普利姆算法应用场景
问题转化
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
2.N个顶点,一定有N-1条边 - 包含全部顶点
- N-1条边都在图中
- 举例说明(如图:)
- 求最小生成树的算法主要是普里姆算法和克鲁斯卡尔算法
普利姆算法介绍
- 从< A >点开始分析处理 ====><A,G>
A-C[7] A-B[5] A-G[2] - 从<A,G>开始,将A和G顶点和他们的相邻的还没有访问的顶点进行处理 ====><A,G,B>
A-C[7] A-B[5] G-B[3] G-E[4] G-F[6] - 从<A,G,B>开始,将顶点A,G,B和他们的相邻的还没有访问的顶点进行处理 ====><A,G,B,E>
A-C[7] G-E[4] G-F[6] B-D[9] - 以此类推
- 最后得到完整集合<A,G,B,E,F,D,C>
代码实现
/**
* title:普利姆算法
* date:2020.4.14
*/
package prim;
import java.util.Arrays;
public class PrimAlgorithm {
public static void main(String[] args) {
//测试看看图是否创建成功
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描述,10000这个大数表示两点不连通
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的对象
MGraph mGraph = new MGraph(verxs);
//创建一个minterr对象
MinTree minTree = new MinTree();
minTree.createGraph(mGraph,verxs,data,weight);
//输出
minTree.showGraph(mGraph);
//测试prim算法
minTree.prim(mGraph,0);
}
}
//创建最小生成树-》村庄的树
class MinTree{
//创建图的邻接矩阵
/**
*
* @param graph 图对象
* @param verxs 图对应的顶点个数
* @param data 图的各个顶点的值
* @param weight 图的邻接矩阵
*/
public void createGraph(MGraph graph,int verxs,char[] data,int[][] weight) {
int i,j;
for( i = 0;i<verxs;i++) {//顶点
graph.data[i] = data[i];
for(j = 0;j<verxs;j++) {
graph.weight[i][j] = weight[i][j] ;
}
}
}
//显示图的方法:显示图的邻接矩阵
public void showGraph(MGraph graph) {
for(int[] link:graph.weight) {
System.out.println(Arrays.toString(link));
}
}
//编写一个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
*/
public void prim(MGraph graph,int v) {
// visit[] 标记结点是否被访问过
int visit[] = new int[graph.verxs];
// visit[] 默认元素都是0,表示没有被访问符
//把当前结点标记为已访问
visit[v] = 1;
//用h1 h2记录两个顶点的坐标
int h1 = -1;
int h2 = -1;
int minWeight = 10000;//minWeight 初始为一个大数,后面遍历的时候会被替换
for(int k= 1;k<graph.verxs;k++) {//因为有graph.verxs顶点,prim算法结束后,会有graph.verxs-1条边
//这个是确定每一次生成的子图和哪个结点的距离最近
for(int i = 0;i<graph.verxs;i++) {//i结点表示被访问过的结点
for(int j = 0;j<graph.verxs;j++) {//j结点表示没有被访问的结点
if(visit[i] ==1 && visit[j] ==0 && graph.weight[i][j] <minWeight){
//替换minWeight,寻找已经访问过结点和未访问过的结点间权值最小的边
minWeight = graph.weight[i][j];
h1 = i;
h2 = j;
}
}
}
//找到一条边是最小
System.out.println("边<" + graph.data[h1]+","+graph.data[h2]+">权值:"+minWeight);
//将当前结点标记为已经访问过
visit[h2] = 1;
//minWeight重新设置为最大值10000
minWeight = 10000;
}
}
}
class MGraph{
int verxs;//表示结点个数
char[] data;//存放结点数据
int[][] weight;//存放边,这就是邻接矩阵
public MGraph(int verxs) {
this.verxs = verxs;
data = new char[verxs];
weight = new int[verxs][verxs];
}
}