Prim算法详解

? Prim算法是干什么的?

Prim算法可以计算出一个无向加权图的最小生成树

? 什么是最小生成树?

首先,树两个最重要的性质是①用一条边连接树中的任意两点都会产生一个新的环从树中删除一条边将会得到两棵独立的树,最小生成树即为连接图中所有点,且总权重最小的树。最小生成树的性质:将图中的点分为两个集合,横跨两个集合的边中权重最

小的边必在最小生成树中(并不只有权重最小边在树中)

? 最小生成树的性质的证明:

用反证法,如果权重最小的边 e 不在树中,那和它横跨两个相同的集合且权重比它大的边 f 树一定在树中,如果把 e 加入树中,再将 f 删除,则得到一个权重更小的树,所以 e 必在树中

? Prim算法如何进行计算?

①选定一个点做为一个集合 a ,剩下的点为另一个集合 b

②将横跨两个集合且权重在其中最小的边加入最小生成树

③将刚刚加入最小生成树的边中不在集合 a 中的点加入集合 a,直到所有的点加入集合 a

具体到代码如何计算?

 1 class MST {
 2     private boolean[] marked; //点是否已在树中
 3     private double[] distTo; //点到树的距离
 4     private ArrayList<Edge> mst; //最小生成树
 5     private EdgeWeightedGraph G; //要处理的图
 6     private TreeMap<Double, Edge> pq; //保存一个点到树距离最短的边和那个距离 按距离从小到大的优先队列
 7
 8     public MST(EdgeWeightedGraph G) {
 9         this.G = G;
10         int V = G.V();
11         marked = new boolean[V];
12         distTo = new double[V];
13         mst = new ArrayList<>();
14         pq = new TreeMap<>();
15         //将所有点到树的距离设置为正无穷
16         for (int i = 0; i < distTo.length; i++)
17             distTo[i] = Double.POSITIVE_INFINITY;
18         //0到0的距离为0
19         distTo[0] = 0;
20         visit(0);
21         Edge tEdge;
22
23         while (!pq.isEmpty()) {
24             tEdge = pq.remove(pq.firstKey()); //从优先队列中取出距离树最短的边
25             mst.add(tEdge); //加入树中
26             //更新优先队列
27             int v = tEdge.either(); //either()返回边的任意一个点
28             if (!marked[v]) visit(v);
29             else            visit(tEdge.other(v)); //other(v)返回除v外的另一个节点
30         }
31     }
32     /*
33      * 将v的边加入优先队列
34      */
35     private void visit(int v) {
36         marked[v] = true;
37         for (Edge e : G.adj(v)) { //adj(v)返回该点的所有边
38             int w = e.other(v);
39             double weight = e.weight();
40             //如果发现了使此点到树的距离更小的通路,则更新优先队列
41             if (weight < distTo[w]) {
42                 //如果以前已经存过这个点w到最小生成树的边了 现在找到了权重更小的所以把它删除
43                 pq.remove(distTo[w]);
44                 distTo[w] = weight; //更新最小距离
45                 pq.put(weight, e); //插入优先队列
46             }
47         }
48     }
49
50     public Iterable<Edge> edgs() { return mst;}
51 }

将树所有邻近点的到树距离最短的边 全部加入优先队列,从队列中拿出最短的边,将其加入树中

pq始终保存着树旁边所有的节点到树的最短距离

①将0加入mst,将0-7,0-2,0-4,0-6加入优先队列,其中0-7的权重最小

②将7加入mst,将7-1,7-4(因为发现了比0-4到树距离更小的边所以删了0-4,加入7-4),7-5,(7-2不加入因为原来的距离更小),其中7-1权重最小

时间: 2024-08-05 23:01:45

Prim算法详解的相关文章

EM算法(3):EM算法详解

目录 EM算法(1):K-means 算法 EM算法(2):GMM训练算法 EM算法(3):EM算法详解

[转] KMP算法详解

转载自:http://www.matrix67.com/blog/archives/115 KMP算法详解 如果机房马上要关门了,或者你急着要和MM约会,请直接跳到第六个自然段.    我们这里说的KMP不是拿来放电影的(虽然我很喜欢这个软件),而是一种算法.KMP算法是拿来处理字符串匹配的.换句话说,给你两个字符串,你需要回答,B串是否是A串的子串(A串是否包含B串).比如,字符串A="I'm matrix67",字符串B="matrix",我们就说B是A的子串.

[搜索]波特词干(Porter Streamming)提取算法详解(3)

 接上 [搜索]波特词干(Porter Streamming)提取算法详解(2) 下面分为5大步骤来使用前面提到的替换条件来进行词干提取. 左边是规则,右边是提取成功或者失败的例子(用小写字母表示). 步骤1 SSES -> SS                   caresses  ->  caress IES  -> I                          ponies    ->  poni ties      ->  ti SS   -> S

KMP算法详解(图示+代码)

算法过程非常绕,不要企图一次就能看明白,多尝试就会明白一些.下面试图用比较直观的方法解释这个算法,对KMP算法的解释如下: 1. 首先,字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词"ABCDABD"的第一个字符,进行比较.因为B与A不匹配,所以搜索词后移一位. 2. 因为B与A不匹配,搜索词再往后移. 3. 就这样,直到字符串有一个字符,与搜索词的第一个字符相同为止. 4. 接着比较字符串和搜索词的下一个字符,还是相同. 5. 直到字

安全体系(三)——SHA1算法详解

本文主要讲述使用SHA1算法计算信息摘要的过程. 安全体系(零)—— 加解密算法.消息摘要.消息认证技术.数字签名与公钥证书 安全体系(一)—— DES算法详解 安全体系(二)——RSA算法详解 为保证传输信息的安全,除了对信息加密外,还需要对信息进行认证.认证的目的有两:一是验证信息的发送者是合法的,二是验证信息的完整性.Hash函数就是进行信息认证的一种有效手段. 1.Hash函数和消息完整性 Hash函数也称为杂凑函数或散列函数,函数输入为一可变长度x,输出为一固定长度串,该串被称为输入x

php 二分查找法算法详解

一.概念:二分查找又称折半查找,优点是比较次数少,查找速度快,平均性能好:其缺点是要求待查表为有序表,且插入删除困难.因此,折半查找方法适用于不经常变动而查找频繁的有序列表.首先,假设表中元素是按升序排列,将表中间位置记录的关键字与查找关键字比较,如果两者相等,则查找成功:否则利用中间位置记录将表分成前.后两个子表,如果中间位置记录的关键字大于查找关键字,则进一步查找前一子表,否则进一步查找后一子表.重复以上过程,直到找到满足条件的记录,使查找成功,或直到子表不存在为止,此时查找不成功. 二.代

【转】AC算法详解

原文转自:http://blog.csdn.net/joylnwang/article/details/6793192 AC算法是Alfred V.Aho(<编译原理>(龙书)的作者),和Margaret J.Corasick于1974年提出(与KMP算法同年)的一个经典的多模式匹配算法,可以保证对于给定的长度为n的文本,和模式集合P{p1,p2,...pm},在O(n)时间复杂度内,找到文本中的所有目标模式,而与模式集合的规模m无关.正如KMP算法在单模式匹配方面的突出贡献一样,AC算法对于

支持向量机(SVM)(五)-- SMO算法详解

一.我们先回顾下SVM问题. A.线性可分问题 1.SVM基本原理: SVM使用一种非线性映射,把原训练            数据映射到较高的维.在新的维上,搜索最佳分离超平面,两个类的数据总可以被超平面分开. 2.问题的提出: 3.如何选取最优的划分直线f(x)呢? 4.求解:凸二次规划 建立拉格朗日函数: 求偏导数: B.线性不可分问题 1.核函数 如下图:横轴上端点a和b之间红色部分里的所有点定为正类,两边的黑色部分里的点定为负类. 设: g(x)转化为f(y)=<a,y> g(x)=

Manacher算法详解

[转] Manacher算法详解 转载自: http://blog.csdn.net/dyx404514/article/details/42061017 Manacher算法 算法总结第三弹 manacher算法,前面讲了两个字符串相算法——kmp和拓展kmp,这次来还是来总结一个字符串算法,manacher算法,我习惯叫他 “马拉车”算法. 相对于前面介绍的两个算法,Manacher算法的应用范围要狭窄得多,但是它的思想和拓展kmp算法有很多共通支出,所以在这里介绍一下.Manacher算法