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，不但包含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。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。我们之前介绍的Kruskal算法适用于稀疏图(一般我们觉得满足|E| < V*(V-1)/4时。图为稀疏图， |E|为边的数量，V为顶点数)。
我们将要介绍的Prim算法则是适用于稠密图(我们这里所说的适用于某种情况。仅仅表示该算法在这个条件下效率最优)。
1、算法描写叙述
从单一顶点開始，普里姆算法依照下面步骤逐步扩大树中所含顶点的数目，直到遍及连通图的全部顶点。
输入：一个加权连通图，当中顶点集合为V，边集合为E
输出：使用集合Vnew和Enew来描写叙述所得到的最小生成树
算法流程：
1.初始化：Vnew = {x}，当中x为集合V中的任一节点（起始点），Enew = {}。
2.反复下列操作，直到Vnew = V:
<1>在集合E中选取权值最小的边（u, v），当中u为集合Vnew中的元素。而v则是V中没有增加Vnew的顶点（假设存在有多条满足前述条件即具有同样权值的边。则可随意选取当中之中的一个）；
<2>将v增加集合Vnew中，将（u, v）增加集合Enew中。
以下给出一个无向图，每条边上的数字为权值：
我们任选一个顶点作为起始点。这里我们随便选一个。就以D作为起始点。
如今集合Vnew = { D }， Enew = { }。顶点A、B、E和F通过单条边与D相连。A是距离D近期的顶点，因此将A及相应边AD以高亮表示(下同)。由于顶点A是距离集合Vnew近期的点。所以我们将A增加集合。所以如今集合为 Vnew = { A， D}， Enew = { (A, D) }。
下一个顶点为距离集合Vnew近期的顶点(也就是距离D或A近期的点)。B距D为9，距A为7。E为15，F为6。因此，F距D或A近期。所以我们将顶点F增加集合Vnew，将边(D, F)增加集合 Enew。如今集合变为 Vnew = { A。 D, F }, Enew = { (A, D) , (D, F) }。
我们继续反复上面的步骤。
我们能够发现距离集合Vnew近期的点为B，(A, B)距离为 7 。所一我们将B增加集合Vnew。 将边(A, B)增加集合Enew。如今集合就变为 Vnew = { A, B, D, F }, Enew = { (A, B), (A, D), (D, F) }。
我们仅仅要不断的反复上述步骤，非常快我们就找到了该图的最小生成树(如图所看到的)
有兴趣的朋友，还能够试试用其它顶点作为起点看看答案是否一致。最后你会惊奇的发现不管你取哪一个点。最后的答案都是一致的。
2、Prim算法的时间复杂度
Prim算法循环|V| - 1，每次都要寻找距离集合Vnew的最小值。 扫描与一个点所连接的全部边。
假设使用将一个点全部的边都扫描一遍的算法，则时间复杂度为O(|V|² + |E|)。
假设我们使用二叉堆来实现查找距离集合Vnew的最小值。则时间复杂度为O(|E| log |V| )。
假设使用斐波那契堆优化的话，那么时间复杂度将能够近一步优化为O(|E| + |V | log|V|)。
3*、Prim算法的证明（不感兴趣的能够直接跳过）
设Prim生成的树为G0 如果存在Gmin使得cost(Gmin)<cost(G0) 则在Gmin中存在(u,v)不属于G0 将(u,v)增加G0中可得一个环，且(u,v)是该环的最长边 这与prim每次生成最短边矛盾 故如果不成立，得证.
4、Prim算法的实现
这里我们就用一到题目来说明Prim算法的实现 还是畅通project 。大家能够先思考思考，看看能不能依据上面的描写叙述自己实现Prim算法。以下附上这一题的代码，以供參考：
【未优化版】
#include <cstdio>
#include <vector>
#define INF 0xfffffff
#define MAXN 100 + 10
using namespace std;
struct Vex{
int v, weight;
Vex(int tv, int tw):v(tv), weight(tw){}
};
vector<Vex> graph[MAXN];
bool inTree[MAXN];
int mindist[MAXN];
void Init(int n){
for(int i = 1; i <= n; i++){
mindist[i] = INF;
inTree[i] = false;
graph[i].clear();
}
}
int Prim(int s, int n){
int addNode, tempMin, tempVex ,ret = 0;
//将顶点S增加集合Vnew
inTree[s] = true;
//初始化，各点到集合Vnew的距离， 数组mindist表示各点到集合Vnew的最小距离
for(unsigned int i = 0; i < graph[s].size(); i++)
mindist[graph[s][i].v] = graph[s][i].weight;
//由于还有n-1个点没有增加集合Vnew。所以还要进行n-1次操作
for(int NodeCount = 1; NodeCount <= n-1; NodeCount++){
tempMin = INF;
//在还没有增加集合Vnew的点中查找距离集合Vnew最小的点
for(int i = 1; i <= n; i++){
if(!inTree[i] && mindist[i] < tempMin){
tempMin = mindist[i];
addNode = i;
}
}
//将距离集合Vnew距离最小的点增加集合Vnew
inTree[addNode] = true;
//将新增加边的权值计入ret
ret += tempMin;
//更新还没有增加集合Vnew的点 到 集合Vnew的距离
for(unsigned int i = 0; i < graph[addNode].size(); i++){
tempVex = graph[addNode][i].v;
if(!inTree[tempVex] && graph[addNode][i].weight < mindist[tempVex]){
mindist[tempVex] = graph[addNode][i].weight;
}
}
}
return ret;
}
int main(){
int n;
int v1, v2, weight;
while(scanf("%d", &n), n){
Init(n);
for(int i = 0; i < n*(n-1)/2; i++){
scanf("%d%d%d", &v1, &v2, &weight);
graph[v1].push_back(Vex(v2, weight));
graph[v2].push_back(Vex(v1, weight));
}
printf("%d
", Prim(1, n));
}
return 0;
}
【堆优化版】
#include <cstdio>
#include <vector>
#include <queue>
#define INF 0xfffffff
#define MAXN 100 + 10
using namespace std;
struct Vex{
int v, weight;
Vex(int tv = 0, int tw = 0):v(tv), weight(tw){}
bool operator < (const Vex& t) const{
return this->weight > t.weight;
}
};
vector<Vex> graph[MAXN];
bool inTree[MAXN];
int mindist[MAXN];
void Init(int n){
for(int i = 1; i <= n; i++){
mindist[i] = INF;
inTree[i] = false;
graph[i].clear();
}
}
int Prim(int s, int n){
priority_queue<Vex> Q;
Vex temp;
//res用来记录最小生成树的权值之和
int res = 0;
//将s增加集合Vnew。并更新与点s相连接的各点到集合Vnew的距离
inTree[s] = true;
for(unsigned int i = 0; i < graph[s].size(); i++){
int v = graph[s][i].v;
if(graph[s][i].weight < mindist[v]){
mindist[v] = graph[s][i].weight;
//更新之后。增加堆中
Q.push(Vex(v, mindist[v]));
}
}
while(!Q.empty()){
//取出到集合Vnew距离最小的点
temp = Q.top();
Q.pop();
int addNode = temp.v;
if(inTree[addNode]) continue;
inTree[addNode] = true;
res += mindist[addNode];
//更新到集合Vnew的距离
for(unsigned int i = 0; i < graph[addNode].size(); i++){
int tempVex = graph[addNode][i].v;
if(!inTree[tempVex] && mindist[tempVex] > graph[addNode][i].weight){
mindist[tempVex] = graph[addNode][i].weight;
Q.push(Vex(tempVex, mindist[tempVex]));
}
}
}
return res;
}
int main(){
int n;
int v1, v2, weight;
while(scanf("%d", &n), n){
Init(n);
for(int i = 0; i < n*(n-1)/2; i++){
scanf("%d%d%d", &v1, &v2, &weight);
graph[v1].push_back(Vex(v2, weight));
graph[v2].push_back(Vex(v1, weight));
}
printf("%d
", Prim(1, n));
}
return 0;
}
假设不了解priority_queue的朋友能够參考：Here。
【斐波那契堆优化】
先挖个坑，以后再填，有兴趣的朋友能够自行完好。
想找一些题练练手朋友，能够移步到这里：图论题目分类