prim算法和kruskal算法详解

2024-06-18 23:58
文章标签 算法 详解 prim kruskal

本文主要是介绍prim算法和kruskal算法详解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在我们的数据结构中,当涉及到图的寻找最小的路径时,不得不提到最经典的寻找图的最小生成树的算法:
prim算法和kruskal算法详解。下面笔者将与大家共同探讨一下这两个经典的算法和他们的C++代码实现。
首先我们先看引自百度百科的prim算法的定义: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,不但包括了连通图里的所有顶点(英语:Vertex (graph theory)),且其所有边的权值之和亦为最小。它的算法描述为:
1).输入:一个加权连通图,其中顶点集合为V,边集合为E;
2).初始化:Vnew = {x},其中x为集合V中的任一节点(起始点),Enew = {},为空;
3).重复下列操作,直到Vnew = V:
a.在集合E中选取权值最小的边<u, v>,其中u为集合Vnew中的元素,而v不在Vnew集合当中,并且v∈V(如果存在有多条满足前述条件即具有相同权值的边,则可任意选取其中之一);
b.将v加入集合Vnew中,将<u, v>边加入集合Enew中;
4).输出:使用集合Vnew和Enew来描述所得到的最小生成树。
下面开始通过一个例子来看看这个图的最小生成树的具体生成过程:在这里插入图片描述
第一步:
初始的顶点集合V={A,B,C,D,E,F,G },Vnew = {x},其中x为集合V中的任一节点(起始点),Enew = {},为空;
列出图的所有的边的信息:
边-----------权值
<A,D> --------5
<C,E> --------5
<D,F> --------6
<B,E> --------7
<A,B> --------7
<B,C> --------8
<E,F> --------8
<D,B> --------9
<E,G> --------9
<F,G> --------11
<D,E> --------15

第二步:
以集合V任意一个顶点为Vnew新顶点集合中的第一个顶点元素,这里哦选顶点D为第一个:
Vnew ={D }
从V中除去顶点D
V={A,B,C,E,F,G }
可知.在集合E中选取权值最小的边<u, v>,其中u为集合Vnew中的元素,而v不在Vnew集合当中,并且v∈V(如果存在有多条满足前述条件即具有相同权值的边,则可任意选取其中之一),与顶点D相通的有F,B,A ,E这四个顶点,在这个四个顶点中找到与顶点D距离最近的点,
<A,D> --------5
<D,F> --------6
<D,B> --------9
<D,E> --------15
由上可知是顶点A距离顶点D的权值为5最近,则可从中选出最短的一条边<A,D>放入Enew中,则Enew={<A,D>},再将顶点A加入Vnew集合中,则
Vnew={D,A}
从V中除去顶点A
V={B,C,E,F,G }
Enew={<A,D>}
得到图:![在这里插入图片描述](https://img-blog.csdnimg.cn/20191022134130768.png
然后在顶点集合V={B,C,E,F,G }中再找到与 Vnew={D,A}中顶点最近的顶点
<D,F> --------6
<A,B> --------7
<D,B> --------9
<D,E> --------15
可知其中顶点F距离顶点D权值最小,距离最近,那么就将<D,F> --------6加入集合Enew中得到
Enew={<A,D>,<D,F>}
得到图:

再将顶点F加入Vnew中,得到
Vnew={D,A,F}
从V中除去顶点F
V={B,C,E,G }
然后在顶点集合V={B,C,E,G }中再找到与 Vnew={D,A,F}中顶点最近的顶点
<A,B> --------7
<E,F> --------8
<D,B> --------9
<F,G> --------11
<D,E> --------15
可知其中顶点B距离顶点A权值最小为6,距离最近,那么就将<A,B>加入集合Enew中得到
Enew={<A,D>,<D,F>,<A,B>}
得到图:
在这里插入图片描述
再将顶点B加入Vnew中,得到
Vnew={D,A,F,B}
从V中除去顶点B
V={C,E,G }
然后在顶点集合V={C,E,G }中再找到与 Vnew={D,A,F,B}中顶点最近的顶点
<B,E> --------7
<B,C> --------8
<E,F> --------8
<F,G> --------11
<D,E> --------15
可知其中顶点E距离顶点B权值最小为7,距离最近,那么就将<B,E>加入集合Enew中得到
Enew={<A,D>,<D,F>,<A,B>,<B,E>}
再将顶点E加入Vnew中,得到
Vnew={D,A,F,B,E}
得到图:
在这里插入图片描述
从V中除去顶点F
V={C,G }

然后在顶点集合V={C,G }中再找到与 Vnew={D,A,F,B,E}中顶点最近的顶点
<C,E> --------5
<B,C> --------8
<E,G> --------9
<F,G> --------11

可知其中顶点C距离顶点E权值最小为5,距离最近,那么就将<C,E>加入集合Enew中得到
Enew={<A,D>,<D,F>,<A,B>,<B,E>,<C,E>}
得到图:
在这里插入图片描述
再将顶点C加入Vnew中,得到
Vnew={D,A,F,B,E,C}

从V中除去顶点C
V={G }
最后从集合V={G }中再找到与 Vnew={D,A,F,B,E,C}中顶点最近的顶点
<E,G> --------9
<F,G> --------11

可知其中顶点G距离顶点E权值最小为9,距离最近,那么就将<E,G>加入集合Enew中得到
Enew={<A,D>,<D,F>,<A,B>,<B,E>,<C,E>,<E,G>}
得到图:
在这里插入图片描述
再将顶点G加入Vnew中,得到
Vnew={D,A,F,B,E,C,G}
从V中除去顶点G
V={}至此,所有的顶点都访问完毕,得到prim算法的最小生成图,其所有边为
<A,D>,<D,F>,<A,B>,<B,E>,<C,E>,<E,G>,节点的访问顺序为:
D–>A–>F–>B–>E–>C–>G
在此例中,最小生成树的权值之和为5+6+7+7+5+9 = 39。

下面我们又来看看kruskal算法的基本思路:
首先看kruskal算法的百度百科提供的基本思路:
先构造一个只含 n 个顶点、而边集为空的子图,把子图中各个顶点看成各棵树上的根结点,之后,从网的边集 E 中选取一条权值最小的边,若该条边的两个顶点分属不同的树,则将其加入子图,即把两棵树合成一棵树,反之,若该条边的两个顶点已落在同一棵树上,则不可取,而应该取下一条权值最小的边再试之。依次类推,直到森林中只有一棵树,也即子图中含有 n-1 条边为止。
算法实现的基本步骤:
第一步:新建图G,G中拥有原图中相同的节点,但没有边;
第二步:将原图中所有的边按权值从小到大排序;
第三步:从权值最小的边开始,如果这条边连接的两个节点于图G中不在同一个连通分量中,则添加这条边到图G中;
第四步:重复第三步,直至图G中所有的节点都在同一个连通分量中。

下面我们依旧是以上面的例子来进行对该算法的图解:

在这里插入图片描述

第一步:
构造包含所有节点的空图G:
在这里插入图片描述
第二步:
对所有的边进行从小到大的 排列:
<A,D> --------5
<C,E> --------5
<D,F> --------6
<B,E> --------7
<A,B> --------7
<B,C> --------8
<E,F> --------8
<D,B> --------9
<E,G> --------9
<F,G> --------11
<D,E> --------15
第三步:从所有边中选出权值最小的边加入图中,可知最小为<A,D>,<C,E>这两条边,这两条边都可以作为我们加入构造的空图中的第一条边,在这里选择 <A,D>这条边即可,得到新的图:

在这里插入图片描述

则剩下的边为:
<C,E> --------5
<D,F> --------6
<B,E> --------7
<A,B> --------7
<B,C> --------8
<E,F> --------8
<D,B> --------9
<E,G> --------9
<F,G> --------11
<D,E> --------15
在从中选出最小的边<C,E>,该边满足:这条边连接的两个节点于图G中不在同一个连通分量中,那么我们就可以将该边加入新的图得到:
在这里插入图片描述

则剩下的边为:
<D,F> --------6
<B,E> --------7
<A,B> --------7
<B,C> --------8
<E,F> --------8
<D,B> --------9
<E,G> --------9
<F,G> --------11
<D,E> --------15
在从中选出最小的边<D,F>,该边满足:这条边连接的两个节点于图G中不在同一个连通分量中,那么我们就可以将该边加入新的图得到:

在这里插入图片描述
则剩下的边为:
<B,E> --------7
<A,B> --------7
<B,C> --------8
<E,F> --------8
<D,B> --------9
<E,G> --------9
<F,G> --------11
<D,E> --------15
在从中选出最小的边<B,E>,<A,B>这两条边都满足:这条边连接的两个节点于图G中不在同一个连通分量中,那么我们就可以选择将其中一条边加入新的图得到,这里选择将<B,E> 加入新的图得到:
在这里插入图片描述

则剩下的边为:
<A,B> --------7
<B,C> --------8
<E,F> --------8
<D,B> --------9
<E,G> --------9
<F,G> --------11
<D,E> --------15
在从中选出最小的<A,B>,该边满足:这条边连接的两个节点于图G中不在同一个连通分量中, 加入新的图得到:
在这里插入图片描述
则剩下的边为:
<B,C> --------8
<E,F> --------8
<D,B> --------9
<E,G> --------9
<F,G> --------11
<D,E> --------15
在从中选出最小的边<B,C>,<E,F> 由于这两条边的两个顶点都在同一个连通分量上,所以这两条边都不满足:这条边连接的两个节点于图G中不在同一个连通分量中,不能加入到图G中,继续下一步 :
则剩下的边为:
<D,B> --------9
<E,G> --------9
<F,G> --------11
<D,E> --------15
在从中选出最小的边<D,B>,<E,G> ,其中<D,B>两个顶点都在同一个连通分量上,不满足条件,<E,G>则满足:这条边连接的两个节点于图G中不在同一个连通分量中,所以将<E,G>加入新的图得到:
在这里插入图片描述
则剩下的边为:
<D,B> --------9
<F,G> --------11
<D,E> --------15
经过查看,发现这些边均是两个顶点都在同一个连通分量中,所以均不符合加入到新图的条件,到此,一个完整的图的最小生成树就得到了。最终的图解为:
在这里插入图片描述
到此,prim算法和kruskal算法详解的讲解已经完成,剩下就是代码的实现了。至于代码实现的讲解,将在下一个博客文章中讲解。

这篇关于prim算法和kruskal算法详解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1073429

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D