热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

最小生成树(MinimumSpanningTree,MST)---Prim算法

本文链接:http:www.cnblogs.comAsh-lyp5409904.html普瑞姆(Prim)算法:假设N(V,{E})是连通网,TE是N上最小生成树边的集合

本文链接:http://www.cnblogs.com/Ash-ly/p/5409904.html

普瑞姆(Prim)算法:

  假设N = (V, {E})是连通网,TE是N上最小生成树边的集合,U是是顶点集V的一个非空子集,算法从U = {uo}(u0 属于 V),TE = {}开始,重复执行下述动作:

  在所有u属于U,v属于V - U的边(u, v),且(u, v)属于E中找一条代价最小的边(u0, v0)并并入集合TE中,同时v0并入U,直至U = V为止。此时TE中必有n - 1条边,则T = (V, {TE})为N的最小生成树。

  为了实现这个算法,需要另设一个辅助数组lowcost,lowcost[i]代表V - U中点 i 到 U中某点的最小代价。假如用edge[x][y] 代表 x 和 y 之间的代价为edge[x][y],那么lowcost[i] = Min{edge[i][j] | i 属于 V - U, j  属于 U}。

  时间复杂度:O(n^2),适合点少边多稠密图。

用图描述:

N的初始图:

 

假设从V1开始生成,T 为最终的MST,G 为(V - T{v}, E - T{e} - (lowcost[i], T{v}) | lowcost[i] = INF)(有点乱貌似,继续看图吧)

则图T:                      则图G:          

  

lowcost[i]代表N 中的每个点能连通T的最小代价,点 i 如果不能直接和 T 中某点连通则值应为INF(无穷大),如果点 i 已经属于T,则标记为红色,值为-1。

 

可以看到 N 中的 V4 到T的代价最短,则选择 V4 加入 T 中。

则图T变为:                     则图G变为:

  

由于V4的加入,所以需要更新lowcost数组,lowcost[i] = min(lowcost[i], edge[i][v4])(i 属于 V(G))。lowcost[v2] = 7,而edge[v2][v4] = 9,那么lowcost[v2] 仍然是 7;locost[v3] = INF,而edge[v3][v4] = INF,那么lowcost[v3] 仍然是 INF;lowcost[v4][v4] = -1;lowcost[v5] = INF,而edge[v5][v4] = 15,那么应该把lowcost[v5]更新为15;同理edge[v6][v4]

则lowcost变为:

 

可以看到,lowcost[v6]代价最小,那么选择V6加入T中

则图T变为:                     则图G变为:

  

继续根据更新lowcost的公式,lowcost[i] = min(lowcost[i], edge[v6][i]),(i  属于 V(G))更新lowcost数组。

则lowcost变为:

 

继续选择代价最小的,lowcost[v2] 最小,那么把 v2 加入 T 中

则图T变为:                     则图G变为:

  

执行lowcost[i] = min(lowcost[i], edge[v2][i])。

则得到的lowcost数组为:

 

同样选择代价最小的lowcost[v5],即把V5加入T中。

则图T变为:                     则图G变为:

  

执行lowcost[i] = min(lowcost[i], edge[v5][i])。

则得到的lowcost数组为:

 

继续选择代价最小的lowcost[V3],把V3加入到T中

则图T变为:                     则图G变为:

  

执行lowcost[i] = min(lowcost[i], edge[v3][i])。

则得到的lowcost数组为:

 

显而易见,选择V7加入T中

则图T变为: 

 

至此,算法结束,得到的图T就是所寻找的MST!!!

代码( 未优化, 时间复杂度: O(N2) ):

#include 
#include 
#include 
#include 
#include 
#include 
#include 
using namespace std;

const int MAXN = 103;
const int INF = 0x3f3f3f3f;    //最大值
int edge[MAXN][MAXN];        //邻接矩阵
int used[MAXN];         //标记这个点是否在最小生成树的集合(是否在T中)里面  0 代表未加入  1 代表加入
int lowcost[MAXN];      //存放的是未被加入集合的点(G中的点)到已经被加入集合的点(T中的点)的最短距离
int N,M;

int prim(int start,int maxn)    //假设 从 start 开始寻找MST, maxn  代表点的个数
{
   used[start] = 1;
   for(int i = 1; i <= maxn; i++)    //刚开始只有start 这个点在集合里面 所以初始化这个数组为到集合之外的各个点的距离 ,如果没有则是无穷大(INF)
   {
       lowcost[i] = edge[start][i];
   }
   int sumweight = 0;    // MST 的权值
   int ok = 0;
   for(int i = 1; i <= maxn; i++)
   {
       int minn = INF ;   //为找到最短的那条边
       int v = -1;          //标记找的那个点
       for(int j = 1; j <= maxn; j++)     //开始寻找集合之外得点到集合之里的点的最短边
       {
           if(used[j] == 0 && lowcost[j] //在集合之外的点寻找最短的边
           {
               minn = lowcost[j];
               v = j;  
           }
       }
       if(v != -1)    //找到了 v  这个点
       {
           ok++;
           used[v] = 1;   //标记已被使用
           sumweight += lowcost[v];   //更新权值
           for(int j = 1; j <= maxn; j++)      //更新存放最短边的集合(lowcost)
           {
               if(used[j] == 0 && lowcost[j] > edge[v][j])    //在集合之外(G)得点 寻找到集合之里(T)各个点的最短边 更新数组
               {
                   lowcost[j] = edge[v][j];
               }
           }
       }
   }
   if(ok == maxn -1)    //找到了
     return sumweight;
   return -1;     //没找到
}

int main()
{
    while(cin >> N >> M && N)
    {
        memset(edge, 0x3f, sizeof(edge));  //清空为最大值
        memset(used, 0, sizeof(used));    //刚开始所有的点都在集合之外
        while(N--)
        {
            int u, v, w;
            cin >> u >> v >> w;
            edge[u][v] = edge[v][u] = w;
        }
        int ans = prim(1, M);       //从 1 这个点开始找 一共有M个点
        if(ans <0) cout <<"?" <<endl;
        else cout < endl;
    }
    return 0;
}

 

堆优化:假设 Vb 为MST的点集合, Va为不属于MST的点集和, Vb初始化仅有起点 s, Va 为其余所有点, 上面算法是用一个数组 lowcost 来维护 Va 中的点到 Vb 中的点的最短距离,但是每次更新时需要遍历所有点集,这是一步很耗时的操作,在这里可以用堆来对其进行优化.使用堆(Binary Heap)来保存 Va 中每一点到 Vb 中所有点的最短边长并维护其最小值,并在访问每条边的时候更新.由于堆比较复杂,STL油提供了现成的堆(priority_queue)

代码( 优先队列(堆) + Prim, 时间复杂度O( (N + M) * logN ) ):

 1 const int MAXN = 10000; 
 2 const int MAXE = 100000;
 3 const int INF = 0x3f3f3f3f;
 4 int n, m;
 5 bool visit[MAXN + 3];
 6 int lowcost[MAXN + 3];
 7 int pre[MAXN + 3];
 8 
 9 int head[MAXN + 3], len;
10 struct EDGE { int to; int next; int w; };
11 EDGE edge[2 * MAXE + 3];
12 
13 void addedge(int u, int v, int w) { 
14     edge[len].to = v;
15     edge[len].w = w;
16     edge[len].next = head[u];
17     head[u] = len++;
18 }
19 
20 struct NODE { //队列中的节点
21     int v; int w; //点  v 到 MST 集合中的距离为 w
22     NODE () {}
23     NODE (int u, int wh) {v = u, w = wh;}
24     bool operator <(const NODE& a) const {
25         if(w == a.w) return v > a.v;
26         return w > a.w;
27     }
28     NODE& operator = (const NODE & a) {
29         v = a.v, w = a.w;
30         return *this;
31     }
32 };
33 
34 int prim(int st) {
35     memset(visit, false, sizeof(visit));
36     memset(pre, -1, sizeof(pre));
37     for(int i = 0; i <= n; i++) lowcost[i] = INF;
38     lowcost[st] = 0, pre[st] = st;
39     priority_queue minhp;
40     minhp.push( NODE(st, 0) );    //初始节点入队
41     int mst = 0, cnt = 0;
42     while( !minhp.empty() ) {
43         NODE tp = minhp.top(); minhp.pop(); //从队列首部取出最近的节点, 并删除
44         if(visit[tp.v]) continue;
45         visit[tp.v] = true; //标记已访问节点
46         mst += tp.w, cnt++;//记录MST权值以及MST集合中的点的个数
47         for(int k = head[tp.v], j; k != -1; k = edge[k].next) {
48             if(!visit[j = edge[k].to] && edge[k].w //更新最短边长度
49                 pre[j] = tp.v;
50                 lowcost[j] = edge[k].w;
51                 minhp.push( NODE(j, lowcost[j]) );
52             }
53         }
54     }
55     return cnt == n ?  mst : -1;
56 }

 


推荐阅读
  • 2012年9月12日优酷土豆校园招聘笔试题目解析与备考指南
    2012年9月12日,优酷土豆校园招聘笔试题目解析与备考指南。在选择题部分,有一道题目涉及中国人的血型分布情况,具体为A型30%、B型20%、O型40%、AB型10%。若需确保在随机选取的样本中,至少有一人为B型血的概率不低于90%,则需要选取的最少人数是多少?该问题不仅考察了概率统计的基本知识,还要求考生具备一定的逻辑推理能力。 ... [详细]
  • 双指针法在链表问题中应用广泛,能够高效解决多种经典问题,如合并两个有序链表、合并多个有序链表、查找倒数第k个节点等。本文将详细介绍这些应用场景及其解决方案。 ... [详细]
  • 题目《BZOJ2654: Tree》的时间限制为30秒,内存限制为512MB。该问题通过结合二分查找和Kruskal算法,提供了一种高效的优化解决方案。具体而言,利用二分查找缩小解的范围,再通过Kruskal算法构建最小生成树,从而在复杂度上实现了显著的优化。此方法不仅提高了算法的效率,还确保了在大规模数据集上的稳定性能。 ... [详细]
  • 本文是Java并发编程系列的开篇之作,将详细解析Java 1.5及以上版本中提供的并发工具。文章假设读者已经具备同步和易失性关键字的基本知识,重点介绍信号量机制的内部工作原理及其在实际开发中的应用。 ... [详细]
  • C++ 异步编程中获取线程执行结果的方法与技巧及其在前端开发中的应用探讨
    本文探讨了C++异步编程中获取线程执行结果的方法与技巧,并深入分析了这些技术在前端开发中的应用。通过对比不同的异步编程模型,本文详细介绍了如何高效地处理多线程任务,确保程序的稳定性和性能。同时,文章还结合实际案例,展示了这些方法在前端异步编程中的具体实现和优化策略。 ... [详细]
  • 2018 HDU 多校联合第五场 G题:Glad You Game(线段树优化解法)
    题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=6356在《Glad You Game》中,Steve 面临一个复杂的区间操作问题。该题可以通过线段树进行高效优化。具体来说,线段树能够快速处理区间更新和查询操作,从而大大提高了算法的效率。本文详细介绍了线段树的构建和维护方法,并给出了具体的代码实现,帮助读者更好地理解和应用这一数据结构。 ... [详细]
  • 手指触控|Android电容屏幕驱动调试指南
    手指触控|Android电容屏幕驱动调试指南 ... [详细]
  • 算法学习心得与经验总结
    在算法学习的过程中,我总结了一些宝贵的心得和经验。本文将重点探讨莫比乌斯反演技巧的应用,并提供详细的实例解析。通过不断的学习和实践,我逐步掌握了这一复杂但强大的工具。此外,文章还将分享一些实用的学习资源和参考资料,帮助读者更好地理解和应用这些算法。希望本文能为算法学习者提供有价值的参考和指导。 ... [详细]
  • 寒假作业解析:第三周 2月12日 第7题
    尽快完成之前的练习任务!每日一练2.1 Problem A Laurenty and Shop 的题目要求是选择两条不同的路线以最小化总的等待时间。简要分析:通过对比不同路线的等待时间,可以找到最优解。此问题可以通过动态规划或贪心算法来解决,具体取决于路线的复杂性和约束条件。 ... [详细]
  • IOS Run loop详解
    为什么80%的码农都做不了架构师?转自http:blog.csdn.netztp800201articledetails9240913感谢作者分享Objecti ... [详细]
  • 字符串学习时间:1.5W(“W”周,下同)知识点checkliststrlen()函数的返回值是什么类型的?字 ... [详细]
  • 视频编码涉及多个关键参数,如比特率、帧率和采样率等。比特率(Bit Rate)是指单位时间内视频或音频文件的数据传输量,通常以千比特每秒(Kbps)为单位。这些参数对视频质量和文件大小有重要影响。帧率(Frame Rate)表示每秒钟显示的图像帧数,而采样率(Sample Rate)则指每秒从连续信号中提取并形成离散信号的次数。了解这些基础概念有助于更好地优化视频编码效果。 ... [详细]
  • 通过优化动态网络Cookies的全网互通机制,实现了用户在任意子站点的登录和注销操作均能同步至整个网络。具体实现涉及对三个关键文件的修改:首先,在`incDv_ClsMain.asp`中定位并调整`Response.Cookies`的相关设置;其次,更新`global.asa`以确保会话状态的一致性;最后,修改`login.asp`以支持跨域认证。这一改进不仅提升了用户体验,还增强了系统的安全性和可靠性。 ... [详细]
  • 帝国CMS中的信息归档功能详解及其重要性
    本文详细解析了帝国CMS中的信息归档功能,并探讨了其在内容管理中的重要性。通过归档功能,用户可以有效地管理和组织大量内容,提高网站的运行效率和用户体验。此外,文章还介绍了如何利用该功能进行数据备份和恢复,确保网站数据的安全性和完整性。 ... [详细]
  • HTML 中的 meta 和 script 标签属性是否区分大小写? ... [详细]
author-avatar
我叫yyson_836
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有