普里姆(Prim)算法

普里姆(Prim)算法,和克鲁斯卡尔算法一样,是用来求加权连通图的最小生成树的算法。

基本思想

对于图G4而言,V是所有顶点的集合;现在,设置两个新的集合U和T,其中U用于存放G的最小生成树中的顶点,T存放G的最小生成树中的边。

从所有uЄU,vЄ(V-U) (V-U表示出去U的所有顶点)的边中选取权值最小的边(u, v),将顶点v加入集合U中,将边(u, v)加入集合T中,如此不断重复,直到U=V为止,最小生成树构造完毕,这时集合T中包含了最小生成树中的所有边。

普里姆算法图解

下面我们将以上面的G4图为例,来对普里姆算法进行演示(从第一个顶点A开始通过普里姆算法生成最小生成树)。

细分步骤如下:

步骤解释如下:

初始状态:V是所有顶点的集合,即V={A,B,C,D,E,F,G};U和T为空! 第1步:将顶点A加入到U中:此时,U={A}。 第2步:将顶点B加入到U中:上一步操作之后,U={A}, V-U={B,C,D,E,F,G};因此,边(A,B)的权值最小。将顶点B添加到U中:此时,U={A,B}。 第3步:将顶点F加入到U中:上一步操作之后,U={A,B}, V-U={C,D,E,F,G};因此,边(B,F)的权值最小。将顶点F添加到U中:此时,U={A,B,F}。 第4步:将顶点E加入到U中:上一步操作之后,U={A,B,F}, V-U={C,D,E,G};因此,边(F,E)的权值最小。将顶点E添加到U中: 此时,U={A,B,F,E}。 第5步:将顶点D加入到U中:上一步操作之后,U={A,B,F,E}, V-U={C,D,G};因此,(E,D)的权值最小。将顶点D添加到U中:此时,U={A,B,F,E,D}。 第6步:将顶点C加入到U中:上一步操作之后,U={A,B,F,E,D}, V-U={C,G};因此,边(D,C)的权值最小。将顶点C添加到U中: 此时,U={A,B,F,E,D,C}。 第7步:将顶点G加入到U中:上一步操作之后,U={A,B,F,E,D,C}, V-U={G};因此,边(F,G)的权值最小。将顶点G添加到U中:此时,U=V。

此时,最小生成树构造完成!它包括的顶点依次是:A B F E D C G。

普里姆算法图解

以"邻接矩阵"为例对普里姆算法进行说明

对于"邻接表"实现的图在后面会给出相应的源码。

1. 基本定义

// 邻接矩阵
typedef struct _graph
{
     char vexs[MAX];         // 顶点集合
    int vexnum;           // 顶点数
    int edgnum;           // 边数
    int matrix[MAX][MAX];     // 邻接矩阵
}Graph, *PGraph;
// 边的结构体
typedef struct _EdgeData
{
     char start;    // 边的起点
    char end;   // 边的终点
    int weight;  // 边的权重
}EData;

其中Graph是邻接矩阵对应的结构体。 vexs用于保存顶点,vexnum是顶点数,edgnum是边数;matrix则是用于保存矩阵信息的二维数组。例如,matrix[i][j]=1,则表示"顶点i(即vexs[i])"和"顶点j(即vexs[j])"是邻接点;matrix[i][j]=0,则表示它们不是邻接点。 EData是邻接矩阵边对应的结构体。

2. 普里姆算法

#include<stdio.h>
#include<stdlib.h>
#include<malloc.h>
#include<string.h>
#define MAX 100
#define INF (~(0x1<<31))
typedef struct Graph
{
    char vexs[MAX];
    int vexnum;
    int edgnum;
    int matrix[MAX][MAX];
} Graph,*PGraph;

typedef struct EdgeData
{
    char start;
    char end;
    int weight;
} EData;
static int get_position(Graph g,char ch)
{
    int i;
    for(i=0; i<g.vexnum; i++)
        if(g.vexs[i]==ch)
            return i;
    return -1;
}

Graph* create_graph()
{
    char vexs[]= {'A','B','C','D','E','F','G'};
    int matrix[][7]=
            {
                    {0,12,INF,INF,INF,16,14},
                    {12,0,10,INF,INF,7,INF},
                    {INF,10,0,3,5,6,INF},
                    {INF,INF,3,0,4,INF,INF},
                    {INF,INF,5,4,0,INF,8},
                    {16,7,6,INF,2,0,9},
                    {14,INF,INF,INF,8,9,0}
            };
    int vlen=sizeof(vexs)/sizeof(vexs[0]);
    int i,j;
    Graph *pG;
    if((pG=(Graph*)malloc(sizeof(Graph)))==NULL)
        return NULL;
    memset(pG,0,sizeof(pG));
    pG->vexnum=vlen;
    for(i=0; i<pG->vexnum; i++)
        pG->vexs[i]=vexs[i];
    for(i=0; i<pG->vexnum; i++)
        for(j=0; j<pG->vexnum; j++)
            pG->matrix[i][j]=matrix[i][j];
    for(i=0; i<pG->vexnum; i++)
    {
        for(j=0; j<pG->vexnum; j++)
        {
            if(i!=j&&pG->matrix[i][j]!=INF)
                pG->edgnum++;
        }
    }
    pG->edgnum/=2;
    return pG;
}
void print_graph(Graph G)
{
    int i,j;
    printf("Matrix Graph: \n");
    for(i=0; i<G.vexnum; i++)
    {
        for(j=0; j<G.vexnum; j++)
            printf("%10d ",G.matrix[i][j]);
        printf("\n");
    }
}

EData* get_edges(Graph G)
{
    EData *edges;
    edges=(EData*)malloc(G.edgnum*sizeof(EData));
    int i,j;
    int index=0;
    for(i=0; i<G.vexnum; i++)
    {
        for(j=i+1; j<G.vexnum; j++)
        {
            if(G.matrix[i][j]!=INF)
            {
                edges[index].start=G.vexs[i];
                edges[index].end=G.vexs[j];
                edges[index].weight=G.matrix[i][j];
                index++;
            }
        }
    }
    return edges;
}
void prim(Graph G,int start)
{
    int min,i,j,k,m,n,sum;
    int index=0;
    char prim[MAX];
    int weight[MAX];

    prim[index++]=G.vexs[start];

    for(i=0; i<G.vexnum; i++)
        weight[i]=G.matrix[start][i];
    weight[start]=0;

    for(i=0; i<G.vexnum; i++)
    {
        //i用来控制循环的次数,每次加入一个结点,但是因为start已经加入,所以当i为start是跳过
        if(start==i)
            continue;
        j=0;
        k=0;
        min=INF;
        for(k=0; k<G.vexnum; k++)
        {
            if(weight[k]&&weight[k]<min)
            {
                min=weight[k];
                j=k;
            }
        }
        sum+=min;
        prim[index++]=G.vexs[j];
        weight[j]=0;
        for(k=0; k<G.vexnum; k++)
        {
            if(weight[k]&&G.matrix[j][k]<weight[k])
                weight[k]=G.matrix[j][k];
        }
    }
    // 计算最小生成树的权值
    sum = 0;
    for (i = 1; i < index; i++)
    {
        min = INF;
        // 获取prims[i]在G中的位置
        n = get_position(G, prim[i]);
        // 在vexs[0...i]中,找出到j的权值最小的顶点。
        for (j = 0; j < i; j++)
        {
            m = get_position(G, prim[j]);
            if (G.matrix[m][n]<min)
                min = G.matrix[m][n];
        }
        sum += min;
    }
    printf("PRIM(%c)=%d: ", G.vexs[start], sum);
    for (i = 0; i < index; i++)
        printf("%c ", prim[i]);
    printf("\n");
}
int main()
{
    Graph *pG;
    pG=create_graph();
    print_graph(*pG);
    prim(*pG,0);
}

不知道你是否真的理解了普里姆算法,

如果还有疑问,欢迎你在留言板处提问哦!

推荐阅读

  1. Sample K算法
  2. AdaBoost 算法原理及推导

原文发布于微信公众号 - 机器学习算法全栈工程师(Jeemy110)

原文发表时间:2017-08-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏向治洪

图算法之bfs、dfs、prim、Dijkstra

概述 在图算法中经常要执行遍历每个顶点和每条边的操作,即图搜索。许多图算法都以图搜索为基础,如2-着色问题、连通性计算基于深度优先搜寻(depth-first ...

2266
来自专栏小樱的经验随笔

UVA 1030 - Image Is Everything【模拟+思维+迭代更新】

题目链接:uva 1030 - Image Is Everything 题目大意:有一个最大为n*n*n的立方体的一个不规整立体,由若干个1*1*1的小正方体构...

2545
来自专栏从流域到海域

迪杰斯特拉(Dijkstra)算法求图中最短路径

迪杰斯特拉(Dijkstra )算法: 对于图G=(V,E),将图的顶点分为两组: 顶点集S:已求出的最短路径的顶点集合(初始为{v0}); 顶...

1877
来自专栏开发与安全

算法:图解最小生成树之普里姆(Prim)算法

我们在图的定义中说过,带有权值的图就是网结构。一个连通图的生成树是一个极小的连通子图,它含有图中全部的顶点,但只有足以构成一棵树的n-1条边。所谓的最小成本,就...

1959
来自专栏炉边夜话

考场安排---图的着色原理之运用

试设计一算法,当给定一个图时G=(V,E),|V|=n,(Vi,Vj)ЄE,当且仅当有一个同学选了课程i和课程j,试给出一个考试安排方案N1,N2,N3…Nk,...

561
来自专栏我是业余自学C/C++的

原 三对角矩阵

1343
来自专栏数据结构与算法

2018.7.30考试

题意:给出两棵树,问在两棵树中任意删除一条边后$1$号节点所在集合的元素相同的方案

955
来自专栏温安适的blog

最小生产树Prim和Kruskal

40512
来自专栏xingoo, 一个梦想做发明家的程序员

矩阵图的深度广度遍历

图的常用表示方法就是矩阵和邻接表。 矩阵通常使用与规整的,且数据量较小的图,这种图直观上方便的表示出了图之间节点的相互关系。 图的数据结构 typedef st...

18210
来自专栏和蔼的张星的图像处理专栏

161. 旋转图像交换加转置

样例 给出一个矩形[[1,2],[3,4]],90度顺时针旋转后,返回[[3,1],[4,2]]

712

扫描关注云+社区