普里姆算法

普里姆算法

应用场景-修路问题

在这里插入图片描述

有胜利乡有7个村庄(A, B, C, D, E, F, G) ,现在需要修路把7个村庄连通,各个村庄的距离用边线表示(权) ,比如 A – B 距离 5公里
问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?
思路: 将10条边,连接即可,但是总的里程数不是最小.
正确的思路,就是尽可能的选择少的路线,并且每条路线最小,保证总里程数最少.

最小生成树

修路问题本质就是就是最小生成树问题, 先介绍一下最小生成树(Minimum Cost Spanning Tree),简称MST。
给定一个带权的无向连通图,如何选取一棵生成树,使树上所有边上权的总和为最小,这叫最小生成树

普里姆算法介绍

普利姆(Prim)算法求最小生成树,也就是在包含n个顶点的连通图中,找出只有(n-1)条边包含所有n个顶点的连通子图,也就是所谓的极小连通子图

普利姆的算法如下:

设G=(V,E)是连通网,T=(U,D)是最小生成树,V,U是顶点集合,E,D是边的集合

若从顶点u开始构造最小生成树,则从集合V中取出顶点u放入集合U中,标记顶点v的visited[u]=1

若集合U中顶点ui与集合V-U中的顶点vj之间存在边,则寻找这些边中权值最小的边,但不能构成回路,将顶点vj加入集合U中,将边(ui,vj)加入集合D中,标记visited[vj]=1

重复步骤②,直到U与V相等,即所有顶点都被标记为访问过,此时D中有n-1条边

普里姆算法最佳实践(修路问题)

在这里插入图片描述

有胜利乡有7个村庄(A, B, C, D, E, F, G) ,现在需要修路把7个村庄连通

各个村庄的距离用边线表示(权) ,比如 A – B 距离 5公里

问:如何修路保证各个村庄都能连通,并且总的修建公路总里程最短?

在这里插入图片描述

代码示例

package com.wxit.prim;

import java.util.Arrays;

/**
 * @Author wj
 **/
public class PrimAlgorithm {
    
    

    public static void main(String[] args) {
    
    
        //测试图是否创建成功
        char[] data = new char[]{
    
    'A','B','C','D','E','F','G'};
        int verxs = data.length;
        //邻接矩阵的关系使用二维数组表示
        int[][] weight = new int[][]{
    
    
                {
    
    10000,5,7,10000,10000,10000,2},
                {
    
    5,10000,10000,9,10000,10000,3},
                {
    
    7,10000,10000,10000,8,10000,10000},
                {
    
    10000,9,10000,10000,10000,4,10000},
                {
    
    10000,10000,8,10000,10000,5,4},
                {
    
    10000,10000,10000,4,5,10000,6},
                {
    
    2,3,10000,10000,4,6,10000}
        };
        //创建MGraph对象
        MGraph mGraph = new MGraph(verxs);
        //创建MinTree对象
        MinTree minTree = new MinTree();
        minTree.createdGraph(mGraph,verxs,data,weight);
        //输出
        minTree.showGraph(mGraph);

        //测试普利姆算法
        minTree.prim(mGraph,1);
    }
}

class MGraph{
    
    
    int verxs; //表示图的节点个数
    char[] data; //存放节点的数据
    int[][] weight; //存放边,就是我们的邻接矩阵

    public MGraph(int verxs){
    
    
        this.verxs = verxs;
        data = new char[verxs];
        weight = new int[verxs][verxs];
    }
}

//创建最小生成树
class MinTree{
    
    
    //创建图的邻接矩阵
    /**
     *
     * @param graph  图对象
     * @param verxs  图对应的顶点的个数
     * @param data   图的各个顶点的值
     * @param weight  图的邻接矩阵
     */
    public void createdGraph(MGraph graph,int verxs,char[] data,int[][] weight){
    
    
        int i,j;
        for (i = 0;i <verxs;i++){
    
    
            graph.data[i] = data[i];
            for (j = 0;j < verxs;j++){
    
    
                graph.weight[i][j] = weight[i][j];
            }
        }
    }

    //显示图的放法
    public void showGraph(MGraph graph){
    
    
        for (int[] link : graph.weight) {
    
    
            System.out.println(Arrays.toString(link));
        }
    }

    //编写prim算法,得到最小生成树
    /**
     *
     * @param graph 图
     * @param v 表示从图的第几个顶点开始生成'A' -> 0 'B' -> 1
     */
    public void prim(MGraph graph,int v){
    
    
        //visited[]标记节点是否被访问过
        int visited[] = new int[graph.verxs];

        //把当前这个节点标记为已访问
        visited[v] = 1;
        //h1和h2记录两个顶点的下标
        int h1 = -1;
        int h2 = -1;
        int minWeight = 10000;//将minWeight初始成一个大数,后面在遍历的过程中,会被替换
        for (int k = 1;k < graph.verxs;k++){
    
     //因为有graph.verxs个顶点,普利姆算法结束后会有graph.verxs - 1条边
            //这是确定每一次生成的子图,和那个节点的举例最近
            for (int i = 0; i < graph.verxs;i++){
    
     //i表示被访问过的节点
                for (int j = 0;j < graph.verxs;j++){
    
     //j表示还没有访问过的节点
                    if (visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] < minWeight){
    
    
                        //替换minWright(寻找已经访问过的节点和未访问过的节点间的权值最小的边)
                        minWeight = graph.weight[i][j];
                        h1 = i;
                        h2 = j;
                    }
                }
            }
            //找到一条最小的边
            System.out.println("边<" + graph.data[h1] + "," + graph.data[h2] + ">权值" + minWeight);
            //将当前这个节点标记为已经访问
            visited[h2] = 1;
            //minWeight重新设置为最大值10000
            minWeight = 10000;
        }
    }
}

猜你喜欢

转载自blog.csdn.net/weixin_48161246/article/details/112135479
今日推荐