
		printf("orz");
	else
	printf("%d",ans);
	return 0;
}

Kruskal

采用并查集实现,复杂度为 O ( m l o g m ) O(mlogm) O(mlogm)。复杂度的主要瓶颈在于快速排序,但是还是建议对并查集进行优化。

代码(并查集+路径压缩):

#include<iostream>
#include<cstdio>
#include<algorithm>
#define MAXN 5010
#define MAXM 200010
using namespace std;
int n,m,tot,ans;
int u,v,w;
struct st
{
	int from;
	int to;
	int dis;
}
edge[MAXM*2];
bool cmp(st a,st b)
{
	return a.dis<b.dis;
}
int f[MAXN];
int root(int x)
{
	if(f[x]==x)
		return x;
	f[x]=root(f[x]);
	return f[x];
}
void join(int x,int y)
{
	int r1=root(x),r2=root(y);
	if(r1!=r2)
		f[r1]=r2;
}
void kruskal()
{
	sort(edge+1,edge+m+1,cmp);
	for(int i=1;i<=m;i++)
	{
		u=root(edge[i].from),v=root(edge[i].to);
		if(u==v)
			continue;
		ans+=edge[i].dis;
		join(u,v);
		if(++tot==n-1)
			break;
	}
}
int main()
{
	scanf("%d%d",&n,&m);
	for(int i=1;i<=m;i++)
		scanf("%d%d%d",&edge[i].from,&edge[i].to,&edge[i].dis);
	for(int i=1;i<=n;i++)
		f[i]=i;
	kruskal();
	if(tot!=n-1)
		printf("orz\n");
	else
		printf("%d",ans);
	return 0;
}
内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
最小生成树问题有两种常用算法,即Kruskal算法Prim算法,前者适合点多边少的图,后者适合边多点少的图[^1]。 Kruskal算法的基本思想是将图G中的边按权值从小到大排好序,然后从小的开始依次选取,若选取的边使生成树T不形成回路,则把它并入边集合TE中,保留作为T的一条边;若选取的边使生成树形成回路,则将其舍弃;如此进行下去,直到TE中包含n - 1条边为止,最后的T即为最小生成树[^3]。 Prim算法是设置边的集合TE的初始状态为空集,逐步扩展生成树,每次选择连接已在生成树中的顶点不在生成树中的顶点的边中权值最小的边加入到TE中,直到TE中包含n - 1条边。 以下是Matlab实现这两种算法的示例代码: #### Kruskal算法实现 ```matlab function mst = kruskal(edges, num_vertices) % 对边按权值从小到大排序 sorted_edges = sortrows(edges, 3); % 初始化最小生成树的边集合 mst = []; % 初始化并查集 parent = (1:num_vertices)'; % 查找节点的根节点 function root = find_set(node) while parent(node) ~= node node = parent(node); end root = node; end % 合并两个集合 function union_sets(node1, node2) root1 = find_set(node1); root2 = find_set(node2); if root1 ~= root2 parent(root2) = root1; end end % 遍历排序后的边 for i = 1:size(sorted_edges, 1) u = sorted_edges(i, 1); v = sorted_edges(i, 2); % 检查是否形成回路 if find_set(u) ~= find_set(v) % 若不形成回路,加入最小生成树 mst = [mst; sorted_edges(i, :)]; % 合并两个顶点所在的集合 union_sets(u, v); end end end ``` #### Prim算法实现 ```matlab function mst = prim(adj_matrix, start_vertex) num_vertices = size(adj_matrix, 1); % 标记顶点是否已加入最小生成树 visited = false(1, num_vertices); % 初始化最小生成树的边集合 mst = []; % 从起始顶点开始 visited(start_vertex) = true; % 循环直到所有顶点都加入最小生成树 while sum(visited) < num_vertices min_weight = Inf; min_edge = []; % 遍历已访问的顶点 for i = 1:num_vertices if visited(i) % 遍历未访问的顶点 for j = 1:num_vertices if ~visited(j) && adj_matrix(i, j) ~= 0 && adj_matrix(i, j) < min_weight % 找到权值最小的边 min_weight = adj_matrix(i, j); min_edge = [i, j, min_weight]; end end end end % 将最小权值的边加入最小生成树 mst = [mst; min_edge]; % 标记新加入的顶点为已访问 visited(min_edge(2)) = true; end end ``` 你可以使用以下方式调用这两个函数: ```matlab % 示例图的边集合,格式为 [起点, 终点, 权值] edges = [1, 2, 1; 1, 3, 3; 2, 3, 2]; num_vertices = 3; % 调用Kruskal算法 mst_kruskal = kruskal(edges, num_vertices); disp('Kruskal算法得到的最小生成树:'); disp(mst_kruskal); % 示例图的邻接矩阵 adj_matrix = [0, 1, 3; 1, 0, 2; 3, 2, 0]; start_vertex = 1; % 调用Prim算法 mst_prim = prim(adj_matrix, start_vertex); disp('Prim算法得到的最小生成树:'); disp(mst_prim); ```
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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