Algorithm --> Kruskal算法和Prim算法

最小生成树之Kruskal算法和Prim算法

  Kruskal多用于稀疏图,prim多用于稠密图。

  根据图的深度优先遍历和广度优先遍历,可以用最少的边连接所有的顶点,而且不会形成回路。这种连接所有顶点并且路径唯一的树型结构称为生成树或扩展树。实际中,希望产生的生成树的所有边的权值和最小,称之为最小生成树。常见的最小生成树算法有Kruskal算法和Prim算法。

 

 

Kruskal算法

n个顶点的图最小生成树步骤如下:

1、边的权值升序排序;

2、选取所有未遍历的边中权值最小的边,判断加入后是否形成回路,若形成回路,放弃之,重新从未被遍历的边中选择。

3、重复上述步骤,直到选中n-1条边。

代码(并查集+kruskal):

#include <iostream>
#include <algorithm>
using namespace std;

#define MAX 105

int N, E, Answer;
int u[MAX], v[MAX], w[MAX];
int p[MAX], r[MAX];

int cmp(const int i, const int j)
{
    return w[i] < w[j];
}

int find(int x)
{
    return (p[x] == x) ? x : p[x] = find(p[x]);
}

void kruskal()
{
    int cnt = 0;
    int x, y;
    
    for(int i = 0; i < N; i++) p[i] = i;
    for(int i = 0; i < E; i++) r[i] = i;
    
    sort(r, r+E, cmp);   //升序排列
    
    for(int i = 0; i < E; i++)
    {
        int e = r[i];
        x = find(u[e]);    //并查集
        y = find(v[e]);
        if(x != y)   //祖先不相同,则不会形成环
        {
            Answer += w[e];    
            p[x] = y;
            cnt++;
        }  
    }
    if(cnt < N - 1) Answer = 0;
}

int main()
{
    while(cin >> N >> E, N)
    {
        Answer = 0;
        for(int i = 0; i < E; i++)
        {
            cin >> u[i] >> v[i] >> w[i];
        }
        
        kruskal();

        cout << Answer << endl;
    }
}

输入:

3 3
1 2 1
1 3 2
2 3 4
4 6
1 2 1
1 3 4
1 4 1
2 3 3
2 4 2
3 4 5
0 0

 


Prim算法

算法描述

普利姆算法求最小生成树时候,和边数无关,只和定点的数量相关,所以适合求稠密网的最小生成树,时间复杂度为O(n*n)。

 

算法过程:

1.将一个图的顶点分为两部分,一部分是最小生成树中的结点(A集合),另一部分是未处理的结点(B集合)。

2.首先选择一个结点,将这个结点加入A中,然后,对集合A中的顶点遍历,找出A中顶点关联的边权值最小的那个(设为v),将此顶点从B中删除,加入集合A中。

3.递归重复步骤2,直到B集合中的结点为空,结束此过程。

4.A集合中的结点就是由Prime算法得到的最小生成树的结点,依照步骤2的结点连接这些顶点,得到的就是这个图的最小生成树。

 

算法实现具体过程:

1.将第一个点放入最小生成树的集合中(标记visited[i]=1意思就是最小生成树集合)。

2.从第二个点开始,初始化dist[i]为跟1点相连(仅仅相连)的边的权值(dist[i]不是这个点的最小权值!在以后会逐步更新)。

3.找最小权值的边。从第二点开始遍历,如果不是最小生成树的集合的点,则找出从2到n的最小权值(dist[j])。

4.将找出来的最小权值的边的顶点加入最小生成树的集合中(标记visited[i] = 1),权值想加。

5.更新dist[j]集合。假设第一次:dist[2]代表与1相连的点的权值,现在加入了index点。则比较index点与2点的边graph[index][2]和dist[2]的大小,若 dist[2]大,则dist[2] = graph[index][2]。(关键步骤:实质就是每在最小生成树集合中加入一个点就需要把这个点与集合外的点比较,不断的寻找两个集合之间最小的边)

6.循环上述步骤,指导将全部顶点加入到最小生成树集合为止。


代码(OJ_1017):

#include <iostream>
#include <cstring>
using namespace std;

#define INF 0x7fffffff
#define MAX 105

int N;
int graph[MAX][MAX];
int dist[MAX];
bool visited[MAX];

void prime()
{
    int sum = 0;
    
    memset(visited, false, sizeof(visited));   //初始化visited
    visited[1] = true;
    
    for(int i = 1; i <= N; i++)
    {
        if(visited[i] == false && dist[i] > graph[1][i])   //初始化dist[i]  
            dist[i] = graph[1][i];
    }
    
    for(int i = 1; i < N; i++) //找生成树集合点集相连最小权值的边 
    {
        int min = INF, index;
        for(int j = 1; j <= N; j++)
        {
            if(visited[j] == false && min > dist[j])
            {
                min = dist[j];
                index = j;
            }
        }
        visited[index] = true;      //加入最小生成树集合
        sum += min;         //记录权值之和
        for(int j = 1; j <= N; j++)    //更新dist数组
        {
            if(visited[j] == false && dist[j] > graph[index][j])
                dist[j] = graph[index][j];
        }
    }
    
    cout << sum << endl;    //最小生成树权值之和
}

void InitData()
{
    for(int i = 0; i <= N; i++)
    {
        for(int j = 0; j <= N; j++)
        {
            graph[i][j] = INF;
        }
        dist[i] = INF;
    }
}

int main()
{
    int a, b, value;
    while(cin >> N, N)
    {
        InitData();
        int m = (N - 1) * N / 2;
        for(int i = 0; i < m; i++)
        {
            cin >> a >> b >> value;
            graph[a][b] = graph[b][a] = value;
        }
        prime();
    }
}

 输入:

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

 

转载于:https://www.cnblogs.com/jeakeven/p/4568789.html

### Prim算法Kruskal算法的比较 #### 工作原理的不同 Prim算法是从任意一个顶点开始构建最小生成树,逐步扩展已有的部分直到覆盖所有顶点。每次迭代过程中选取当前未被纳入生成树集合中的离已有结构最近的一个节点并将其加入其中[^4]。 相比之下,Kruskal算法则侧重于处理边而非顶点。该方法首先按照权值升序排列所有的边,在遍历这些有序列表的同时尝试添加每条边至正在形成的森林里——只要这样做不会形成环路即可[^5]。 #### 数据结构的选择 对于Prim算法而言,通常会利用优先队列来高效找到下一个要访问的最佳候选者;而在实现上可以借助二叉堆或是斐波那契堆等高级数据结构进一步优化性能表现[^3]。 另一方面,由于Kruskal算法涉及频繁查询两个端点是否属于同一连通分量的操作,因此一般配合不相交集(Union-Find)的数据结构使用以加速此类判断过程[^1]。 #### 时间复杂度分析 当面对稠密图时,即边的数量接近于\(V^2\)的情况之下,Prim算法能够展现出更优的时间效率,特别是通过邻接矩阵表示法下的朴素版本更是如此。然而,在稀疏图的情况下,则应考虑采用基于边表表达形式的Kruskal方案,其主要开销在于初始阶段对全部边实施排序操作\[O(E\log E)\]。 #### 应用场景建议 针对具体的应用环境选择合适的最小生成树算法至关重要: - 对于较为密集的网络拓扑结构,推荐选用Prim算法- 如果待解决问题所对应的图形呈现明显稀疏特征,则更适合应用Kruskal算法来进行求解。 ```cpp // 示例代码展示两种算法的核心逻辑差异 (C++) // Prim Algorithm Core Logic void prim(vector<vector<int>>& graph, int start){ priority_queue<pair<int,int>, vector<pair<int,int>>, greater<>> pq; vector<bool> visited(graph.size(), false); pq.push({0,start}); while(!pq.empty()){ auto [weight,node]=pq.top(); pq.pop(); if(visited[node]) continue; visited[node]=true; // Process node and add adjacent nodes to the queue... } } // Kruskal Algorithm Core Logic struct Edge { int u,v,w; }; bool cmp(const Edge& a,const Edge& b){return a.w<b.w;} int find(int x,vector<int>& parent); void kruskal(vector<Edge>& edges, int n){ sort(edges.begin(),edges.end(),cmp); vector<int>parent(n),rank(n,0); iota(parent.begin(),parent.end(),0); for(auto &e : edges){ int pu=find(e.u,parent),pv=find(e.v,parent); if(pu!=pv){ union_sets(pu,pv,parent,rank); // Add edge e into MST ... } } } ```
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