《数据结构》08-图7 公路村村通

题目

现有村落间道路的统计数据表中,列出了有可能建设成标准公路的若干条道路的成本,求使每个村落都有公路连通所需要的最低成本。

输入格式:
输入数据包括城镇数目正整数N(≤1000)和候选道路数目M(≤3N);随后的M行对应M条道路,每行给出3个正整数,分别是该条道路直接连通的两个城镇的编号以及该道路改建的预算成本。为简单起见,城镇从1到N编号。

输出格式:
输出村村通需要的最低成本。如果输入数据不足以保证畅通,则输出−1,表示需要建设更多公路。

输入样例:

6 15
1 2 5
1 3 3
1 4 7
1 5 4
1 6 2
2 3 4
2 4 6
2 5 2
2 6 6
3 4 6
3 5 1
3 6 1
4 5 10
4 6 8
5 6 3

输出样例:

12

分析

1. Kruskal 算法


#include<iostream>
#include<queue>
#include<vector> 
#define MaxVertex 1005
typedef int Vertex;
using namespace std;
int N;  // 顶点 
int M;  // 边 
int parent[MaxVertex];   // 并查集
struct Node{
   
   
	Vertex v1;
	Vertex v2;
	int weight;
	// 重载运算符 
	bool operator < (const Node &a) const
	{
   
   
		return weight>a.weight;
	}
}; 
priority_queue<Node> q;  // 最小堆 
vector<Node> MST; // 最小生成树 
int sum;

// 初始化图信息 
void build(){
   
   
	Vertex v1,v2;
	int w;
	cin>>N>>M;
	for(int i=1;i<=N;i++){
   
    
		parent[i] = -1;
	} 
	// 初始化点
	for(int i=0;i<M;i++){
   
   
		cin>>v1>>v2>>w;
		struct Node tmpE;
		tmpE.v1 = v1;
		tmpE
### 使用Kruskal算法解决公路村村通问题 #### 背景介绍 公路村村通问题是典型的最小生成树(Minimum Spanning Tree, MST)问题之一。假设存在一组村庄以及连接这些村庄的道路成本矩阵,目标是以最低的成本修建道路使得所有村庄之间能够互相连通。 Kruskal算法是一种经典的用于求解MST的方法[^1]。它的核心思想是从全局角度出发,在不形成环的情况下逐步选择权值最小的边加入生成树中,最终得到一棵总权重最小的生成树[^2]。 --- #### Kruskal算法的具体应用过程 以下是利用Kruskal算法解决公路村村通问题的关键步骤: 1. **输入数据建模** 假设共有 \( n \) 个村庄和 \( m \) 条可能的道路,每条道路具有一定的建设费用作为权重。可以将此问题抽象成一个无向加权 \( G(V, E) \),其中顶点集合 \( V \) 表示村庄,边集合 \( E \) 和对应的权重表示各村庄之间的潜在道路及其建设成本。 2. **初始化并查集 (Union-Find)** 并查集被用来高效检测新选入的边是否会构成回路。初始状态下,每个节点都属于独立的一个子集。每次成功添加一条边时,需执行 `union` 操作来合并两个不同的子集[^3]。 3. **按权重排序所有边** 首先把所有的候选路径依据它们各自的造价从小到大排列好顺序以便后续逐一挑选最优选项。 4. **迭代选取合适的边构建MST** 对于排好序后的每一边依次考察: - 如果这条边两端分别位于不同集合里,则将其纳入结果集中,并调用一次 union 合并操作; - 若发现两头已经处于同一组内则跳过该边以免造成循环结构。 5. **终止条件** 当所选出的有效边数达到 \(|V|-1\) 即停止运算流程,此时所得即为满足题目需求的最佳解决方案——也就是所需铺设的所有路段组合起来形成的那棵最小代价生成树。 --- #### Python实现代码示例 下面给出一段基于上述原理编写而成的Python程序片段演示如何运用克鲁斯卡尔方法处理此类实际场景中的最优化决策任务: ```python class UnionFind: def __init__(self, num_nodes): self.parent = list(range(num_nodes)) def find(self, u): if self.parent[u]!=u: self.parent[u]=self.find(self.parent[u]) return self.parent[u] def union(self,u,v): root_u=self.find(u) root_v=self.find(v) if root_u !=root_v : self.parent[root_u ]=root_v def kruskal(edges,nodes_count ): edges.sort(key=lambda edge :edge[2]) uf_set=UnionFind(nodes_count ) result_edges=[] for e in edges: node_a ,node_b,cost=e[:3] set_a=uf_set .find(node_a ) set_b=uf_set .find(node_b ) if(set_a!=set_b ): result_edges.append((node_a,node_b )) uf_set.union(set_a,set_b ) if(len(result_edges)==nodes_count-1 ):break total_cost=sum([e[-1]for e in result_edges ]) return {"edges":result_edges,"total_cost":total_cost} # Example usage with sample data representing villages and roads. villages_and_roads=[ ('A','B',7),('A','D',5), ('B','C',8),('B','D',9), ('C','E',5),('C','F',6), ('D','E',15),('D','G',6), ('E','F',8),('E','H',9), ('F','I',11),('G','H',10)] num_of_villages=len(set(sum(([list(pair[:-1])for pair in villages_and_roads]),[]))) solution=kruskal(villages_and_roads,num_of_villages) print(f"Selected Roads:{solution['edges']}\nTotal Cost={solution['total_cost']}") ``` --- #### 结果解释 运行以上脚本后会输出哪些具体线路应该建造才能达成既定目的同时还保持整体花费最少的效果展示出来的同时也会告知总的预算数额是多少。 ---
评论 5
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