算法快学笔记(十四):图的最小生成树算法

2024-02-14 11:08

本文主要是介绍算法快学笔记(十四):图的最小生成树算法,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!

1. 介绍

最小生成树的应用场景很广,例如电信公司需要将9个村庄进行网络连接,村庄间的距离都不相同,怎么连接才能达到成本最小了?村庄结构图如下:
在这里插入图片描述

V0-V10分别表示村庄,节点间的权重代表距离,连接所有节点的总距离最小,就可以让成本更低。

定义:把构造连通整个图的最小代价生成树称为最小生成树。

2. 相关算法

普利姆与克鲁斯卡尔算法都是贪心算法

2.1 普利姆(Prim)算法

2.1.1 原理

普里姆算法(Prim算法):该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克(英语:Vojtěch Jarník)发现;并在1957年由美国计算机科学家罗伯特·普里姆(英语:Robert C. Prim)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。

算法的基本步骤如下:

  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:

  • 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);
  • 将v加入集合Vnew中,将<u, v>边加入集合Enew中;
  1. 输出:使用集合Vnew和Enew来描述所得到的最小生成树。

算法实例推理步骤如下:
在这里插入图片描述

2.1.2 代码实现

基于邻接矩阵存储结构用Python实现的代码如下:

# -*- coding:utf-8 -*-
# @Author:sunaihua
"""
普里姆算法(Prim算法):最小生成树算法
本实现基于邻接矩阵存储结构
"""
MAX_VALUE = 65536# 图结构的矩阵存储
graph = [[0, 10, MAX_VALUE, MAX_VALUE, MAX_VALUE, 11, MAX_VALUE, MAX_VALUE, MAX_VALUE],[10, 0, 18, MAX_VALUE, MAX_VALUE, MAX_VALUE, 16, MAX_VALUE, 12],[MAX_VALUE, MAX_VALUE, 0, 22, MAX_VALUE, MAX_VALUE, MAX_VALUE, MAX_VALUE, 8],[MAX_VALUE, MAX_VALUE, 22, 0, 20, MAX_VALUE, MAX_VALUE, 16, 21],[MAX_VALUE, MAX_VALUE, MAX_VALUE, 20, 0, 26, MAX_VALUE, 7, MAX_VALUE],[11, MAX_VALUE, MAX_VALUE, MAX_VALUE, 26, 0, 17, MAX_VALUE, MAX_VALUE],[MAX_VALUE, 16, MAX_VALUE, MAX_VALUE, MAX_VALUE, 17, 0, 19, MAX_VALUE],[MAX_VALUE, MAX_VALUE, MAX_VALUE, 16, 7, MAX_VALUE, 19, 0, MAX_VALUE],[MAX_VALUE, 12, 8, 21, MAX_VALUE, MAX_VALUE, MAX_VALUE, MAX_VALUE, 0],
]start_node = 0  # 0节点为初始节点new_v_array = [] #最小生成树的vertex数组
edge_value_array = [] #最小生成树的权值数组
new_e_array = [] #最小生成树的edge数组def prim():v_number = len(graph)latest_edge_target = -1new_v_array.append(start_node)while True:if len(new_v_array) < v_number:smallest_value = MAX_VALUEfor n_index in new_v_array:cur_net = graph[n_index]for index, value in enumerate(cur_net): # 选出new_v_array中所有边的最小值if index not in new_v_array:if (value != 0) and (value <= smallest_value):smallest_value = valuelatest_edge_target = indexlatest_edge_src = n_indexelse:continueprint(new_v_array, n_index, index, value, smallest_value, latest_edge_target)if latest_edge_target not in new_v_array:print("merge:", latest_edge_src, latest_edge_target, smallest_value)new_e_array.append([latest_edge_src, latest_edge_target])new_v_array.append(latest_edge_target)edge_value_array.append(smallest_value)else:breakprint("V seq:", new_v_array)print("E seq:", new_e_array)print("sum value:", sum(edge_value_array))if __name__ == '__main__':prim()

2.1.3 结果

程序的部分输出结果为:

('V seq:', [0, 1, 5, 8, 2, 6, 7, 4, 3])
('E seq:', [[0, 1], [0, 5], [1, 8], [8, 2], [1, 6], [6, 7], [7, 4], [7, 3]])
('sum value:', 99)

连接文章开头部分的最小值为99.

关于时间复杂度问题:

如果记顶点数v,边数e,则采用邻接矩阵的算法复杂度为:

O = V^2

采用邻接表的时间复杂度为:O(elog2v)

2.2 克鲁斯卡尔(Kruskal)算法

2.2.1 原理

Kruskal算法是一种用来寻找最小生成树的算法,由Joseph Kruskal在1956年发表。

算法简单描述如下:

1).记Graph中有v个顶点,e个边

2).新建图Graph_new,Graph_new中拥有原图中相同的e个顶点,但没有边

3).将原图Graph中所有e个边按权值从小到大排序

4).循环:从权值最小的边开始遍历每条边 直至图Graph中所有的节点都在同一个连通分量中,如果 这条边连接的两个节点于图Graph_new中不在同一个连通分量中 则添加这条边到图Graph_new中

推理过程如下:
图例描述:

首先第一步,我们有一张图Graph,有若干点和边

在这里插入图片描述

将所有的边的长度排序,用排序的结果作为我们选择边的依据。这里再次体现了贪心算法的思想。资源排序,对局部最优的资源进行选择,排序完成后,我们率先选择了边AD。这样我们的图就变成了下图

在这里插入图片描述

在剩下的变中寻找。我们找到了CE。这里边的权重也是5

在这里插入图片描述

依次类推我们找到了6,7,7,即DF,AB,BE。

在这里插入图片描述

下面继续选择, BC或者EF尽管现在长度为8的边是最小的未选择的边。但是现在他们已经连通了(对于BC可以通过CE,EB来连接,类似的EF可以通过EB,BA,AD,DF来接连)。所以不需要选择他们。类似的BD也已经连通了(这里上图的连通线用红色表示了)。
最后就剩下EG和FG了。当然我们选择了EG。最后成功的图如下所示:
在这里插入图片描述

2.1.2 实现

# -*- coding:utf-8 -*-
# @Author:sunaihua"""
Kruskal:最小生成树算法
本实现基于邻接矩阵存储结构
"""
import copyMAX_VALUE = 65536# 图结构的矩阵存储
graph = [[0, 10, MAX_VALUE, MAX_VALUE, MAX_VALUE, 11, MAX_VALUE, MAX_VALUE, MAX_VALUE],[10, 0, 18, MAX_VALUE, MAX_VALUE, MAX_VALUE, 16, MAX_VALUE, 12],[MAX_VALUE, MAX_VALUE, 0, 22, MAX_VALUE, MAX_VALUE, MAX_VALUE, MAX_VALUE, 8],[MAX_VALUE, MAX_VALUE, 22, 0, 20, MAX_VALUE, MAX_VALUE, 16, 21],[MAX_VALUE, MAX_VALUE, MAX_VALUE, 20, 0, 26, MAX_VALUE, 7, MAX_VALUE],[11, MAX_VALUE, MAX_VALUE, MAX_VALUE, 26, 0, 17, MAX_VALUE, MAX_VALUE],[MAX_VALUE, 16, MAX_VALUE, MAX_VALUE, MAX_VALUE, 17, 0, 19, MAX_VALUE],[MAX_VALUE, MAX_VALUE, MAX_VALUE, 16, 7, MAX_VALUE, 19, 0, MAX_VALUE],[MAX_VALUE, 12, 8, 21, MAX_VALUE, MAX_VALUE, MAX_VALUE, MAX_VALUE, 0],
]new_v_array = []  # 最小生成树的vertex数组
edge_value_array = []  # 最小生成树的权值数组
new_e_array = []  # 最小生成树的edge数组class Vertex:def __init__(self, distance, x, y):self.distance = distanceself.x = xself.y = ydef __eq__(self, other):if isinstance(other, self.__class__):return self.x == other.y and self.y == other.xelse:return Falsedef __hash__(self):m1 = min(self.x, self.y)m2 = max(self.x, self.y)return hash(("[%s,%s,%s]" % (m1, m2, self.distance)))def __repr__(self):return "[%s,%s,%s]" % (self.x, self.y, self.distance)def find(parent, f):while parent[f] > 0:f = parent[f]return fdef kruskal():edge_with_distance = set()for i, v_net in enumerate(graph):for j, k in enumerate(v_net):if i != j and k != MAX_VALUE:edge_with_distance.add(Vertex(k, i, j))# 根据distance排序,并将利用set特性将相同的节点去掉sorted_graph = sorted(edge_with_distance, key=lambda x: x.distance, reverse=False)parent = [0 for _ in range(len(graph))]for ve in sorted_graph:if len(new_v_array) == (len(graph)):breakn = find(parent, ve.x)m = find(parent, ve.y)# 如果n==m,则表明存在循环节点。if n != m:parent[n] = mprint("parent2:", parent)new_v_array.append(ve)new_e_array.append((ve.x, ve.y))edge_value_array.append(ve.distance)print("V seq:", new_v_array)print("E seq:", new_e_array)print("sum value:", sum(edge_value_array))if __name__ == '__main__':kruskal()

2.1.3 结果

输出结果与Prim结果相同

3. 总结

Prim算法以顶点为起点,逐步寻找顶点上最小权值的边来构建最小生成树,就像参加世博会,先从第一个入口进,然后寻找所在场馆周边最感兴趣的馆,然后再用相同的办法查看下一个。。。。。

Kruskal算法是基于权值最小的边来构建生成树,该思路参加世博园就是先去最想参观的馆,再参观次想参观的馆,最终参观完所有馆。

关于算法效率,Kruskal针对边来展开,边少时效率非常高,是和用于稀疏图。Prim适用于边比较多的场景。

这篇关于算法快学笔记(十四):图的最小生成树算法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/708327

相关文章

Java编译生成多个.class文件的原理和作用

《Java编译生成多个.class文件的原理和作用》作为一名经验丰富的开发者,在Java项目中执行编译后,可能会发现一个.java源文件有时会产生多个.class文件,从技术实现层面详细剖析这一现象... 目录一、内部类机制与.class文件生成成员内部类(常规内部类)局部内部类(方法内部类)匿名内部类二、

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

java中使用POI生成Excel并导出过程

《java中使用POI生成Excel并导出过程》:本文主要介绍java中使用POI生成Excel并导出过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录需求说明及实现方式需求完成通用代码版本1版本2结果展示type参数为atype参数为b总结注:本文章中代码均为

在java中如何将inputStream对象转换为File对象(不生成本地文件)

《在java中如何将inputStream对象转换为File对象(不生成本地文件)》:本文主要介绍在java中如何将inputStream对象转换为File对象(不生成本地文件),具有很好的参考价... 目录需求说明问题解决总结需求说明在后端中通过POI生成Excel文件流,将输出流(outputStre

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

C/C++随机数生成的五种方法

《C/C++随机数生成的五种方法》C++作为一种古老的编程语言,其随机数生成的方法已经经历了多次的变革,早期的C++版本使用的是rand()函数和RAND_MAX常量,这种方法虽然简单,但并不总是提供... 目录C/C++ 随机数生成方法1. 使用 rand() 和 srand()2. 使用 <random

Flask 验证码自动生成的实现示例

《Flask验证码自动生成的实现示例》本文主要介绍了Flask验证码自动生成的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习... 目录生成图片以及结果处理验证码蓝图html页面展示想必验证码大家都有所了解,但是可以自己定义图片验证码

Python如何在Word中生成多种不同类型的图表

《Python如何在Word中生成多种不同类型的图表》Word文档中插入图表不仅能直观呈现数据,还能提升文档的可读性和专业性,本文将介绍如何使用Python在Word文档中创建和自定义各种图表,需要的... 目录在Word中创建柱形图在Word中创建条形图在Word中创建折线图在Word中创建饼图在Word

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.