分别适用于不一样类型的图结构:prime算法适合于边多而定点少的,库鲁萨卡尔算法适合于边少定点多的状况。html
Prim算法node
1.概览算法
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。所以,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。数组
2.算法简单描述post
1).输入:一个加权连通图,其中顶点集合为V,边集合为E;url
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;spa
3).重复下列操做,直到Vnew = V:3d
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,而且v∈V(若是存在有多条知足前述条件即具备相同权值的边,则可任意选取其中之一);code
b.将v加入集合Vnew中,将<u, v>边加入集合Enew中;xml
4).输出:使用集合Vnew和Enew来描述所获得的最小生成树。
下面对算法的图例描述
图例 | 说明 | 不可选 | 可选 | 已选(Vnew) |
---|---|---|---|---|
此为原始的加权连通图。每条边一侧的数字表明其权值。 | - | - | - | |
顶点D被任意选为起始点。顶点A、B、E和F经过单条边与D相连。A是距离D最近的顶点,所以将A及对应边AD以高亮表示。 | C, G | A, B, E, F | D | |
下一个顶点为距离D或A最近的顶点。B距D为9,距A为7,E为15,F为6。所以,F距D或A最近,所以将顶点F与相应边DF以高亮表示。 | C, G | B, E, F | A, D | |
算法继续重复上面的步骤。距离A为7的顶点B被高亮表示。 | C | B, E, G | A, D, F | |
在当前状况下,能够在C、E与G间进行选择。C距B为8,E距B为7,G距F为11。E最近,所以将顶点E与相应边BE高亮表示。 | 无 | C, E, G | A, D, F, B | |
这里,可供选择的顶点只有C和G。C距E为5,G距E为9,故选取C,并与边EC一同高亮表示。 | 无 | C, G | A, D, F, B, E | |
顶点G是惟一剩下的顶点,它距F为11,距E为9,E最近,故高亮表示G及相应边EG。 | 无 | G | A, D, F, B, E, C | |
如今,全部顶点均已被选取,图中绿色部分即为连通图的最小生成树。在此例中,最小生成树的权值之和为39。 | 无 | 无 | A, D, F, B, E, C, G |
3.简单证实prim算法
反证法:假设prim生成的不是最小生成树
1).设prim生成的树为G0
2).假设存在Gmin使得cost(Gmin)<cost(G0) 则在Gmin中存在<u,v>不属于G0
3).将<u,v>加入G0中可得一个环,且<u,v>不是该环的最长边(这是由于<u,v>∈Gmin)
4).这与prim每次生成最短边矛盾
5).故假设不成立,命题得证.
prime算法的时间复杂度是O(|V|的平方)
4.算法代码实现(未检验)
#define MAX 100000 #define VNUM 10+1 //这里没有ID为0的点,so id号范围1~10 int edge[VNUM][VNUM]={/*输入的邻接矩阵*/}; int lowcost[VNUM]={0}; //记录Vnew中每一个点到V中邻接点的最短边 int addvnew[VNUM]; //标记某点是否加入Vnew int adjecent[VNUM]={0}; //记录V中与Vnew最邻近的点 void prim(int start) { int sumweight=0; int i,j,k=0; for(i=1;i<VNUM;i++) //顶点是从1开始 { lowcost[i]=edge[start][i]; addvnew[i]=-1; //将全部点至于Vnew以外,V以内,这里只要对应的为-1,就表示在Vnew以外 } addvnew[start]=0; //将起始点start加入Vnew adjecent[start]=start; for(i=1;i<VNUM-1;i++) { int min=MAX; int v=-1; for(j=1;j<VNUM;j++) { if(addvnew[j]!=-1&&lowcost[j]<min) //在Vnew以外寻找最短路径 { min=lowcost[j]; v=j; } } if(v!=-1) { printf("%d %d %d\n",adjecent[v],v,lowcost[v]); addvnew[v]=0; //将v加Vnew中 sumweight+=lowcost[v]; //计算路径长度之和 for(j=1;j<VNUM;j++) { if(addvnew[j]==-1&&edge[v][j]<lowcost[j]) { lowcost[j]=edge[v][j]; //此时v点加入Vnew 须要更新lowcost adjecent[j]=v; } } } } printf("the minmum weight is %d",sumweight); }
5.时间复杂度
这里记顶点数v,边数e
邻接矩阵:O(v2) 邻接表:O(elog2v)
Kruskal算法
1.概览
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。用来解决一样问题的还有Prim算法和Boruvka算法等。三种算法都是贪婪算法的应用。和Boruvka算法不一样的地方是,Kruskal算法在图中存在相同权值的边时也有效。
2.算法简单描述
1).记Graph中有v个顶点,e个边
2).新建图Graphnew,Graphnew中拥有原图中相同的e个顶点,但没有边
3).将原图Graph中全部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中全部的节点都在同一个连通份量中
if 这条边链接的两个节点于图Graphnew中不在同一个连通份量中
添加这条边到图Graphnew中
图例描述:
首先第一步,咱们有一张图Graph,有若干点和边
将全部的边的长度排序,用排序的结果做为咱们选择边的依据。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,咱们率先选择了边AD。这样咱们的图就变成了右图
在剩下的变中寻找。咱们找到了CE。这里边的权重也是5
依次类推咱们找到了6,7,7,即DF,AB,BE。
下面继续选择, BC或者EF尽管如今长度为8的边是最小的未选择的边。可是如今他们已经连通了(对于BC能够经过CE,EB来链接,相似的EF能够经过EB,BA,AD,DF来接连)。因此不须要选择他们。相似的BD也已经连通了(这里上图的连通线用红色表示了)。
3.简单证实Kruskal算法
对图的顶点数n作概括,证实Kruskal算法对任意n阶图适用。
概括基础:
n=1,显然可以找到最小生成树。
概括过程:
假设Kruskal算法对n≤k阶图适用,那么,在k+1阶图G中,咱们把最短边的两个端点a和b作一个合并操做,即把u与v合为一个点v',把原来接在u和v的边都接到v'上去,这样就可以获得一个k阶图G'(u,v的合并是k+1少一条边),G'最小生成树T'能够用Kruskal算法获得。
咱们证实T'+{<u,v>}是G的最小生成树。
用反证法,若是T'+{<u,v>}不是最小生成树,最小生成树是T,即W(T)<W(T'+{<u,v>})。显然T应该包含<u,v>,不然,能够用<u,v>加入到T中,造成一个环,删除环上原有的任意一条边,造成一棵更小权值的生成树。而T-{<u,v>},是G'的生成树。因此W(T-{<u,v>})<=W(T'),也就是W(T)<=W(T')+W(<u,v>)=W(T'+{<u,v>}),产生了矛盾。因而假设不成立,T'+{<u,v>}是G的最小生成树,Kruskal算法对k+1阶图也适用。
由数学概括法,Kruskal算法得证。
4.代码算法实现
typedef struct { char vertex[VertexNum]; //顶点表 int edges[VertexNum][VertexNum]; //邻接矩阵,可看作边表 int n,e; //图中当前的顶点数和边数 }MGraph; typedef struct node { int u; //边的起始顶点 int v; //边的终止顶点 int w; //边的权值 }Edge; void kruskal(MGraph G) { int i,j,u1,v1,sn1,sn2,k; int vset[VertexNum]; //辅助数组,断定两个顶点是否连通 int E[EdgeNum]; //存放全部的边 k=0; //E数组的下标从0开始 for (i=0;i<G.n;i++) { for (j=0;j<G.n;j++) { if (G.edges[i][j]!=0 && G.edges[i][j]!=INF) { E[k].u=i; E[k].v=j; E[k].w=G.edges[i][j]; k++; } } } heapsort(E,k,sizeof(E[0])); //堆排序,按权值从小到大排列 for (i=0;i<G.n;i++) //初始化辅助数组 { vset[i]=i; } k=1; //生成的边数,最后要恰好为总边数 j=0; //E中的下标 while (k<G.n) { sn1=vset[E[j].u]; sn2=vset[E[j].v]; //获得两顶点属于的集合编号 if (sn1!=sn2) //不在同一集合编号内的话,把边加入最小生成树 { printf("%d ---> %d, %d",E[j].u,E[j].v,E[j].w); k++; for (i=0;i<G.n;i++) { if (vset[i]==sn2) { vset[i]=sn1; } } } j++; } }
时间复杂度:elog2e e为图中的边数