数据结构与算法11—最小生成树

最小生成树

问题提出：

要在n个城市间建立通信联络网，城市间的通信线路造价不同，希望找到一种方案使得建立该通信网所需花费的总代价最小。

 

问题分析：

n个城市间，最多可设置n(n-1)/2条线路； n个城市间建立通信网，至少需n-1条线路；

问题转化为：如何在可能的线路中选择n-1条，能把所有城市（顶点）连起来，且总耗费（各边权值之和）最小。

 

定义：

生成树中边的权值（代价）之和最小的树。

构造最小生成树的准则：

• 必须只使用该网中的边来构造最小生成树；
• 必须使用且仅使用n-1条边来联结网络中的n个顶点；
• 不能使用产生回路的边。

实例：

 

普里姆(Prim)算法

 普里姆方法的思想：

1）在图中任取一个顶点K作为开始点，令U={k}，W=V-U，其中V为图中所有顶点集，

2）然后找一个顶点在U中，另一个顶点在W中的边中最短的一条，找到后，将该边作为最小生成树的树边保存起来，并将该边顶点全部加入U集合中，并从W中删去这些顶点，然后重新调整U中顶点到W中顶点的距离, 使之保持最小，

再重复此过程，直到W为空集止。求解过程参见下页图。

简单地说，此过程是不断地在W中找出与U里边相连的权值最小的边。

 

算法的基本思想

设置一个辅助数组T，对当前V－U集中的每个顶点，记录和顶点集U中顶点相连接的代价最小的边：

struct {
     int  adjvex;  // U集中的顶点序号
     int  lowcost;  // 边的权值
} T[MAX_VERTEX_NUM];

U为生成树上的顶点集，V－U为剩余顶点集，T［j］用于存储连接V－U中顶点j与U中顶点的权值最小的边及权值。

每次从数组T中取出权值最小的边加入到树中（用权值为0为来代表顶点已加入生成树集U）。

1，初始化辅助数组，出发点加入U

2，对其余顶点 　

    2.1　求出下一个加入树的顶点K。 　

    2.2　输出加入树的边，将顶点K并入U 　

    2.3　修改其它顶点的最小边。

假设开始顶点就选为顶点1，故首先有U={1}，W={2，3，4，5，6}

解释：第一个顶点1，它连接到3的权值最小为1，所以加入生成树中，并令T中1与3相连的边权值为0，同时加入与顶点3相连边的权值。不断重复此操作，直到w完毕。

 

算法实现：

void MiniSPanTree_PRIM(MGraph G, VertexType u)
{
    int k, j, i, minCost;
    k = LocateVex(&G, u);  //返回u在图G中的位置

    for(j=0; j<G.vexnum; ++j)  // 初始化辅助数组
    {
        if(j != k){
            T[j].adjvex = k;
            T[j].lowcost = G.A[k][j];
        }
    }
    T[k].lowcost = 0;

    for(i=1; i<G.vexnum; ++i)   /*G.vexnum-1次循环，寻找当前最小权值的边*/
    {
        minCost = MAXINF;
        for(j=0; j<G.vexnum; ++j)   /*求生成树的下一个顶点*/
        {
            if(T[j].lowcost < minCost && T[j].lowcost != 0){
                minCost = T[j].lowcost;
                k=j;
            }
        }
        printf("(%c, %c), %d\n", G.v[T[k].adjvex], G.v[k], T[k].lowcost);  /*输出生成树的边*/

        T[k].lowcost = 0; /*标记顶点k已加入生成树*/

        for(j=0;j<G.vexnum; ++j)  /*顶点k加入生成树后重新选择最小边*/
        {
            if(T[j].lowcost != 0 && G.A[k][j] <T[j].lowcost){
                T[j].adjvex = k;
                T[j].lowcost = G.A[k][j];
            }
        }
    }
}

 

时间复杂度：

在普里姆算法中，第一个进行初始化的for循环语句的执行次数为n-1，第二个for循环中又包括了两个for循环，执行次数为2(n-1)²  ，所以时间复杂度为O(n²)

 

克鲁斯卡尔（kruskal）算法

1． 克鲁斯卡尔算法基本思想

克鲁斯卡尔算法的基本思想是：

将图中所有边按权值递增顺序排列，依次选定取权值较小的边，但要求后面选取的边不能与前面选取的边构成回路，

若构成回路，则放弃该条边，再去选后面权值较大的边，n个顶点的图中，选够n-1条边即可。

例如，对上图中无向网，用克鲁斯卡尔算法求最小生成树的过程见下图。

这一过程相当于选点加入树中。

 

kruskal算法的关键：如何判断加入的边是否形成回路。可以采用将各顶点划分为不同集合的方法来解决，每个集合中的顶点表示一个无回路的连通分量。

因此，设计一个数组int vset[MAXV]，利用vset[i]来判定各顶点是否属于同一集合中。其初始值为vset[i]=i（i=0,1,...,MAXV-1），i为顶点所在集合的编号，表示各顶点在不同的集合上。

 

算法实现：

#define MAXE  //最大边数
# define MAXV  //最大顶点数

typedef struct
{
    int v1;
    int v2;    /*v1、v2是两 个顶点的序号*/
    int weight;  //边权
}Edge;  // 边集类型数据结构


void kruskal(Edge GE[], int n, int e)
{
    int i, j, m1, m2, s1, s2, k;
    int vset[MAXV];
    for(i=0; i<n;i++)  /* 初始化辅助数组 */
    {
        Vset[i] = i;
    }
    k = 0;  /*生成树中边的数目，初值为0*/
    j = 0;  /*边集数组GE的下标，初值为0*/
    while(k<=n-1)  /*生成树中的边数小于n条时继续循环*/
    {
        m1 = GE[j].v1;
        m2 = GE[j].v2;  /*从边集数组GE中取出一条边的两个顶点*/
        s1 = vset[m1];
        s2 = vset[m2];  /*分别得到两个顶点所在集合的编号*/
        if(s1 != s2)    /*两个顶点属于不同的集合，将该边加入最小生成树*/
        {
            printf("(%d, %d), %d", m1, m2, GE[j].weight);
            k++;    /*生成树的边数加1*/
            vset[m2] = s1;    /*使得两个集合编号相同*/
        }
        j++;  /*扫描下一条边*/
    }
}

假设，n为图中顶点个数，e为图中边的个数。在kruskal中，while循环是影响时间效率的主要操作，其循环次数最多为e次，所以克鲁斯卡尔算法的时间复杂度为O(e)。