Prim算法

本文详细介绍Prim算法的基本思想及其实现过程。通过构建无向图,采用Prim算法逐步选择权重最小的边来形成一颗包含所有顶点的最小生成树。文章提供了完整的C语言代码示例,演示了如何初始化图结构、创建图以及执行Prim算法。

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

Prim算法的思想:从图中任意取出一个顶点,把它当成一棵树,然后从与这颗树相接的边中选取一条最短(权值最小)的边,并将这条边及其多连接的顶点也并入这棵树中,此时得到了一棵有两个顶点的树,然后从与这棵树相接的边中选取一条最短的边,并将这条边及其所连顶点并入当前树中,得到一棵含有3个顶点的树,一次类推。。。

代码如下:

/*构造一张无向图*/
#ifndef MGRAPH_H_
#define MGRAPH_H_

#define INF 9999
#define maxSize 30
typedef int VertexType;	
typedef struct 
{
	int edges[maxSize][maxSize];
	int n,e;
	VertexType vex[maxSize];
}MGraph;

void CreateMGraph( MGraph * G)
{
	int i,j,k,weight;
	int n1,n2;
	
	printf("请输入顶点数和边数(输入格式为:顶点数,边数):\n");
	scanf("%d,%d",&(G->n),&(G->e));
	//给顶点编号
	for(i=0;i<G->n;i++)
		G->vex[i]=i;
	for(i=0;i<G->n;i++)
		for(j=0;j<G->n;j++)
			{
                        G->edges[i][j]=INF;
                        if(i==j)
                            G->edges[i][j]=0;//邻接矩阵的对角线为0
                        }
        printf("请输入对应的边的结点号和边的权值(i,j,w)\n");
	for(k=0;k<G->e;k++)
	{
		printf("第%d条边的结点号和权值:",k+1);
		scanf("%d,%d,%d",&i,&j,&weight);
		G->edges[i][j]=weight;
		G->edges[j][i]=weight;
	}
}
#endif

头文件MGraph.h结束


#include<stdio.h>
#include"MGraph.h"

typedef enum {NO,YES} Bool;
Bool vset[maxSize];
void Prim(MGraph const G,int const v0,int * sum)
{
    int lowcost[maxSize],v;//lowcost保存的是当前生成树到顶点的最短边的权值
    int i,j,k,min;
    v=v0;
    for(i=0;i<G.n;i++)
    {
        lowcost[i]=G.edges[v0][i];
        vset[i]=NO;
    }
    vset[v0]=YES;
    printf("%d",v0);
    *sum=0;//sum 清零用来累计树的权值
    for (i=0;i<G.n-1;i++)
    {
                
        min=INF;
        /*下面这个循环用于选出候选边中的最小者*/
        for(j=0;j<G.n;j++)
            if(vset[j]==NO && lowcost[j]<min)
            {
                min=lowcost[j];
                k=j;
            }
        vset[k]=YES;
        v=k;
        *sum=(*sum)+min;
        printf(" %d",k);
        /*以刚并入的顶点V为媒介更新候选边*/
        for(j=0;j<G.n;j++)
            if(vset[j]==NO&&G.edges[v][j]<lowcost[j])
                lowcost[j]=G.edges[v][j];
    }
}

void main(void)
{
    MGraph G;
    int sum=0;
    int i;
    CreateMGraph(&G);
    Prim(G,0,&sum);
    printf("%d",sum);
    
}


### Prim算法与Kruskal算法的比较 Prim算法和Kruskal算法都是用于求解加权连通最小生成树的经典算法。尽管它们的目标相同,但在实现方式、时间复杂度、空间复杂度以及适用场景等方面存在显著差异。 #### 时间复杂度 - **Prim算法**:在最基础的形式下,Prim算法的时间复杂度为 $O(n^2)$,其中 $n$ 表示顶点的数量。通过使用更高效的数据结构如二叉堆优化后,时间复杂度可以降低至 $O(E\log V)$,这里 $E$ 是边的数量,$V$ 是顶点的数量[^1]。 - **Kruskal算法**:Kruskal算法的时间复杂度主要受到排序所有边的影响,通常为 $O(E\log E)$ 或者等价于 $O(E\log V)$,因为边的数量最多可达 $V(V-1)/2$(对于完全)[^1]。 #### 空间复杂度 - **Prim算法**:其空间复杂度主要取决于顶点数量,大约为 $O(V)$,因为它需要维护一个包含所有顶点的信息的数据结构来跟踪哪些顶点已经被加入到最小生成树中。 - **Kruskal算法**:其空间复杂度则与边数相关,约为 $O(E)$,主要用于存储所有的边及其权重信息。 #### 实现难度 - **Prim算法**:通常认为Prim算法比Kruskal算法更容易实现,尤其是当使用邻接矩阵作为数据结构时。它依赖于优先队列来选择下一个最近的顶点加入到已有的树中。 - **Kruskal算法**:相比之下,Kruskal算法的实现稍微复杂一些,因为它不仅需要对所有边按权重进行排序,还需要一种机制(如并查集)来检测和避免形成环路。 #### 适用场景 - **Prim算法**:更适合处理边稠密的,即边的数量接近于顶点数量平方的情况。在这种情况下,Prim算法的性能优势更为明显[^3]。 - **Kruskal算法**:对于稀疏而言,即边的数量远小于顶点数量平方的情况下,Kruskal算法的表现更加出色。由于只需要对所有边进行一次排序,因此在处理大规模稀疏时效率更高。 综上所述,虽然两种算法都能有效地找到最小生成树,但根据具体的应用场景选择合适的算法是非常重要的。如果是稠密的,那么Prim算法可能是更好的选择;而对于稀疏,则推荐使用Kruskal算法。 ```python # 示例代码 - Kruskal算法的基本框架 class UnionFind: def __init__(self, size): self.parent = list(range(size)) 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): rootX = self.find(x) rootY = self.find(y) if rootX == rootY: return False self.parent[rootY] = rootX return True def kruskal(n, edges): uf = UnionFind(n) res = [] for u, v, weight in sorted(edges, key=lambda x: x[2]): if uf.union(u, v): res.append((u, v, weight)) if len(res) == n - 1: break return res ```
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