最小生成树——Prim算法与Kruskal算法

简介: 最小生成树——Prim算法与Kruskal算法

最小生成树概念:

连通图: 在一个无向图中,任意两个顶点之间都是可达的(有路径连通),则成该无向图为连通图。

生成树: 一个连通图的生成树是一个极小的连通子图,它含有图中的全部顶点,但只有构成一棵树的n-1条边。也就是说,无向图中连通n个顶点n-1条边就叫做生成树。

最小生成树: 构造连通图的最小代价生成树称为最小生成树,也就是说,所有的边加权后和最小的树。


Prim算法

Prim算法计算最小生成树的方法从一个结点开始使树一点点的成长。在每一步,都增加一个结点作为根,并连接这个结点作为边,也就是说每次增加一个一个结点和一条边,这样也就把相关联的顶点加到增长中的树上了。这个过程主要体现在“加点”,在算法进行的过程中,有一个已经添加到树上的顶点集,这个顶点集实际就是最小生成树的结点集合,其余顶点都作为选择,等待是否被加入集合。每次选择一个顶点,使得它和上一个顶点之间的代价最小,并把这条边加入到最小生成树中,把顶点加入到集合中。

下面通过图示来描述Prim算法的思想:

首先选择一个顶点作为起始,比如A,第一轮发现AC代价最小,那么就把AC边加入最小生成树,把A加入顶点集合;

后面依次寻找最小代价边,直到全部顶点都加入到顶点集合。

在程序中,通过一个最小代价标记,并一行一行的扫描来搜索最小代价边,下面来看具体代码。

首先我们定义一个图的数据类型,该数据类型包含图的顶点集合、邻接矩阵,顶点数和边数。另外宏定义两个常量,通过一个不可能的数比如65535来表示两个顶点之间没有边。

#define MAXVER    6     /*最大顶点个数*/
#define INFINITY  65535   /*代表无穷大*/
typedef struct _graph_type
{
  char  vertex[MAXVER]; /*存放顶点的数组*/
  int   arc[MAXVER][MAXVER]; /*邻接矩阵*/ 
  int   vertex_num; /*顶点数*/
  int   edge_num; /*边数*/
}graph_type;

Prim算法C语言实现

/*普利姆Prim算法求最小生成树*/
void mini_span_tree_prim(graph_type g)
{
  int min = 0; /*保存最小权值*/
  int k = 0; /*存放最小权值的顶点下标*/
  int i = 0;
  int j = 0;
  int vertex_tree[MAXVER]; /*顶点下标 - 最小生成树的结点*/
  int weight[MAXVER]; /*边的权值,置为0表示下标对应的顶点已加入最小生成树*/
  weight[0] = 0; /*假设图标号为0的顶点是最小生成树的第一个结点*/
  vertex_tree[0] = 0; /*加入第一个顶点*/
  for(i = 1; i < g.vertex_num; i++) /*遍历图的所有顶点*/
  {
    weight[i] = g.arc[0][i]; /*把和0号顶点有边的边的权值存入数组*/
    vertex_tree[i] = 0; /*初始化为0号顶点*/
  }
  for(i = 1; i < g.vertex_num; i++)
  {
    min = INFINITY; /*初始化最小权值为无穷大*/
    j = 1;
    k = 0;
    while(j < g.vertex_num) /*遍历所有顶点*/
    {
      if(weight[j] != 0 && weight[j] < min)
      {
        /*如果权值不为0(未加入最小生成树),且权值小于最小权值min*/
        min = weight[j]; /*更新当前最小权值*/
        k = j; /*保存最小权值边所以来的顶点,第一次循环表示 (0, k)为0开始的所有边中权值最小的边*/
      }
      j++;
    }
    weight[k] = 0; /*将k的权值置为0,表示这个结点的最小权值已经找到了,同时顶点k已被加入最小生成树中*/
    for(j = 1; j < vertex_num; j++)
    {
      if(weight[j] != 0 && g.arc[k][j] < weight[j])
      {
        /*如果j没有加入最小生成树,且邻接矩阵第k行相应权值小于weigh记录的最小权值*/
        weight[j] = g.arc[k][j]; /*更新weight*/
        vertex_tree[j] = k; /*把k加入到最小生成树*/
      }
    }
  }
}

Kruskal算法

Prim算法是以某个顶点开始,逐步寻找各个顶点上最小权值的边,这样一步步来构建最小生成树。第二种贪心策略是连续地按照最小的权选择边,并且当所选的边不产生回路时就把它作为取定的边。

在形式上Kruskal算法是在处理一个森林,开始的时候,存在n棵单结点的树,每次添加一条边把两棵树合并成一棵树,当算法终止时剩下的一棵树就是最小生成树。

假设图和上面一样

首先我们得到一张表,每条边按权值从小到大排序

然后开始加边,优先选择权值小的边

加最后一条边,得到最小生成树,和Prim算法得到的一样

Kruskal算法C语言实现

#define MAXedge_type 20 /*最大边数*/
#define MAXVEX 20  /*最大顶点数*/
#define INFINITY 65535 /*无穷大*/
typedef struct
{
  int arc[MAXVEX][MAXVEX];
  int vertex_num;
  int edge_type_num;
}graph_type;
typedef struct
{
  int begin;
  int end;
  int weight;
}edge_type;   /* 对边集数组edge_type结构的定义 */
/* 交换权值 以及头和尾 */
void Swapn(edge_type *edge_types,int i, int j)
{
  int temp;
  temp = edge_types[i].begin;
  edge_types[i].begin = edge_types[j].begin;
  edge_types[j].begin = temp;
  temp = edge_types[i].end;
  edge_types[i].end = edge_types[j].end;
  edge_types[j].end = temp;
  temp = edge_types[i].weight;
  edge_types[i].weight = edge_types[j].weight;
  edge_types[j].weight = temp;
}
/* 对权值进行排序 */
void sort(edge_type edge_types[], graph_type *G)
{
  int i, j;
  for ( i = 0; i < G->edge_type_num; i++)
  {
    for ( j = i + 1; j < G->edge_type_num; j++)
    {
      if (edge_types[i].weight > edge_types[j].weight)
      {
        Swapn(edge_types, i, j);
      }
    }
  }
  printf("权排序之后的为:\n");
  for (i = 0; i < G->edge_type_num; i++)
  {
    printf("(%d, %d) %d\n", edge_types[i].begin, edge_types[i].end, edge_types[i].weight);
  }
}
/* 查找连线顶点的尾部下标 */
int Find(int *parent, int f)
{
  while ( parent[f] > 0)
  {
    f = parent[f];
  }
  return f;
}
/* 生成最小生成树 */
void MiniSpanTree_Kruskal(graph_type G)
{
  int i, j, n, m;
  int k = 0;
  int parent[MAXVEX];/* 定义一数组用来判断边与边是否形成环路 */
  edge_type edge_types[MAXedge_type];/* 定义边集数组,edge_type的结构为begin,end,weight,均为整型 */
  /* 用来构建边集数组并排序 */
  for ( i = 0; i < G.vertex_num-1; i++)
  {
    for (j = i + 1; j < G.vertex_num; j++)
    {
      if (G.arc[i][j]<INFINITY)
      {
        edge_types[k].begin = i;
        edge_types[k].end = j;
        edge_types[k].weight = G.arc[i][j];
        k++;
      }
    }
  }
  sort(edge_types, &G);
  for (i = 0; i < G.vertex_num; i++)
    parent[i] = 0;  /* 初始化数组值为0 */
  for (i = 0; i < G.edge_type_num; i++) /* 遍历每一条边 */
  {
    n = Find(parent,edge_types[i].begin);
    m = Find(parent,edge_types[i].end);
    if (n != m) /* 假如n与m不等,说明此边没有与现有的生成树形成环路 */
    {
      parent[n] = m;  /* 将此边的结尾顶点放入下标为起点的parent中。 */
              /* 表示此顶点已经在生成树集合中 */
      printf("(%d, %d) %d\n", edge_types[i].begin, edge_types[i].end, edge_types[i].weight);
    }
  }
}


相关文章
|
5天前
|
机器学习/深度学习 算法 Java
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
这篇文章介绍了基于贪婪技术思想的Prim算法和Dijkstra算法,包括它们的伪代码描述、Java源代码实现、时间效率分析,并展示了算法的测试用例结果,使读者对贪婪技术及其应用有了更深入的理解。
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
|
1月前
|
存储 传感器 算法
|
1月前
|
机器学习/深度学习 人工智能 算法
|
2月前
|
算法 Java
Java数据结构与算法:贪心算法之最小生成树
Java数据结构与算法:贪心算法之最小生成树
|
2月前
|
算法 C语言
数据结构与算法——最小生成树问题(什么是最小生成树、Prim算法、Kruskal算法)
数据结构与算法——最小生成树问题(什么是最小生成树、Prim算法、Kruskal算法)
23 0
|
6天前
|
算法
基于模糊控制算法的倒立摆控制系统matlab仿真
本项目构建了一个基于模糊控制算法的倒立摆控制系统,利用MATLAB 2022a实现了从不稳定到稳定状态的转变,并输出了相应的动画和收敛过程。模糊控制器通过对小车位置与摆的角度误差及其变化量进行模糊化处理,依据预设的模糊规则库进行模糊推理并最终去模糊化为精确的控制量,成功地使倒立摆维持在直立位置。该方法无需精确数学模型,适用于处理系统的非线性和不确定性。
基于模糊控制算法的倒立摆控制系统matlab仿真
|
1天前
|
算法 数据安全/隐私保护
基于LS算法的OFDM+QPSK系统信道估计均衡matlab性能仿真
基于MATLAB 2022a的仿真展示了OFDM+QPSK系统中最小二乘(LS)算法的信道估计与均衡效果。OFDM利用多个低速率子载波提高频谱效率,通过循环前缀克服多径衰落。LS算法依据导频符号估计信道参数,进而设计均衡器以恢复数据符号。核心程序实现了OFDM信号处理流程,包括加性高斯白噪声的加入、保护间隔去除、快速傅立叶变换及信道估计与均衡等步骤,并最终计算误码率,验证了算法的有效性。
9 2
|
1天前
|
算法
基于GA-PSO遗传粒子群混合优化算法的CVRP问题求解matlab仿真
本文介绍了一种基于GA-PSO混合优化算法求解带容量限制的车辆路径问题(CVRP)的方法。在MATLAB2022a环境下运行,通过遗传算法的全局搜索与粒子群算法的局部优化能力互补,高效寻找最优解。程序采用自然数编码策略,通过选择、交叉、变异操作及粒子速度和位置更新,不断迭代直至满足终止条件,旨在最小化总行驶距离的同时满足客户需求和车辆载重限制。
|
6天前
|
机器学习/深度学习 算法 定位技术
MATLAB - 遗传算法(GA)求解旅行商问题(TSP)
MATLAB - 遗传算法(GA)求解旅行商问题(TSP)
13 3
|
7天前
|
算法
基于多路径路由的全局感知网络流量分配优化算法matlab仿真
本文提出一种全局感知网络流量分配优化算法,针对现代网络中多路径路由的需求,旨在均衡分配流量、减轻拥塞并提升吞吐量。算法基于网络模型G(N, M),包含N节点与M连接,并考虑K种不同优先级的流量。通过迭代调整每种流量在各路径上的分配比例,依据带宽利用率um=Σ(xm,k * dk) / cm来优化网络性能,确保高优先级流量的有效传输同时最大化利用网络资源。算法设定收敛条件以避免陷入局部最优解。

热门文章

最新文章