Prim算法

1.概览

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。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。

2.算法简单描述

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。

示例图演示:

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。每条边一侧的数字代表其权值。 - - -

顶点D被任意选为起始点。顶点ABEF通过单条边与D相连。A是距离D最近的顶点,因此将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DA最近的顶点。BD为9,距A为7,E为15,F为6。因此,FDA最近,因此将顶点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

在当前情况下,可以在CEG间进行选择。CB为8,EB为7,GF为11。E最近,因此将顶点E与相应边BE高亮表示。 C, E, G A, D, F, B

这里,可供选择的顶点只有CGCE为5,GE为9,故选取C,并与边EC一同高亮表示。 C, G A, D, F, B, E

顶点G是唯一剩下的顶点,它距F为11,距E为9,E最近,故高亮表示G及相应边EG G A, D, F, B, E, C

现在,所有顶点均已被选取,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。 A, D, F, B, E, C, G

3.简单证明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(这是因为<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.

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。用来解决同样问题的还有Prim算法和Boruvka算法等。三种算法都是贪婪算法的应用。和Boruvka算法不同的地方是,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

if 这条边连接的两个节点于图Graphnew中不在同一个连通分量中

添加这条边到图Graphnew

示例图演示:

图例描述:

首先第一步,我们有一张图Graph,有若干点和边

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右图

在剩下的变中寻找。我们找到了CE。这里边的权重也是5

依次类推我们找到了6,7,7,即DF,AB,BE。

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。最后成功的图就是右:

3.简单证明Kruskal算法

对图的顶点数n做归纳,证明Kruskal算法对任意n阶图适用。

归纳基础:

n=1,显然能够找到最小生成树。

归纳过程:

假设Kruskal算法对n≤k阶图适用,那么,在k+1阶图G中,我们把最短边的两个端点a和b做一个合并操作,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,这样就能够得到一个k阶图G'(u,v的合并是k+1少一条边),G'最小生成树T'可以用Kruskal算法得到。

我们证明T'+{<u,v>}是G的最小生成树。

用反证法,如果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>,否则,可以用<u,v>加入到T中,形成一个环,删除环上原有的任意一条边,形成一棵更小权值的生成树。而T-{<u,v>},是G'的生成树。所以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。于是假设不成立,T'+{<u,v>}是G的最小生成树,Kruskal算法对k+1阶图也适用。

由数学归纳法,Kruskal算法得证。

下面使用java程序演示Prim算法:

代码如下:

  1. package com.itheima.primer;
  2.  
  3. import java.util.ArrayList;
  4. import java.util.List;
  5. import java.util.Scanner;
  6.  
  7. /**
  8. * 最小生成树(普里姆算法(Prim算法))
  9. * @author zhangming
  10. * @date 2016/04/20
  11. */
  12. public class MinTreePrimer {
  13. private static List<Vertex> visitedVertexs,leftedVertexs; //分别为添加到集合U中的节点集和剩余的集合V中的节点集
  14. private static List<Edge> searchEdges;
  15.  
  16. //初始化图的信息
  17. public static void initGraph(Graph g){
  18. visitedVertexs = new ArrayList<Vertex>();
  19. leftedVertexs = new ArrayList<Vertex>();
  20. searchEdges = new ArrayList<Edge>();
  21.  
  22. Scanner sc = new Scanner(System.in);
  23. System.out.print("输入顶点数: ");
  24. int vertexNumber = sc.nextInt();
  25. System.out.print("请输入边数: ");
  26. int edgeNumber = sc.nextInt();
  27. String[] allVertex = new String[vertexNumber];
  28. String[] allEdge = new String[edgeNumber];
  29.  
  30. System.out.println("=================================");
  31. System.out.println("请输入各个顶点:");
  32. Scanner scanner = new Scanner(System.in);
  33. for(int i=0;i<vertexNumber;i++){
  34. System.out.print("顶点"+(i+1)+":");
  35. allVertex[i] = scanner.nextLine();
  36. }
  37. System.out.println("=================================");
  38. for(int i=0;i<edgeNumber;i++){
  39. System.out.print("输入边(Vi,Vj)中的顶点名称和权值W(如:A B 7): ");
  40. allEdge[i] = scanner.nextLine();
  41. }
  42.  
  43. g.vertex = new Vertex[allVertex.length];
  44. g.edge = new Edge[allEdge.length];
  45. g.minWeight = 0;
  46.  
  47. for(int i=0;i<allVertex.length;i++){
  48. g.vertex[i] = new Vertex();
  49. g.vertex[i].vName = allVertex[i];
  50. leftedVertexs.add(g.vertex[i]); //初始化剩余点集合
  51. }
  52.  
  53. for(int i=0;i<allEdge.length;i++){
  54. g.edge[i] = new Edge();
  55. g.edge[i].startVertex = new Vertex();
  56. g.edge[i].endVertex = new Vertex();
  57.  
  58. String edgeInfo[] = allEdge[i].split(" ");
  59. g.edge[i].startVertex.vName = edgeInfo[0];
  60. g.edge[i].endVertex.vName = edgeInfo[1];
  61. g.edge[i].weight = Integer.parseInt(edgeInfo[2]);
  62. }
  63. }
  64.  
  65. public static void onChangeVertex(Vertex vertex){
  66. visitedVertexs.add(vertex); //添加初始节点,作为默认的开始节点
  67. leftedVertexs.remove(vertex);
  68. }
  69.  
  70. public static Vertex findOneVertex(Graph g){
  71. int minValue = Integer.MAX_VALUE;
  72. Vertex findVertex = new Vertex();
  73. Edge findEdge = new Edge();
  74.  
  75. for(int i=0;i<visitedVertexs.size();i++){
  76. for(int j=0;j<leftedVertexs.size();j++){
  77. Vertex v1 = visitedVertexs.get(i);
  78. Vertex v2 = leftedVertexs.get(j); //获取两个顶点的名称
  79.  
  80. for(int k=0;k<g.edge.length;k++){
  81. String startName = g.edge[k].startVertex.vName;
  82. String endName = g.edge[k].endVertex.vName;
  83.  
  84. if((v1.vName.equals(startName) && v2.vName.equals(endName))
                    ||(v1.vName.equals(endName) && v2.vName.equals(startName))){
  85. if(g.edge[k].weight < minValue){
  86. findEdge = g.edge[k];
  87. minValue = g.edge[k].weight;
  88. if(leftedVertexs.contains(v1)){ //会调用对象的equals方法比较对象,需重写equals方法
  89. findVertex = v1;
  90. }else if(leftedVertexs.contains(v2)){
  91. findVertex = v2;
  92. }
  93. }
  94. }
  95. }
  96. }
  97. }
  98. g.minWeight+= minValue;
  99. searchEdges.add(findEdge);
  100.  
  101. return findVertex;
  102. }
  103.  
  104. public static void prim(Graph g){
  105. while(leftedVertexs.size()>0){ //直到剩余节点集为空时结束循环
  106. Vertex findVertex = findOneVertex(g);
  107. onChangeVertex(findVertex);
  108. }
  109. System.out.print("\n最短路径包含的边: ");
  110. for(int i=0;i<searchEdges.size();i++){
  111. System.out.print("("+searchEdges.get(i).startVertex.vName+","+searchEdges.get(i).endVertex.vName+")"+" ");
  112. }
  113. System.out.println("\n最短路径长度: "+g.minWeight);
  114. }
  115.  
  116. public static void main(String[] args) {
  117. Graph g = new Graph();
  118. initGraph(g);
  119. onChangeVertex(g.vertex[0]);
  120. prim(g);
  121. }
  122. }
  123.  
  124. /**
  125. * 顶点类Vertex
  126. */
  127. class Vertex{
  128. String vName; //顶点的名称
  129.  
  130. @Override
  131. public boolean equals(Object obj) {
  132. if(obj instanceof Vertex){
  133. Vertex vertex = (Vertex)obj;
  134. return this.vName.equals(vertex.vName);
  135. }
  136. return super.equals(obj);
  137. }
  138. }
  139.  
  140. /**
  141. * 边类Edge
  142. */
  143. class Edge{
  144. Vertex startVertex;
  145. Vertex endVertex;
  146. int weight;
  147. }
  148.  
  149. /**
  150. * 图的存储结构
  151. */
  152. class Graph{
  153. Vertex[] vertex; //顶点集
  154. Edge[] edge; //边集
  155. int minWeight; //最短路径
  156. }

运行结果截图:

最小生成树---Prim算法和Kruskal算法的更多相关文章

  1. 转载:最小生成树-Prim算法和Kruskal算法

    本文摘自:http://www.cnblogs.com/biyeymyhjob/archive/2012/07/30/2615542.html 最小生成树-Prim算法和Kruskal算法 Prim算 ...

  2. 最小生成树Prim算法和Kruskal算法

    Prim算法(使用visited数组实现) Prim算法求最小生成树的时候和边数无关,和顶点树有关,所以适合求解稠密网的最小生成树. Prim算法的步骤包括: 1. 将一个图分为两部分,一部分归为点集 ...

  3. 最小生成树——Prim算法和Kruskal算法

    洛谷P3366 最小生成树板子题 这篇博客介绍两个算法:Prim算法和Kruskal算法,两个算法各有优劣 一般来说当图比较稀疏的时候,Kruskal算法比较快 而当图很密集,Prim算法就大显身手了 ...

  4. 最小生成树Prim算法和Kruskal算法(转)

    (转自这位大佬的博客 http://www.cnblogs.com/biyeymyhjob/archive/2012/07/30/2615542.html ) Prim算法 1.概览 普里姆算法(Pr ...

  5. hdu1233 最小生成树Prim算法和Kruskal算法

    Prim算法 时间复杂度:O(\(N^2\),N为结点数) 说明:先任意找一个点标记,然后每次找一条最短的两端分别为标记和未标记的边加进来,再把未标记的点标记上.即每次加入一条合法的最短的边,每次扩展 ...

  6. 最小生成树之Prim算法和Kruskal算法

    最小生成树算法 一个连通图可能有多棵生成树,而最小生成树是一副连通加权无向图中一颗权值最小的生成树,它可以根据Prim算法和Kruskal算法得出,这两个算法分别从点和边的角度来解决. Prim算法 ...

  7. java实现最小生成树的prim算法和kruskal算法

    在边赋权图中,权值总和最小的生成树称为最小生成树.构造最小生成树有两种算法,分别是prim算法和kruskal算法.在边赋权图中,如下图所示: 在上述赋权图中,可以看到图的顶点编号和顶点之间邻接边的权 ...

  8. 【数据结构】最小生成树之prim算法和kruskal算法

    在日常生活中解决问题经常需要考虑最优的问题,而最小生成树就是其中的一种.看了很多博客,先总结如下,只需要您20分钟的时间,就能完全理解. 比如:有四个村庄要修四条路,让村子能两两联系起来,这时就有最优 ...

  9. Prim算法和Kruskal算法

       Prim算法和Kruskal算法都能从连通图找出最小生成树.区别在于Prim算法是以某个顶点出发挨个找,而Kruskal是先排序边,每次选出最短距离的边再找. 一.Prim(普里姆算法)算法: ...

随机推荐

  1. Placeholder如何换行

    使用js动态添加标签充,处理换行问题 var placeholder = 'This is a line \nthis should be a new line'; $('textarea').att ...

  2. [deviceone开发]-心形点赞动画示例

    一.简介 这个示例展示do_Animator组件的简单使用,通过点击"点赞"按钮,不断弹出心形图片,向上动画漂移到顶部消失.间隔时间和上下左右移动的步长都是一定范围的随机值.二.效 ...

  3. 9套Android实战经典项目资料分享给大家

    通过项目学习收获更大. 1.基于Android平台实战爱短信项目 下载地址:http://pan.baidu.com/s/1hr8CEry 2.Android平台实战CRM客户关系管理(AChartE ...

  4. 简易版自定义BaseServlet

    这几天在学Java Web,一直在思考Servlet重用的问题,就用java的反射机制实现自定义的简易版BaseServlet; 该方式有点像struts2 利用映射获取前端的参数.有兴趣的同学可以自 ...

  5. 使用 Json.Net 对Json文本进行 增删改查

    JSON 已经成为当前主流交互格式, 如何在C#中使用 Json.Net 对Json文本进行 增删改查呢?见如下代码 #region Create (从零创建) public static strin ...

  6. Linux之od命令详解

    功能说明:输出文件内容.语 法:od [-abcdfhilovx][-A <字码基数>][-j <字符数目>][-N <字符数目>][-s <字符串字符数&g ...

  7. 移动WEB viewport 相关知识

    了解移动web viewport的知识,主要是为了切图时心中有数.本文主要围绕一个问题:切图时怎样设置<meta name="viewport">相关参数?围绕这个问题 ...

  8. [No00009C]Visual Studio在 解决方案资源管理器 里同步定位打开的文件

    标题的意思就是在使用VS的时候,需要我们打开编辑的文件跟解决方案的资源管理器同步显示,这样方便定位到我们在修改哪个文件. 设置如下: 工具——选项——项目和解决方案——在解决方案资源管理器中跟踪活动项 ...

  9. Docker--在Docker中运行应用

    Docker--在Docker中运行应用 一个交互式的容器 既然在Docker提供的是一个容器,底层支撑着一个基本的操作系统环境,那我们就可以通过Docker进入到容器内部与系统进行交互. 据我理解: ...

  10. POJ 1637 Sightseeing tour

    Sightseeing tour Time Limit: 1000MS   Memory Limit: 10000K Total Submissions: 9276   Accepted: 3924 ...