最小生成树
概念:
一个有 n 个结点的连通图的生成树是原图的极小连通子图,且包含原图中的所有 n 个结点,并且有保持图连通的最少的边。
简单来说:最小生成树就是在一个连通图(每个点都相连的无向图)中使得权值和最小的树,保证每个点都在里面。
最小生成树其实是最小权重生成树的简称。
最小生成树又叫“MST”。
应用:
例如:要在n个城市之间铺设光缆,主要目标是要使这 n 个城市的任意两个之间都可以通信,但铺设光缆的费用很高,且各个城市之间铺设光缆的费用不同,因此另一个目标是要使铺设光缆的总费用最低。这就需要找到带权的最小生成树。
求最小生成树的方法:
最小生成树可以用kruskal(克鲁斯卡尔)算法或prim(普里姆)算法求出。
prim算法的时间复杂度不依赖于排序算法,并且主要与点的个数有关,适用于密集图。
kruskal算法需要排序,但使用幷查集可节省判断时间,主要与边的条数有关,适用于稀疏图。
简单来说:Prim算法,适用于点少的图。Kruskal算法,适用于边少的图。
Prim算法
思想:
贪心思想:每次选取最小边。
算法描述:
(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。
图例描述:
时间复杂度:
顶点数v,边数e
邻接矩阵:O(v)
邻接表:O(elog2v)
代码:
#include<iostream>
using namespace std;
const int maxn=1000000;
int n,k,tmp,ans,map[1001][1001],dis[maxn];
bool flag[maxn];
void prim()
{
for(int i=1;i<=n;i++)
dis[i]=maxn;//初始化
dis[1]=0;
for(int i=1;i<=n;i++)
{
tmp=maxn;
for(int j=1;j<=n;j++)
if(!flag[j]&&tmp>dis[j])
{
tmp=dis[j];
k=j;
}//找出最小距离的节点
flag[k]=1;//把访问的节点做标记
for(int j=1;j<=n;j++)
if(!flag[j]&&dis[j]>map[k][j])
dis[j]=map[k][j];//更新最短距离
}
}
int main()
{
cin>>n;
for(int i=1;i<=n;i++)//邻接矩阵储存权值
for(int j=1;j<=n;j++)
cin>>map[i][j];
prim();
for(int i=1;i<=n;i++)
ans+=dis[i];
cout<<ans;
return 0;
}
Kruskal算法
基本思路:
克鲁斯卡尔算法是在剩下的所有未选取的边中,找最小边,如果和已选取的边构成回路,则放弃,选取次小边。
#include<iostream>
#include<algorithm>
using namespace std;
int n,e,fa[101],sum=0;
struct node
{
int o;
int u;
int t;
}a[101];
int find(int x)
{
if(father[x]!=x)
father[x]=find(father[x])
return father[x];
}
int cmp(node a,node b)
{
return a.t < b.t;
}
void unionn(int x,int y)
{
int f1=find(x);
int f2=find(y);
if(f1!=f2)fa[f2]=f1;
}
int main()
{
int k=0;
cin>>n>>e;
for(int i=1;i<=e;i++)
cin>>a[i].o>>a[i].u>>a[i].t;
for(int i=1;i<=n;i++)
fa[i]=i;
sort(a+1,a+1+e,cmp);
for(int i=1;i<=e;i++)
{
if(find(a[i].o)!=find(a[i].u))
{
unionn(a[i].o,a[i].u);
sum=sum+a[i].t;
k++;
}
if(k==n-1)break;
}
cout<<sum;
}