在n个城市之间铺设光缆,铺设光缆费用很高且各个城市之间铺设光缆的费用不同。如果设计目标是使这n个城市之间的任意两个城市都可以直接或间接通信,并且要使铺设光缆的费用最低,这样的问题就是一个求最小生成树的问题。解决这个问题的方法就是在有n个城市结点、n(n-1)/2条费用不同的边构成的无向连通图中找出最小生成树。
最小生成树的应用相当广泛,是图论中比较基础的算法。解决最小生成树有两种算法:prim和kruskal。
prim的思想:
设置两个集合U和V,U中存放图G中最小生成树的结点集合,V是整个结点集合。初始令U ={u0},设u0为起始点(任意设定)。从U和V/U的带权边中找出最小权值的边<u,v>,并将结点v加入到集合U中,当U=V时,构造完毕。
prim的设计:主要是一个lowCost数组用来存放由U到V/U的边的权值,已加入到U中的设为-1。
int prim() //复杂度O(N^2)
{
int result = 0;
int minCost;
int i,j,k;
lowCost[0] = -1; //从结点0开始
for(i = 1; i< n; i++)
lowCost[i] = graph[0][i];
for(i = 1; i < n; i++) //找n-1条边
{
minCost = MAX;
for(j = 1; j < n; j++) //找两个不想交集合的最小边
{
if(lowCost[j]>0 && lowCost[j]<minCost)
{
minCost = lowCost[j];
k = j;
}
}
lowCost[k] = -1; //找到,标记
result += minCost;
for(j = 1; j < n; j++) //加入这个结点后,更新两个集合的边。
{
if(graph[k][j] < lowCost[j])
lowCost[j] = graph[k][j];
}
}
return result;
}
kruskal思想:
对图G的所有边按权值从小到大排序,每次取一条边,若此边的两个结点属于同一个连通分量,则舍弃这条边;若不属于同一个连通分量,则将这条边加入到最小生成树中。当所有结点属于同一个连通分量时,构造完毕。
kruskal设计:
一个边的结构体。有几个关键问题:
如何判断两个结点是否属于一个连通分量:
每个连通分量都用其中一个结点来标识,p[]数组用来表示结点的父节点(初始p[i]=i),真正的头结点满足p[i]=i;首先根据传进来的边的两个顶点,用findSet找出点所属的父节点(递归,条件x==p[x]),若父节点相同,显然属于同一个连通分量,直接返回,测试下一条边;否则,合并两个连通分量。
如何合并两个连通分量:
两个连通分量x,y,是将x合并到y还是y合并到x?这就用一个rank数组来确定(初始rank[]=0)。如果rank[x]>rank[y],则将y合并到x,即p[y] = x;否则,将x合并到y,即p[x] = y,如果rank[x]=rank[y],还要将rank[y]加1。
例:
初始传入最小边ab,rank[a]==0==rank[b],则将rank[b]加1,p[a]=b;
传入边ac,a属于分量b,c属于分量c,且rank[b]==1 > 0==rank[c],则p[c]=b;
同理传入ad,ae之后,p[d],p[e]都等于b。
传入边fg,同传入ab;
传入边bg,rank[b]==1==rank[g],则p[g]=b,rank[b]++;
传入边be,b与e同属于b,直接返回,最小生成树构造完毕!
#include <iostream>
using namespace std;
int n; //结点个数
int m; //边的条数
int p[26]; //用来寻找某个点属于的子连通图(P[i] == i)
int rank[26]; //若i属于某连通分量且p[i] = i;则用rank[i]来判断合并两个连通分量将哪个作为哪个的子集
int result;
typedef struct edge
{
int v1;
int v2;
int w;
}Edge;
Edge e[75];
int cmp(const void *a, const void *b)
{
return (*(Edge *)a).w - (*(Edge *)b).w;
}
void initial()
{
memset(e,0,sizeof(Edge)*75);
m = 0;
result = 0;
}
int findSet(int x) //找属于的集合
{
if(x != p[x])
p[x] = findSet(p[x]);
return p[x];
}
void Union(int x, int y, int w) /*****更改集合*****/
{
if(x == y) return;
if(rank[x] > rank[y])
{
p[y] = x;
}
else
{
p[x] = y;
if(rank[x] == rank[y])
rank[y] ++;
}
result += w;
}
int kruskal()
{
int i;
for(i = 0; i < 26; i++)
{
rank[i] = 0;
p[i] = i;
}
qsort(e,m,sizeof(Edge),cmp);
for(i = 0; i < m; i++)
Union(findSet(e[i].v1), findSet(e[i].v2), e[i].w);
return result;
}
int main()
{
int i,j;
char v1;
int num;
char v2;
int w;
while(cin>>n && n!=0)
{
initial();
for(i = 1; i < n; i++)
{
cin>>v1>>num;
for(j = 0; j < num; j++)
{
cin>>v2>>w;
e[m].v1 = v1-'A';
e[m].v2 = v2 -'A';
e[m].w = w;
m++;
}
}
printf("%d\n",kruskal());
}
return 0;
}
说明:参见poj1251
分享到:
相关推荐
根据给定文件的信息,本文将深入探讨两种构造最小生成树的经典算法——普里姆(Prim)算法与克鲁斯卡尔(Kruskal)算法,并通过具体的代码实现来展示这两种算法的应用场景与实现细节。 ### 一、最小生成树概念 #### ...
本文将介绍如何使用C语言实现两种经典算法——普里姆算法和克鲁斯卡尔算法来找到一个无向加权图的最小生成树。 普里姆算法是一种贪心算法,它通过逐步增加边来构建最小生成树。在C语言中,我们可以这样实现: 1. ...
总结来说,最小生成树是解决网络优化问题的关键工具,普里姆算法和克鲁斯卡尔算法则是构建最小生成树的常用方法,各有其适用场景和优缺点。在实际问题中,理解并灵活运用这些算法有助于找到最优解。
普里姆算法从一个顶点开始,逐步扩展生成树,每次将当前树与一个未被包含的顶点间最短的边加入树中。它同样是一种贪心算法,可以使用优先队列(如二叉堆)优化查找最短边的过程。 三、数据结构 在实现最小生成树的...
克鲁斯卡尔算法是一种贪心策略,它按照边的权重从小到大依次考虑,每次选择一条不构成环的边加入到当前的生成树中,直到所有的顶点都被包含在内。此算法需要维护一个边的集合,并使用并查集等数据结构来检测新加入的...
普里姆算法从一个初始顶点开始,逐步扩展生成树,每次都选择与当前生成树连接且权重最小的边。它可以在加权无向图中有效地找到最小生成树,通常使用优先队列(如二叉堆)来加速边的选择过程。 4. **遗传算法**: ...
提供的代码示例展示了两种不同的最小生成树算法的实现:普里姆算法和克鲁斯卡尔算法。代码中首先让用户输入顶点数和边数,然后询问用户希望采用哪种算法。接下来,根据用户的选择,程序将创建并排序边的列表,或者...
**普里姆算法** 是一种贪心算法,从一个顶点开始,逐步添加边到当前的生成树中,每次选择与当前树中顶点连接且权重最小的边。算法的核心在于维护一个优先队列,用于存储与当前树连接的所有边的权重和对应的边。初始...
- Prim's Algorithm(普里姆算法):从图中的任意一个顶点开始,逐步加入使得当前生成树总权重最小的边,直到所有顶点都被包含。可以使用优先队列(如二叉堆)来高效地找到最小权重的边。 3. **C++编程实现**: ...
在本主题中,我们将深入探讨如何通过编程实现两种经典的最小生成树算法:普里姆算法(Prim's Algorithm)和克鲁斯卡尔算法(Kruskal's Algorithm)。 首先,让我们理解无向网的存储结构。在计算机科学中,图通常用...
普里姆算法从一个初始顶点开始,逐步扩展最小生成树,直到包括所有顶点。算法的核心是在每次迭代中找到与当前树连接的边中权重最小的一条,然后将这条边的另一端加入树中。具体步骤如下: 1. 选择一个起始顶点,将...
本文将详细讨论两种经典的最小生成树算法:克鲁斯卡尔(Kruskal)算法和普里姆(Prim)算法。 克鲁斯卡尔算法是一种基于贪心策略的算法,它的核心思想是每次选择当前未被选择且不会形成环的最小边。具体步骤如下: ...
从任意一个顶点开始,每次选择一条与当前生成树中顶点相连的、权重最小的边,将其另一端的顶点加入生成树,直至所有顶点都被包含。普里姆算法在每一步都确保了生成树的局部最优,即每次添加的边都是当前未被包含顶点...
有两种常用的最小生成树算法:普里姆(Prim)算法和克鲁斯卡尔(Kruskal)算法。 (1)普里姆(Prim)算法 普里姆算法是一种贪心算法,时间复杂度为 O(n²),适合于稠密图(边数远远大于顶点数的图)。算法过程...
普里姆算法(Prim’s Algorithm)和克鲁斯卡尔算法是构造最小生成树的两种基本算法,它们的区别在于构造最小生成树的策略不同。普里姆算法从一个顶点开始,逐步增加新的顶点和边,最终形成最小生成树;而克鲁斯卡尔...
普里姆算法是一种贪心策略,它从一个起始顶点开始,逐步增加边来扩展生成树,每次都选择与当前生成树连接的边中权重最小的一条。以下是普里姆算法的基本步骤: 1. 选择任意一个顶点作为起点,创建一个只包含该顶点...
最小生成树是图论中的一个重要概念,用于寻找一个加权无向图的边集合,使得这些边连接了图中的所有顶点,同时整个边集合的总权重尽可能小。在这个问题中,有两个经典的算法:克鲁斯卡尔(Kruskal)算法和普里姆...
数据结构与算法是计算机科学的基础,第六章主要探讨了生成树和最小生成树的概念,这些都是图论中的核心概念,尤其在解决网络优化问题时极为重要。以下是对这些知识点的详细阐述: 1. **有根图**:有根图是一种特殊...
在本实验中,主要涉及了三种贪心算法的应用:Dijkstra算法、Prim算法和Kruskal算法,它们主要用于解决图论中的最短路径和最小生成树问题。 1. Dijkstra算法:Dijkstra算法是用于寻找有向图或无向图中源节点到其他...
它从一个节点开始,每次选择与已选节点集合连接的边中权值最小的一条,加入到最小生成树中,直到所有节点都包含在内。Prim算法通常采用优先队列或堆数据结构以提高效率。 Kruskal算法同样用于寻找最小生成树,由...