最小生成树prim

本文详细介绍了Prim算法的实现过程,包括初始化、选取起点、标记已访问节点、更新权重等步骤,并通过实例展示了如何使用Prim算法解决最小生成树问题。

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

public class prim {
	static int M = 1000;

	public static void main(String[] args) {
		int graph[][] = { { M, 6, 1, 5, M, M }, { 6, M, 5, M, 3, M },
				{ 1, 5, M, 5, 6, 4 }, { 5, M, 5, M, M, 2 },
				{ M, 3, 6, M, M, 6 }, { M, M, 4, 2, 6, M } };
		int start = 0;
		int n = graph.length;
		int[] visited = new int[n];
		System.out.println(prim(graph, visited, start, n));
	}

	public static int prim(int[][] graph, int[] visited, int start, int n) {
		int pos, result = 0;
		int min = Integer.MAX_VALUE;
		int[] low = new int[n];
		// 从某点开始,分别标记和记录该点
		visited[start] = 1;
		pos = start;
		System.out.print(pos + " ");
		// 第一次给low数组赋值
		for (int i = 0; i < n; i++)
			if (i != pos)
				low[i] = graph[pos][i];
		// 再运行n-1次
		for (int i = 0; i < n - 1; i++) {

			// 找出最小权值并记录位置
			min = Integer.MAX_VALUE;
			for (int j = 0; j < n; j++)
				if (visited[j] == 0 && min > low[j]) {
					min = low[j];
					pos = j;//记录最小值点
				}
			// 最短路径
			result += min;
			// 求出最小值后,设置为已经访问
			visited[pos] = 1;
			// 更新权值
			for (int j = 0; j < n; j++)
				if (visited[j] == 0 && low[j] > graph[pos][j])
					low[j] = graph[pos][j];
			System.out.print(pos + " ");
		}
		return result;
	}
}

### 最小生成树 Prim 算法实现代码示例 Prim 算法是一种用于构造最小生成树的经典算法,其核心思想是从一个顶点出发逐步扩展,直到包含所有顶点为止。以下是基于邻接矩阵的 Prim 算法实现代码示例: ```python import sys # 定义无穷大 INF = sys.maxsize def prim(graph, start): """ 使用 Prim 算法构造最小生成树。 参数: graph -- 邻接矩阵表示的图 start -- 起始节点 返回: mst -- 最小生成树的边集合 total_weight -- 最小生成树的总权值 """ n = len(graph) # 图中节点数量 visited = [False] * n # 标记是否访问过 lowcost = [INF] * n # 记录从当前集合到其他节点的最小权值 adjvex = [None] * n # 记录最小权值对应的前驱节点 mst = [] # 存储最小生成树的边 total_weight = 0 # 最小生成树的总权值 # 初始化 lowcost[start] = 0 adjvex[start] = -1 for _ in range(n): # 找到未访问节点中 lowcost 最小的节点 min_cost = INF u = -1 for i in range(n): if not visited[i] and lowcost[i] < min_cost: min_cost = lowcost[i] u = i if u == -1: # 如果找不到满足条件的节点,退出循环 break # 将节点 u 加入最小生成树 visited[u] = True if adjvex[u] is not None: mst.append((adjvex[u], u, lowcost[u])) total_weight += lowcost[u] # 更新 lowcost 和 adjvex for v in range(n): if not visited[v] and graph[u][v] < lowcost[v]: lowcost[v] = graph[u][v] adjvex[v] = u return mst, total_weight # 示例图(邻接矩阵) graph = [ [0, 2, INF, 6, INF], [2, 0, 3, 8, 5], [INF, 3, 0, INF, 7], [6, 8, INF, 0, 9], [INF, 5, 7, 9, 0] ] # 调用 Prim 算法 mst, total_weight = prim(graph, 0) # 输出结果 print("最小生成树的边集:") for edge in mst: print(f"节点 {edge[0]} -> 节点 {edge[1]}, 权值 {edge[2]}") print(f"最小生成树的总权值:{total_weight}") ``` ### 说明 上述代码实现了 Prim 算法的核心逻辑,并通过邻接矩阵来表示图。算法从指定的起始节点开始,逐步扩展最小生成树,直到包含所有节点。最终输出最小生成树的边集合及其总权值[^4]。 --- ###
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