标签:kruskal算法 data using get namespace operator 斐波那契 cst 条件
普里姆算法(Prim算法),图论中的一种算法。可在加权连通图里搜索最小生成树。
意即由此算法搜索到的边子集所构成的树中,不但包含了连通图里的全部顶点。且其全部边的权值之和亦为最小。该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克发现;并在1957年由美国计算机科学家罗伯特·普里姆独立发现。1959年,艾兹格·迪科斯彻再次发现了该算法。因此,在某些场合,普里姆算法又被称为DJP算法、亚尔尼克算法或普里姆-亚尔尼克算法。我们之前介绍的Kruskal算法适用于稀疏图(一般我们觉得满足|E| < V*(V-1)/4时。图为稀疏图, |E|为边的数量,V为顶点数)。
我们将要介绍的Prim算法则是适用于稠密图(我们这里所说的适用于某种情况。仅仅表示该算法在这个条件下效率最优)。
1、算法描写叙述
从单一顶点開始,普里姆算法依照下面步骤逐步扩大树中所含顶点的数目,直到遍及连通图的全部顶点。
输入:一个加权连通图,当中顶点集合为V,边集合为E 输出:使用集合Vnew和Enew来描写叙述所得到的最小生成树 算法流程: 1.初始化:Vnew = {x},当中x为集合V中的任一节点(起始点),Enew = {}。 2.反复下列操作,直到Vnew = V: <1>在集合E中选取权值最小的边(u, v),当中u为集合Vnew中的元素。而v则是V中没有增加Vnew的顶点(假设存在有多条满足前述条件即具有同样权值的边。则可随意选取当中之中的一个); <2>将v增加集合Vnew中,将(u, v)增加集合Enew中。
以下给出一个无向图,每条边上的数字为权值:
我们任选一个顶点作为起始点。这里我们随便选一个。就以D作为起始点。
如今集合Vnew = { D }, Enew = { }。顶点A、B、E和F通过单条边与D相连。A是距离D近期的顶点,因此将A及相应边AD以高亮表示(下同)。由于顶点A是距离集合Vnew近期的点。所以我们将A增加集合。所以如今集合为 Vnew = { A, D}, Enew = { (A, D) }。
下一个顶点为距离集合Vnew近期的顶点(也就是距离D或A近期的点)。B距D为9,距A为7。E为15,F为6。因此,F距D或A近期。所以我们将顶点F增加集合Vnew,将边(D, F)增加集合 Enew。如今集合变为 Vnew = { A。 D, F }, Enew = { (A, D) , (D, F) }。
我们继续反复上面的步骤。
我们能够发现距离集合Vnew近期的点为B,(A, B)距离为 7 。所一我们将B增加集合Vnew。 将边(A, B)增加集合Enew。如今集合就变为 Vnew = { A, B, D, F }, Enew = { (A, B), (A, D), (D, F) }。
我们仅仅要不断的反复上述步骤,非常快我们就找到了该图的最小生成树(如图所看到的)
有兴趣的朋友,还能够试试用其它顶点作为起点看看答案是否一致。最后你会惊奇的发现不管你取哪一个点。最后的答案都是一致的。
2、Prim算法的时间复杂度
Prim算法循环|V| - 1,每次都要寻找距离集合Vnew的最小值。 扫描与一个点所连接的全部边。
假设使用将一个点全部的边都扫描一遍的算法,则时间复杂度为O(|V|2 + |E|)。
假设我们使用二叉堆来实现查找距离集合Vnew的最小值。则时间复杂度为O(|E| log |V| )。
假设使用斐波那契堆优化的话,那么时间复杂度将能够近一步优化为O(|E| + |V | log|V|)。
3*、Prim算法的证明(不感兴趣的能够直接跳过)
设Prim生成的树为G0 如果存在Gmin使得cost(Gmin)<cost(G0) 则在Gmin中存在(u,v)不属于G0 将(u,v)增加G0中可得一个环,且(u,v)是该环的最长边 这与prim每次生成最短边矛盾 故如果不成立,得证.
4、Prim算法的实现
这里我们就用一到题目来说明Prim算法的实现 还是畅通project 。大家能够先思考思考,看看能不能依据上面的描写叙述自己实现Prim算法。以下附上这一题的代码,以供參考:
【未优化版】
#include <cstdio> #include <vector> #define INF 0xfffffff #define MAXN 100 + 10 using namespace std; struct Vex{ int v, weight; Vex(int tv, int tw):v(tv), weight(tw){} }; vector<Vex> graph[MAXN]; bool inTree[MAXN]; int mindist[MAXN]; void Init(int n){ for(int i = 1; i <= n; i++){ mindist[i] = INF; inTree[i] = false; graph[i].clear(); } } int Prim(int s, int n){ int addNode, tempMin, tempVex ,ret = 0; //将顶点S增加集合Vnew inTree[s] = true; //初始化,各点到集合Vnew的距离, 数组mindist表示各点到集合Vnew的最小距离 for(unsigned int i = 0; i < graph[s].size(); i++) mindist[graph[s][i].v] = graph[s][i].weight; //由于还有n-1个点没有增加集合Vnew。所以还要进行n-1次操作 for(int NodeCount = 1; NodeCount <= n-1; NodeCount++){ tempMin = INF; //在还没有增加集合Vnew的点中查找距离集合Vnew最小的点 for(int i = 1; i <= n; i++){ if(!inTree[i] && mindist[i] < tempMin){ tempMin = mindist[i]; addNode = i; } } //将距离集合Vnew距离最小的点增加集合Vnew inTree[addNode] = true; //将新增加边的权值计入ret ret += tempMin; //更新还没有增加集合Vnew的点 到 集合Vnew的距离 for(unsigned int i = 0; i < graph[addNode].size(); i++){ tempVex = graph[addNode][i].v; if(!inTree[tempVex] && graph[addNode][i].weight < mindist[tempVex]){ mindist[tempVex] = graph[addNode][i].weight; } } } return ret; } int main(){ int n; int v1, v2, weight; while(scanf("%d", &n), n){ Init(n); for(int i = 0; i < n*(n-1)/2; i++){ scanf("%d%d%d", &v1, &v2, &weight); graph[v1].push_back(Vex(v2, weight)); graph[v2].push_back(Vex(v1, weight)); } printf("%d\n", Prim(1, n)); } return 0; }
【堆优化版】
#include <cstdio> #include <vector> #include <queue> #define INF 0xfffffff #define MAXN 100 + 10 using namespace std; struct Vex{ int v, weight; Vex(int tv = 0, int tw = 0):v(tv), weight(tw){} bool operator < (const Vex& t) const{ return this->weight > t.weight; } }; vector<Vex> graph[MAXN]; bool inTree[MAXN]; int mindist[MAXN]; void Init(int n){ for(int i = 1; i <= n; i++){ mindist[i] = INF; inTree[i] = false; graph[i].clear(); } } int Prim(int s, int n){ priority_queue<Vex> Q; Vex temp; //res用来记录最小生成树的权值之和 int res = 0; //将s增加集合Vnew。并更新与点s相连接的各点到集合Vnew的距离 inTree[s] = true; for(unsigned int i = 0; i < graph[s].size(); i++){ int v = graph[s][i].v; if(graph[s][i].weight < mindist[v]){ mindist[v] = graph[s][i].weight; //更新之后。增加堆中 Q.push(Vex(v, mindist[v])); } } while(!Q.empty()){ //取出到集合Vnew距离最小的点 temp = Q.top(); Q.pop(); int addNode = temp.v; if(inTree[addNode]) continue; inTree[addNode] = true; res += mindist[addNode]; //更新到集合Vnew的距离 for(unsigned int i = 0; i < graph[addNode].size(); i++){ int tempVex = graph[addNode][i].v; if(!inTree[tempVex] && mindist[tempVex] > graph[addNode][i].weight){ mindist[tempVex] = graph[addNode][i].weight; Q.push(Vex(tempVex, mindist[tempVex])); } } } return res; } int main(){ int n; int v1, v2, weight; while(scanf("%d", &n), n){ Init(n); for(int i = 0; i < n*(n-1)/2; i++){ scanf("%d%d%d", &v1, &v2, &weight); graph[v1].push_back(Vex(v2, weight)); graph[v2].push_back(Vex(v1, weight)); } printf("%d\n", Prim(1, n)); } return 0; }
假设不了解priority_queue的朋友能够參考:Here。
【斐波那契堆优化】
先挖个坑,以后再填,有兴趣的朋友能够自行完好。
想找一些题练练手朋友,能够移步到这里:图论题目分类
标签:kruskal算法 data using get namespace operator 斐波那契 cst 条件
原文地址:http://www.cnblogs.com/zhchoutai/p/7289799.html