生成最小树普利姆算法
1.6最小生成树及其算法
如果生成树T *的权 w(T * ) 是 G 的所有生成树的权中最 小者，则称 T * 是 G 的最小生成树，简称为最小树，即
w(T * ) min{w(T )}，式中取遍 G 的所有生成树T .
T
介绍最小树的两种算法： Kruskal算法（或避圈法）和破圈法.
A. Kruskal算法（或避圈法）
b)广探法 例用广探法求出下图10的一棵生成树 步骤如下： i) 在点集V中任取一点u, 给u以标号0. ii) 令所有标号i的点集为 Vi,检查[Vi,V\Vi]中的边端点 是否均已标号. 对所有未标 号之点均标以i+1,记下这些 边. iii) 对标号i+1的点重复步 步骤ii)，直到全部点得到 标号为止.
步 骤
u
L( b)
L( c)
L( d)
L( e)
L(f)
L( g)
e
V
T0
C(T 0)
1 2 3 4
a b e c
4 － － －
15 9 5 －
32 25
7 7 － －
28 28 28 (a, b) (a, e)
{a} {a, b} {a, b, e}
{(a, b)} {(a, b), (a, e)} {(a, b), (a, e), (c, e)}
(5)T T {e k }, k，t t 1, k k 1, 转（ ） 3
例5.3 用Kruskal算法求下图的最小生成树。
解：将图的边按照权值从小到大进行排列,列 出下表
边 (a, b) (c, e) (a, e) (b, c) (d, g) (a, c)
3) 当第2)步不能继续执行时，则停止. 定理5.3 由Kruskal算法构作的任何生成树都是 最小树。
Prime算法
3.将<u,v>加入 G0中可得一个环，且 <u,v> 不是该环的最长边(这是因为 <u,v> ∈ Gmin)
4.这与prime每次生成最短边矛盾
5.故假设不成立，命题得证.
5. 时间复杂度
Edge* Fun(int **graph,int length){
//length个点，（length-1）条边
int* V=(int*)calloc(length,sizeof(int));
Edge* E=(Edge*)malloc((length-1)*sizeof(Edge));
//先设起始点，置1说明入队列
（3）找到AB，加入队列V=[A,D,F,B]；E=[AD,DF,AB]
……
（5）找到EG，加入队列V=[A,D,F,B,E,C,G]；E=[AD,DF,AB,BE,EC,EG]
//边
struct Edge{
int start;
int end;
int length;
};
//需要传入图邻接矩阵graph，点的个数length
Prime
1. 概述
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，不但包括了连通图里的所有顶点（英语：Vertex (graph theory)），且其所有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（英语：Vojtěch Jarník）发现；并在1957年由美国计算机科学家罗伯特·普里姆（英语：Robert C. Prim）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。
最小生成树经典算法
最小生成树的两种经典算法的分析及实现摘要：数据结构是计算机科学的算法理论基础和软件设计的技术基础，在计算机领域中有着举足轻重的作用，是计算机学科的核心课程。
构造最小生成树有很多算法，本文主要介绍了图的概念、图的遍历，并分析了PRIM和KRUSKAL的两种经典算法的算法思想，对两者进行了详细的比较，最后用这两种经典算法实现了最小生成树的生成。
关键词：连通图，赋权图，最小生成树，算法，实现1 前言假设要在n个城市之间建立通信联络网，则连接n个城市只需要n-1条线路。
这时，自然会考虑这样一个问题，如何在节省费用的前提下建立这个通信网？自然在每两个城市之间都可以设置一条线路，而这相应的就要付出较高的经济代价。
n个城市之间最多可以设置n （n-1）/2条线路，那么如何在这些可能的线路中选择n-1 条使总的代价最小呢？可以用连通网来表示n 个城市以及n个城市之间可能设置的通信线路，其中网的顶点表示城市，边表示两个城市之间的线路，赋予边的权值表示相应的代价。
对于n个顶点的连通网可以建立许多不同的生成树，每一个生成树都可以是一个通信网。
现在要选择这样一棵生成树，也就是使总的代价最小。
这个问题便是构造连通网的最小代价生成树（简称最小生成树）的问题。
一棵生成树的代价就是树上各边的代价之和。
2图的概念2.1 定义无序积在无序积中，无向图，其中为顶点(结点)集，为边集，，中元素为无向边，简称边。
有向图，其中为顶点(结点)集，为边集，，中元素为有向边，简称边。
有时，泛指有向图或无向图。
2.2 图的表示法有向图，无向图的顶点都用小圆圈表示。
无向边——连接顶点的线段。
有向边——以为始点，以为终点的有向线段。
2.3 概念(1)有限图——都是有限集的图。
阶图——的图。
零图——的图。
特别，若又有，称平凡图。
(2)关联 (边与点关系)——设边(或)，则称与(或)关联。
无环孤立点——无边关联的点。
环——一条边关联的两个顶点重合，称此边为环 (即两顶点重合的边)。
PRIM算法求最小生成树
xx学院《数据结构与算法》课程设计报告书课程设计题目 PRIM算法求最小生成树院系名称计算机科学与技术系专业（班级）姓名（学号）指导教师完成时间一、问题分析和任务定义在该部分中主要包括两个方面：问题分析和任务定义；1 问题分析本次课程设计是通过PRIM（普里姆）算法，实现通过任意给定网和起点，将该网所对应的所有生成树求解出来。
在实现该本设计功能之前，必须弄清以下三个问题：1．1 关于图、网的一些基本概念1．1．1 图图G由两个集合V和E组成，记为G=（V，E），其中V是顶点的有穷非空集合，E是V中顶点偶对的有穷集，这些顶点偶对称为边。
通常，V（G）和E（G）分别表示图G的顶点集合和边集合。
E（G）也可以为空集。
则图G只有顶点而没有边。
1．1．2 无向图对于一个图G，若边集E（G）为无向边的集合，则称该图为无向图。
1．1．3 子图设有两个图G=（V，E）G’=（V’，）,若V’是V的子集，即V’⊆V ，且E’是E的子集，即E’⊆E，称G’是G的子图。
1．1．4 连通图若图G中任意两个顶点都连通，则称G为连通图。
1．1．5 权和网在一个图中，每条边可以标上具有某种含义的数值，该数值称为该边的权。
把边上带权的图称为网。
如图1所示。
1．2 理解生成树和最小生成树之间的区别和联系1．2．1 生成树在一个连通图G中，如果取它的全部顶点和一部分边构成一个子图G’，即：V（G’）= V（G）和E（G’）⊆E（G），若边集E（G’）中的边既将图中的所有顶点连通又不形成回路，则称子图G’是原图G的一棵生成树。
1．2．2 最小生成树图的生成树不是唯一的，把具有权最小的生成树称为图G的最小生成树，即生成树中每条边上的权值之和达到最小。
如图1所示。
图1．网转化为最小生成树1．3 理解PRIM（普里姆）算法的基本思想1．3．1 PRIM算法（普里姆算法）的基本思想假设G =（V，E）是一个具有n个顶点的连通网，T=(U,TE)是G的最小生成树，其中U是T的顶点集，TE是T的边集，U和TE的初值均为空集。
最小生成树---普里姆算法（Prim算法）和克鲁斯卡尔算法（Kruskal算法）
最⼩⽣成树---普⾥姆算法（Prim算法）和克鲁斯卡尔算法（Kruskal算法）最⼩⽣成树的性质：MST性质（假设N=(V,{E})是⼀个连通⽹，U是顶点集V的⼀个⾮空⼦集，如果（u，v）是⼀条具有最⼩权值的边，其中u属于U，v属于V-U，则必定存在⼀颗包含边（u，v）的最⼩⽣成树）普⾥姆算法（Prim算法)思路：以点为⽬标构建最⼩⽣成树1.将初始点顶点u加⼊U中，初始化集合V-U中各顶点到初始顶点u的权值；2.根据最⼩⽣成树的定义：从n个顶点中，找出 n - 1条连线，使得各边权值最⼩。
循环n-1次如下操作：（1）从数组lowcost[k]中找到vk到集合U的最⼩权值边，并从数组arjvex[k] = j中找到该边在集合U中的顶点下标(2)打印此边，并将vk加⼊U中。
（3）通过查找邻接矩阵Vk⾏的各个权值，即vk点到V-U中各顶点的权值，与lowcost的对应值进⾏⽐较，若更⼩则更新lowcost，并将k存⼊arjvex数组中以下图为例#include<bits/stdc++.h>using namespace std;#define MAXVEX 100#define INF 65535typedef char VertexType;typedef int EdgeType;typedef struct {VertexType vexs[MAXVEX];EdgeType arc[MAXVEX][MAXVEX];int numVertexes, numEdges;}MGraph;void CreateMGraph(MGraph *G) {int m, n, w; //vm-vn的权重wscanf("%d %d", &G->numVertexes, &G->numEdges);for(int i = 0; i < G->numVertexes; i++) {getchar();scanf("%c", &G->vexs[i]);}for(int i = 0; i < G->numVertexes; i++) {for(int j = 0; j < G->numVertexes; j++) {if(i == j) G->arc[i][j] = 0;else G->arc[i][j] = INF;}}for(int k = 0; k < G->numEdges; k++) {scanf("%d %d %d", &m, &n, &w);G->arc[m][n] = w;G->arc[n][m] = G->arc[m][n];}}void MiniSpanTree_Prim(MGraph G) {int min, j, k;int arjvex[MAXVEX]; //最⼩边在 U集合中的那个顶点的下标int lowcost[MAXVEX]; // 最⼩边上的权值//初始化,从点 V0开始找最⼩⽣成树Tarjvex[0] = 0; //arjvex[i] = j表⽰ V-U中集合中的 Vi点的最⼩边在U集合中的点为 Vjlowcost[0] = 0; //lowcost[i] = 0表⽰将点Vi纳⼊集合 U ，lowcost[i] = w表⽰ V-U中 Vi点到 U的最⼩权值for(int i = 1; i < G.numVertexes; i++) {lowcost[i] = G.arc[0][i];arjvex[i] = 0;}//根据最⼩⽣成树的定义：从n个顶点中，找出 n - 1条连线，使得各边权值最⼩for(int i = 1; i < G.numVertexes; i++) {min = INF, j = 1, k = 0;//寻找 V-U到 U的最⼩权值minfor(j; j < G.numVertexes; j++) {// lowcost[j] != 0保证顶点在 V-U中，⽤k记录此时的最⼩权值边在 V-U中顶点的下标if(lowcost[j] != 0 && lowcost[j] < min) {min = lowcost[j];k = j;}}}printf("V[%d]-V[%d] weight = %d\n", arjvex[k], k, min);lowcost[k] = 0; //表⽰将Vk纳⼊ U//查找邻接矩阵Vk⾏的各个权值，与lowcost的对应值进⾏⽐较，若更⼩则更新lowcost，并将k存⼊arjvex数组中for(int i = 1; i < G.numVertexes; i++) {if(lowcost[i] != 0 && G.arc[k][i] < lowcost[i]) {lowcost[i] = G.arc[k][i];arjvex[i] = k;}}}int main() {MGraph *G = (MGraph *)malloc(sizeof(MGraph));CreateMGraph(G);MiniSpanTree_Prim(*G);}/*input:4 5abcd0 1 20 2 20 3 71 2 42 3 8output:V[0]-V[1] weight = 2V[0]-V[2] weight = 2V[0]-V[3] weight = 7最⼩总权值: 11*/时间复杂度O(n^2)克鲁斯卡尔算法（Kruskal算法）思路：以边为⽬标进⾏构建最⼩⽣成树在边集中依次寻找最⼩权值边，若构建是不形成环路（利⽤parent数组记录各点的连通分量），则将其添加到最⼩⽣成树中。
最小生成树问题课程设计
最小生成树问题课程设计一、课程目标知识目标：1. 理解最小生成树的概念，掌握其定义及性质；2. 学会运用普里姆（Prim）算法和克鲁斯卡尔（Kruskal）算法求解最小生成树问题；3. 了解最小生成树在实际问题中的应用，如网络设计、电路设计等。
技能目标：1. 能够运用普里姆和克鲁斯卡尔算法解决最小生成树问题，并进行算法分析；2. 能够运用所学知识解决实际问题，具备一定的算法设计能力；3. 能够通过合作与交流，提高问题分析和解决问题的能力。
情感态度价值观目标：1. 培养学生对数据结构与算法的兴趣，激发学习热情；2. 培养学生的团队合作意识，学会倾听、尊重他人意见；3. 培养学生面对问题勇于挑战、积极进取的精神。
课程性质：本课程为计算机科学与技术专业的高年级课程，旨在帮助学生掌握图论中的最小生成树问题及其求解方法。
学生特点：学生具备一定的编程基础和图论知识，对算法有一定的了解，但可能对最小生成树问题尚不熟悉。
教学要求：结合学生特点，采用案例教学、任务驱动等方法，注重理论与实践相结合，培养学生的实际操作能力和创新思维。
通过本课程的学习，使学生能够将所学知识应用于实际问题中，提高解决复杂问题的能力。
二、教学内容1. 最小生成树概念与性质- 定义、性质及定理- 最小生成树的构建方法2. 普里姆算法- 算法原理与步骤- 算法实现与复杂度分析- 举例应用3. 克鲁斯卡尔算法- 算法原理与步骤- 算法实现与复杂度分析- 举例应用4. 最小生成树在实际问题中的应用- 网络设计- 电路设计- 其他领域应用案例5. 算法比较与优化- 普里姆与克鲁斯卡尔算法的比较- 算法优化方法及其适用场景6. 实践环节- 编程实现普里姆和克鲁斯卡尔算法- 分析并解决实际问题- 小组讨论与成果展示教学内容依据课程目标进行选择和组织，注重科学性和系统性。
参考教材相关章节，制定以下教学安排：第1周：最小生成树概念与性质第2周：普里姆算法第3周：克鲁斯卡尔算法第4周：最小生成树在实际问题中的应用第5周：算法比较与优化第6周：实践环节与总结三、教学方法本课程将采用以下多样化的教学方法，以激发学生的学习兴趣和主动性：1. 讲授法：教师通过生动的语言和形象的比喻，对最小生成树的概念、性质、算法原理等基础知识进行讲解，使学生快速掌握课程内容。
普里姆和克鲁斯卡尔算法
前言从学习《数据结构》这门课程开始，我已发现了学习算法的乐趣，在学习这门课的过程中也学到了许多计算机应用基础知识，对计算机的机体也有了一个初步的了解，又在课余时间阅读了大量有关算法设计与分析的图书，在此基础上，利用贪心算法，编写了一个用prim 和kruskal算法求解最小生成树，也以此检验自己一学期所学成果，加深对算法设计与分析这门课程的理解，由于所学知识有限，难免有些繁琐和不完善之处，下面向大家介绍此程序的设计原理，方法，内容及设计的结果。
本程序是在windows 环境下利用Microsoft Visual C++ 6.0所编写的，主要利用贪心算法的思想，以及数组，for语句的循环，if语句的嵌套，运用以上所学知识编写出的prim和kruskal算法求解最小生成树，在输入其边的起始位置，种植位置以及权值后，便可分别输出此网的prim和kruskal算法最小生成树的边的起始位置，终止位置以及权值。
正文2.1 设计方法和内容一.软件环境：Microsoft Visual C++ 6.0二.详细设计思想：所谓贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择。
也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。
贪心算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题他能产生整体最优解或者是整体最优解的近似解。
贪心算法的基本思路如下：1.建立数学模型来描述问题。
2.把求解的问题分成若干个子问题。
3.对每一子问题求解，得到子问题的局部最优解。
4.把子问题的解局部最优解合成原来解问题的一个解。
1.Prim（普里姆）算法思想无向网的最小生成树问题此算法的思想是基于点的贪心，力求从源点到下一个点的距离最短，以此来构建临接矩阵，所以此算法的核心思想是求得源点到下一个点的最短距离，下面具体解释如何求此最短距离：在图中任取一个顶点k作为开始点，令集合U={k},集合w=V-U,其中v为图中所有顶点的集合，然后找出：一个顶点在集合U中，另一个顶点在集合W中的所有边中，权值最短的一条边，，并将该边顶点全部加入集合U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，在重复此过程，直到W为空集为止，求解过程如下：由图可知最小生成树的步骤，假设开始顶点就选为1，故首先有u=｛1｝，w={2,3,4,5}。
普里姆算法
使用不同的遍历图的方法，可以得到不同 的生成树；从不同的顶点出发，也可能得 到不同的生成树。
按照生成树的定义，n 个顶点的连通网络 的生成树有 n 个顶点、n-1 条边。
构造最小生成树的准则 必须使用且仅使用该网络中的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； 各边上的权值的总和达到最小。
采用邻接矩阵作为图的存储表示。
28
01
01
01
10 14 16 10
10
5 6 25 6 25 6 2
25 24 18 12
25
4 22 3
43
43
原图
(a)
(b)
01
01
01
10
10
10 14 16
5 6 25 6 25 6 2
25
4 22 3
(c)
25
12 25
12
4 22 3
4 22 3
(d)
普里姆(Pபைடு நூலகம்im)算法
普里姆算法的基本思想： 从连通网络 N = { V, E }中的某一顶点 u0 出 发, 选择与它关联的具有最小权值的边 ( u0, v ), 将其顶点加入到生成树顶点集合U中。 以后每一步从一个顶点在 U 中,而另一个 顶点不在 U 中的各条边中选择权值最小的 边(u, v), 把它的顶点加入到集合 U 中。如 此继续下去, 直到网络中的所有顶点都加入 到生成树顶点集合 U 中为止。
(e) (f)
《数据结构》课程设计 普里姆算法 最小生成树
[i].stop_vex,lge[i].weight); /*输出N-1条最小边的信息*/
for(i=0;i<12;i++)
{
line(vex[lge[i].start_vex][0],vex[lge[i].start_vex][1],vex[lge
lge[min]=lge[i];
lge[i]=edge;
vx=lge[i].stop_vex;
for(j=i+1; j<pgraph->n-1; j++)
{
vy=lge[j].stop_vex;
weight=pgraph->arcs[vx][vy];
if(weight<lge[j].weight)
{
{550,250},{520,330},{430,400},{350,450},{270,400},{200,330}};
/*初始化个顶点的坐标*/
int info[12][12];
char *text;
void initalGraph(int vec[][2]) /*画出顶点函数*/
{
int gd=DETECT,gm;
[i].stop_vex][0],vex[lge[i].stop_vex][1]);
}
/*根据生成的最小边数组连线*/
printf("---It is done!---");
getch();
exit(1);
}
此程序再TURBOC2.0环境中编译通过运行.TURBOC2.0下载的地址
数据结构之最小生成树Prim算法
数据结构之最⼩⽣成树Prim算法普⾥姆算法介绍 普⾥姆（Prim）算法，是⽤来求加权连通图的最⼩⽣成树算法 基本思想：对于图G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。
代码实现1. 思想逻辑 （1）以⽆向图的某个顶点（A）出发，计算所有点到该点的权重值，若⽆连接取最⼤权重值#define INF (~(0x1<<31)) （2）找到与该顶点最⼩权重值的顶点（B），再以B为顶点计算所有点到改点的权重值，依次更新之前的权重值，注意权重值为0或⼩于当前权重值的不更新，因为1是⼀当找到最⼩权重值的顶点时，将权重值设为了0，2是会出现⽆连接的情况。
（3）将上述过程⼀次循环，并得到最⼩⽣成树。
2. Prim算法// Prim最⼩⽣成树void Prim(int nStart){int i = 0;int nIndex=0; // prim最⼩树的索引，即prims数组的索引char cPrims[MAX]; // prim最⼩树的结果数组int weights[MAX]; // 顶点间边的权值cPrims[nIndex++] = m_mVexs[nStart].data;// 初始化"顶点的权值数组"，// 将每个顶点的权值初始化为"第start个顶点"到"该顶点"的权值。
for (i = 0; i < m_nVexNum; i++){weights[i] = GetWeight(nStart, i);}for (i = 0; i < m_nVexNum; i ++){if (nStart == i){continue;}int min = INF;int nMinWeightIndex = 0;for (int k = 0; k < m_nVexNum; k ++){if (weights[k]!= 0 && weights[k] < min){min = weights[k];nMinWeightIndex = k;}}// 找到下⼀个最⼩权重值索引cPrims[nIndex++] = m_mVexs[nMinWeightIndex].data;// 以找到的顶点更新其他点到该点的权重值weights[nMinWeightIndex]=0;int nNewWeight = 0;for (int ii = 0; ii < m_nVexNum; ii++){nNewWeight = GetWeight(nMinWeightIndex, ii);// 该位置需要特别注意if (0 != weights[ii] && weights[ii] > nNewWeight){weights[ii] = nNewWeight;}}for (i = 1; i < nIndex; i ++){int min = INF;int nVexsIndex = GetVIndex(cPrims[i]);for (int kk = 0; kk < i; kk ++){int nNextVexsIndex = GetVIndex(cPrims[kk]);int nWeight = GetWeight(nVexsIndex, nNextVexsIndex);if (nWeight < min){min = nWeight;}}nSum += min;}// 打印最⼩⽣成树cout << "PRIM(" << m_mVexs[nStart].data <<")=" << nSum << ": ";for (i = 0; i < nIndex; i++)cout << cPrims[i] << "";cout << endl;}3. 全部实现#include "stdio.h"#include <iostream>using namespace std;#define MAX 100#define INF (~(0x1<<31)) // 最⼤值(即0X7FFFFFFF)class EData{public:EData(char start, char end, int weight) : nStart(start), nEnd(end), nWeight(weight){} char nStart;char nEnd;int nWeight;};// 边struct ENode{int nVindex; // 该边所指的顶点的位置int nWeight; // 边的权重ENode *pNext; // 指向下⼀个边的指针};struct VNode{char data; // 顶点信息ENode *pFirstEdge; // 指向第⼀条依附该顶点的边};// ⽆向邻接表class listUDG{public:listUDG(){};listUDG(char *vexs, int vlen, EData **pEData, int elen){m_nVexNum = vlen;m_nEdgNum = elen;// 初始化"邻接表"的顶点for (int i = 0; i < vlen; i ++){m_mVexs[i].data = vexs[i];m_mVexs[i].pFirstEdge = NULL;}char c1,c2;int p1,p2;ENode *node1, *node2;// 初始化"邻接表"的边for (int j = 0; j < elen; j ++){// 读取边的起始顶点和结束顶点p1 = GetVIndex(c1);p2 = GetVIndex(c2);node1 = new ENode();node1->nVindex = p2;node1->nWeight = pEData[j]->nWeight;if (m_mVexs[p1].pFirstEdge == NULL){m_mVexs[p1].pFirstEdge = node1;}else{LinkLast(m_mVexs[p1].pFirstEdge, node1);}node2 = new ENode();node2->nVindex = p1;node2->nWeight = pEData[j]->nWeight;if (m_mVexs[p2].pFirstEdge == NULL){m_mVexs[p2].pFirstEdge = node2;}else{LinkLast(m_mVexs[p2].pFirstEdge, node2);}}}~listUDG(){ENode *pENode = NULL;ENode *pTemp = NULL;for (int i = 0; i < m_nVexNum; i ++){pENode = m_mVexs[i].pFirstEdge;if (pENode != NULL){pTemp = pENode;pENode = pENode->pNext;delete pTemp;}delete pENode;}}void PrintUDG(){ENode *pTempNode = NULL;cout << "邻接⽆向表:" << endl;for (int i = 0; i < m_nVexNum; i ++){cout << "顶点:" << GetVIndex(m_mVexs[i].data)<< "-" << m_mVexs[i].data<< "->"; pTempNode = m_mVexs[i].pFirstEdge;while (pTempNode){cout <<pTempNode->nVindex << "->";pTempNode = pTempNode->pNext;}cout << endl;}}// Prim最⼩⽣成树void Prim(int nStart){int i = 0;int nIndex=0; // prim最⼩树的索引，即prims数组的索引char cPrims[MAX]; // prim最⼩树的结果数组int weights[MAX]; // 顶点间边的权值cPrims[nIndex++] = m_mVexs[nStart].data;// 初始化"顶点的权值数组"，// 将每个顶点的权值初始化为"第start个顶点"到"该顶点"的权值。
最小生成树的方法
最小生成树的方法
最小生成树（Minimum Spanning Tree）是指在一个带权无向连通图中，找到一个包含所有顶点且总权值最小的树。
常用的方法有以下几种：
1. Prim算法（普里姆算法）：从一个起始顶点开始，逐步扩展生成树，每次选择一个与当前生成树距离最小的顶点加入，直到所有顶点都被包含在生成树中。
2. Kruskal算法（克鲁斯卡尔算法）：首先将图的所有边按照权值从小到大排序，然后依次选择权值最小的边加入生成树中，但要保证加入边后不会形成环，直到生成树中包含所有顶点，或者图中的所有边都被考虑过。
3. Boruvka算法（博鲁卡尔算法）：将图的所有顶点分成多个不相交的集合，每个集合中的顶点组成一棵生成树，然后每次选择具有最小权值且连接两个不同集合的边加入生成树中，直到只剩下一个集合。
4. Jarnik算法（加尔尼克算法）：也称为更改版的Prim算法，首先选择一个起始顶点加入生成树中，然后通过比较当前生成树中的顶点到其他顶点的距离，选择一个距离最小的顶点加入生成树，重复该过程直到所有顶点都被包含在生成树中。
这些方法都可以得到最小生成树，但在某些情况下，它们的效率和性能可能会不同。
选择合适的方法取决于具体的应用场景和图的特征。
03 最小生成树
所选的边都是一端 一端在 1. 所选的边都是一端在V-U中，另一端在U中； 中 另一端在 中 2. 从一个顶点开始逐步增加 中的顶点，Prim算法可称为“加点 从一个顶点开始逐步增加U中的顶点 中的顶点， 算法可称为“ 算法可称为 法”。
普里姆(Prim)算法过程示例 普里姆(Prim)算法过程示例 (Prim)
28 1 10 6 25 25 5 22 4 14 7 18 2 16 3 12
普里姆(Prim)算法过程示例 普里姆(Prim)算法过程示例 (Prim)
28 1 10 6 25 25 5 22 4 14 7 18 2 16 3 12
A B C D E B C
A D E B C
A D E
F 图G
G
F
G
F
G
图G的生成树 的生成树
图G的又一生成树 的又一生成树
1. 如果在一棵生成树上添加一条边,必定构成一个环； 如果在一棵生成树上添加一条边 必定构成一个环 添加一条边 必定构成一个 因为这条边使得它依附的那两个顶点之间有了第二 条路径。 条路径。 2. 一棵有 个顶点的生成树 连通无回路图)有且仅有 一棵有n个顶点的生成树 连通无回路 有且仅有 个顶点的生成树(连通无回路图 有且仅有(n条边,则是 1)条边 如果一个图有 个顶点和小于 条边,如果一个图有 个顶点和小于 条边 条边 如果一个图有n个顶点和小于(n-1)条边 则是 非连通图。如果它多于 连通图。如果它多于(n-1)条边 则一定有回路。 条边,则一定有回路。 多于 条边 则一定有回路 3. 有(n-1)条边的图不一定都是生成树。 条边的图不一定都是生成树。 条边的图不一定都是生成树
最小生成树算法（克鲁斯卡尔算法和普里姆算法）
最⼩⽣成树算法（克鲁斯卡尔算法和普⾥姆算法）⼀般最⼩⽣成树算法分成两种算法：⼀个是克鲁斯卡尔算法：这个算法的思想是利⽤贪⼼的思想，对每条边的权值先排个序，然后每次选取当前最⼩的边，判断⼀下这条边的点是否已经被选过了，也就是已经在树内了，⼀般是⽤并查集判断两个点是否已经联通了；另⼀个算法是普⾥姆算法：这个算法长的贼像迪杰斯塔拉算法，⾸先选取⼀个点进⼊集合内，然后找这个点连接的点⾥⾯权值最⼩的点，然后每次在选取与集合内任意⼀点连接的点的边的权值最⼩的那个（这个操作可以在松弛那⾥修改⼀下，这也是和迪杰斯塔拉算法最⼤的不同，你每次选取⼀个点后，把这个点能达到的点的那条边的权值修改⼀下，⽽不是像迪杰斯塔拉算法那样，松弛单点权值）；克鲁斯卡尔代码：#include<iostream>#include<algorithm>#define maxn 5005using namespace std;struct Node{int x;int y;int w;}node[maxn];int cmp(Node x,Node y){return x.w<y.w;}int fa[maxn];int findfa(int x){if(fa[x]==x)return x;elsereturn findfa(fa[x]);}int join(int u,int v){int t1,t2;t1=findfa(u);t2=findfa(v);if(t1!=t2){fa[t2]=t1;return1;}elsereturn0;}int main(){int i,j;int sum;int ans;int n,m;sum=0;ans=0;cin>>n>>m;for(i=1;i<=m;i++)cin>>node[i].x>>node[i].y>>node[i].w;sort(node+1,node+1+m,cmp);for(i=1;i<=n;i++)fa[i]=i;for(i=1;i<=m;i++){if(join(node[i].x,node[i].y)){sum++;ans+=node[i].w;}if(sum==n-1)break;}cout<<ans<<endl;return0;}普⾥姆算法：#include<iostream>#include<algorithm>#include<cstring>#include<cstdio>#define inf 0x3f3f3fusing namespace std;int Map[1005][1005];int dist[1005];int visit[1005];int n,m;int prime(int x){int temp;int lowcast;int sum=0;memset(visit,0,sizeof(visit)); for(int i=1;i<=n;i++)dist[i]=Map[x][i];visit[x]=1;for(int i=1;i<=n-1;i++){lowcast=inf;for(int j=1;j<=n;j++)if(!visit[j]&&dist[j]<lowcast){lowcast=dist[j];temp=j;}visit[temp]=1;sum+=lowcast;for(int j=1;j<=n;j++){if(!visit[j]&&dist[j]>Map[temp][j]) dist[j]=Map[temp][j];}}return sum;}int main(){int y,x,w,z;scanf("%d%d",&n,&m);for(int i=1;i<=n;i++){for(int j=1;j<=n;j++){if(i==j)Map[i][j]=0;elseMap[i][j]=inf;}}memset(dist,inf,sizeof(dist)); for(int i=1;i<=m;i++){scanf("%d%d%d",&x,&y,&w); Map[x][y]=w;Map[y][x]=w;}z=prime(1);printf("%d\n",z);return0;}。
最小生成树的教学过程设计
最小生成树的教学过程设计最小生成树是图论中的一个经典问题，它的解法有多种方法，其中Kruskal和Prim算法是最常用的两种方法。
如何让学生理解这些算法，并掌握它们的运用，是教学过程设计的重要问题。
以下是一个最小生成树教学过程的设计：1. 引言和概述在开始教授算法之前，首先需要给学生一个概念性的介绍，让他们了解最小生成树的定义、作用和主要应用场景。
2. Kruskal算法的介绍首先，通过一个简单的例子来介绍Kruskal算法的基本思想和步骤。
然后，逐步深入，讲解算法的具体实现过程，包括如何选择边、如何判断是否构成环等。
最后，通过多个例子的练习，让学生掌握算法的应用技巧。
3. Prim算法的介绍与Kruskal算法类似，通过一个简单的例子来介绍Prim算法的基本思想和步骤。
然后，逐步深入，讲解算法的具体实现过程，包括如何选择顶点、如何更新距离等。
最后，通过多个例子的练习，让学生掌握算法的应用技巧。
4. 算法的比较和分析在讲解完Kruskal和Prim算法之后，需要对它们进行比较和分析，让学生了解它们之间的异同点、优缺点和适用场景。
可以通过实例分析、复杂度分析等方式进行讲解。
5. 实践应用最后，通过一个实际问题的案例，让学生运用所学算法，解决实际问题。
例如，给定一张地图和路线长度，如何找到连接所有城市的最短路径。
这样的实践应用，能够让学生更好地理解和掌握算法的实际应用。
总之，最小生成树教学过程的设计需要重视基本概念和实际应用的结合，注重实践操作和应用技巧的培养，以及比较和分析不同算法的优缺点。
通过这些措施，可以让学生更好地理解和掌握最小生成树的算法和应用。
数学建模最小生成树例题
数学建模最小生成树例题例题1：某城市计划建设一条高速公路，需要在若干个村庄之间选择一条最优路径。
已知各个村庄之间的距离，请使用最小生成树算法为高速公路选择最优路径。
参考答案：最小生成树算法可以用于解决此类问题。
常用的最小生成树算法有Kruskal算法和Prim算法。
1. Kruskal算法：按照边的权重从小到大排序，依次将边加入生成树，如果加入的边与已选择的边不构成环，则加入，否则不加入。
2. Prim算法：首先选择权重最小的边加入生成树，然后从剩余的边中选择一条与已选择的边相连且权重最小的边加入生成树，直到所有边都加入生成树。
例题2：一个通信网络由若干个节点和边组成，节点代表城市，边代表通信线路。
已知各个城市之间的距离和通信需求，请使用最小生成树算法为该通信网络设计一个最优的通信线路网。
参考答案：最小生成树算法可以用于解决此类问题。
通过最小生成树算法，我们可以找到一个包含所有节点且边的总权重最小的树形结构，以满足各个城市之间的通信需求。
常用的最小生成树算法有Kruskal算法和Prim算法。
1. Kruskal算法：按照边的权重从小到大排序，依次将边加入生成树，如果加入的边与已选择的边不构成环，则加入，否则不加入。
2. Prim算法：首先选择权重最小的边加入生成树，然后从剩余的边中选择一条与已选择的边相连且权重最小的边加入生成树，直到所有边都加入生成树。
例题3：一个城市的电力网由多个节点和边组成，节点代表发电厂或变电站，边代表输电线路。
已知各个节点之间的电抗和传输功率，请使用最小生成树算法为该城市电力网设计一个最优的输电线路。
参考答案：最小生成树算法可以用于解决此类问题。
通过最小生成树算法，我们可以找到一个包含所有节点且边的总电抗最小的树形结构，以满足各个节点之间的电力传输需求。
常用的最小生成树算法有Kruskal算法和Prim算法。
1. Kruskal算法：按照边的电抗从小到大排序，依次将边加入生成树，如果加入的边与已选择的边不构成环，则加入，否则不加入。
数据结构和算法学习笔记八：带权连通图的最小生成树
数据结构和算法学习笔记⼋：带权连通图的最⼩⽣成树⼀.简介: 对于⼀个n个顶点的连通图,其最⼩⽣成树是指将所有顶点连接起来的权值之和的最⼩树,树中包含n个顶点和n-1条边.最⼩⽣成树常见的⽣成算法有普⾥姆算法和克鲁斯卡尔算法,它们分别基于顶点的⾓度和边的⾓度⽣成最⼩⽣成树. 声明:对于本⽂中实现图结构的各种类,详见:⼆.两种算法简介 1.普⾥姆算法:普⾥姆算法基于顶点实现,基本思路是将所有已经纳⼊到最⼩⽣成树中的顶点存储起来,然后遍历当前的最⼩⽣成树的端点,找出权值最⼩且不会闭环的边并延伸最⼩⽣成树,然后将新的顶点纳⼊到最⼩⽣成树中(和其他已经纳⼊到树中的顶点⼀起存储起来) 2.克鲁斯卡尔算法:克鲁斯卡尔算法基于边实现,⾸先将所有边按照权值由⼩到⼤排序,然后再从⼩到达依次遍历所有边,⼀⼀判断当前边加⼊最⼩⽣成树中后是否会形成环路,在不形成环路的情况下将此边加⼊最⼩⽣成树,并将顶点存储起来.顶点的存储结构类似于倒置的树,根节点在最下⽅.在最⼩⽣成树的⽣成过程中可能会同时存在多颗顶点树,但是最终所有顶点树会汇聚成⼀颗.三.代码实现(c#)/************************************* 创建⼈：movin* 创建时间：2021/7/4 19:55:02* 版权所有：个⼈***********************************/using System;using System.Collections.Generic;using System.Text;namespace GraphCore{///<summary>///最⼩⽣成树算法///</summary>public class MinimumCostSpanningTreeUtil{///<summary>///计算最⼩⽣成树-普⾥姆算法///要求参数必须是⼀个连通图,此处没有校验参数graph是否是连通图的过程,可⾃⾏添加///</summary>///<param name="graph"></param>///<param name="findAEdgeCallBack">找到⼀条边后的回调函数,参数为边的两个关联点下标和权值</param>public static void MiniSpanTree_Prim(AdjacencyMatrixGraph graph,Action<int,int,int> findAEdgeCallBack = null){//数组lowcast,数组的长度和顶点的个数⼀致,数组中每个下标的值和顶点⼀⼀对应//lowcast的作⽤有两个,以lowcast[1] = 5为例,意思是当前已经找过的顶点中到1顶点的最短路径权值为5//所以作⽤⼀是某下标对应值不为0时代表当前已经⽣成的部分最⼩⽣成树到某下标对应顶点的权值最⼩的边的权值//作⽤⼆是某下标对应值为0时代表此下标对应顶点已经在最⼩⽣成树中,不再参与继续⽣成最⼩⽣成树int[] lowcast = new int[graph.Count];//数组adjvex,这个数组作⽤是对应记录lowcast中最⼩权值边的另⼀个依附顶点下标(⼀个依附顶点下标就是lowcast下标)int[] adjvex = new int[graph.Count];lowcast[0] = 0;//从0号顶点开始⽣成最⼩⽣成树,⾸先将0号顶点对应位置置为0//adjvex[0] = 0;//这句代码加不加都ok,0号位已经加⼊最⼩⽣成树,这个值也就⽤不上了//初始化lowcast数组的其他下标值for(int i = 1;i < lowcast.Length; i++){//当前最⼩⽣成树中只有0号顶点,所以以0号顶点到i号顶点的边的权值就是当前的最⼩边权值lowcast[i] = graph.adjacencyMatrix[0, i];//这些边的另⼀个依附顶点当然是0号顶点adjvex[i] = 0;}//开始计算最⼩⽣成树,结果存储到result中int min = int.MaxValue;//⽤来存储找到的最⼩权值边的权值的临时变量int tempIndex = 0;//⽤来存储即将加⼊最⼩⽣成树的边的顶点(也就是即将加⼊最⼩⽣成树的顶点)的临时变量,另⼀个顶点存储在adjvex数组中//循环length-1次,每次将⼀个顶点和⼀条边加⼊最⼩⽣成树中for(int i = 1;i < graph.Count; i++){//循环在当前的lowcast中找到⾮0的最⼩值(到没有找过的顶点中的最⼩边)min = int.MaxValue;tempIndex = 0;for(int j = 1;j < lowcast.Length; j++){if(lowcast[j] != 0 && lowcast[j] < min){min = lowcast[j];tempIndex = j;}}//找到边后调⽤回调函数if(findAEdgeCallBack != null){findAEdgeCallBack(tempIndex, adjvex[tempIndex], lowcast[tempIndex]);}//更新lowcast数组lowcast[tempIndex] = 0;//每次延申了最⼩⽣成树后需要将lowcast中的值更新,⽅便下次继续延申最⼩⽣成树//刚才将下标为tempIndex的顶点和⼀条边加⼊了最⼩⽣成树,接下来只需要更新这个顶点相关的边即可for(int j = 1;j < lowcast.Length;j++){//判断顶点tempIndex和顶点j之间的边//j顶点不在最⼩⽣成树中且这条边的权值⽐lowcast中记录的最⼩权值要⼩时//更新到顶点j的最⼩权值边的权值,并且记录到顶点j的最⼩权值边的另⼀个顶点为tempIndexif(lowcast[j] != 0 && lowcast[j] > graph.adjacencyMatrix[tempIndex, j]){lowcast[j] = graph.adjacencyMatrix[tempIndex, j];adjvex[j] = tempIndex;}}}}///<summary>///计算最⼩⽣成树-克鲁斯卡尔算法///要求参数必须是连通图///</summary>///<param name="graph"></param>///<param name="findAEdgeCallBack">找到⼀条边后的回调函数,参数为边的两个关联点下标和权值</param>public static void MinSpanTree_Kruskal(EdgesetArrayGraph graph, Action<int, int, int> findAEdgeCallBack = null){//将边集数组排序SortEdgeNode(graph.edgeNodes);//声明⼀个数组,数组下标对应顶点下标//数组中值为-1时代表对应顶点还没有加⼊最⼩⽣成树//当某个顶点被加⼊最⼩⽣成树后,将数组中对应的下标的值修改,修改后的值指向下⼀个加⼊最⼩⽣成树的顶点下标//如vertices[5] = 7代表5号顶点和7号顶点都在最⼩⽣成树中,其中5号顶点的下⼀个顶点是7号顶点//在构建最⼩⽣成树的过程中会通过这个数组检验当前边添加进数组是否会构成环//分析后⾯的代码可以知道,最终数组中length-1个值会被修改,刚好对应添加到最⼩⽣成树中的length-1条边int[] vertices = new int[graph.edgeNodes.Length];//数组初始值都为-1for (int i = 0; i < vertices.Length; i++){vertices[i] = -1;}//下⾯构建最⼩⽣成树//循环遍历所有边,⼀⼀校验是否可以加⼊最⼩⽣成树for (int i = 0; i < graph.edgeNodes.Length; i++){EdgesetArrayEdgeNode node = graph.edgeNodes[i];int startIndex = GetNextVertex(vertices, node.headIndex);int endIndex = GetNextVertex(vertices, node.tailIndex);//检验是否成环,不成环则这条边可以加⼊最⼩⽣成树if (startIndex != endIndex){vertices[startIndex] = endIndex;if(findAEdgeCallBack != null){findAEdgeCallBack(node.headIndex, node.tailIndex, node.weight);}}}}///<summary>///在vertices中,顶点之间的先后次序最终的存储⽅式类似于⼀颗倒过来的树,根顶点在最下⽅,存储时会⼀直向下找,直到找到根顶点,存储时会将下⼀个存储到最⼩⽣成树中的顶点挂到根顶点下⽅成为新///查找时看此顶点是否有后继顶点,如果有那么继续查找后继顶点的后继顶点...以此类推,直到某个顶点对应下标值为-1,即没有后继顶点,返回这个顶点下标///如果两个顶点之间会构成环路,那么它们所在的顶点的后继中⼀定会有相同的顶点,最终查找下去得到的值为顶点相同///</summary>///<param name="vertices"></param>///<param name="index"></param>///<returns></returns>private static int GetNextVertex(int[] vertices,int index){while(vertices[index] != -1){index = vertices[index];}return index;}///<summary>///将给定边集数组按照从⼩到达排序///采⽤选择排序///</summary>///<param name="graph"></param>private static void SortEdgeNode(EdgesetArrayEdgeNode[] edgeNodes){for (int i = 0; i < edgeNodes.Length; i++){int minIndex = i;for (int j = i + 1; j < edgeNodes.Length; j++){if(edgeNodes[minIndex].weight > edgeNodes[j].weight){minIndex = j;}}if(minIndex != i){EdgesetArrayEdgeNode temp = edgeNodes[i];edgeNodes[i] = edgeNodes[minIndex];edgeNodes[minIndex] = temp;}}}}}。
最小生成树课程设计
最小生成树课程设计一、课程目标知识目标：1. 学生能够理解最小生成树的概念，掌握其定义和性质；2. 学生能够掌握两种常见的最小生成树算法：普里姆（Prim）算法和克鲁斯卡尔（Kruskal）算法；3. 学生能够运用最小生成树解决实际问题，如网络设计、电路设计等。
技能目标：1. 学生能够运用图论知识，分析并解决最小生成树问题；2. 学生能够编写和调试实现最小生成树的算法程序；3. 学生能够通过小组合作，共同探讨并解决最小生成树相关问题。
情感态度价值观目标：1. 学生通过学习最小生成树，培养对图论的兴趣，激发探索数学问题的热情；2. 学生在合作解决问题的过程中，学会沟通、协作，培养团队精神；3. 学生能够认识到数学知识在实际生活中的广泛应用，增强学习的积极性和主动性。
课程性质：本课程为计算机科学、信息技术等相关专业的高年级学生设计，旨在帮助学生掌握最小生成树的基本原理和算法，提高解决实际问题的能力。
学生特点：学生已经具备一定的图论基础，熟悉基本的算法和数据结构，具有一定的编程能力。
教学要求：通过讲解、示例、练习和小组讨论等形式，使学生掌握最小生成树的相关知识，提高编程实践能力和解决问题的能力。
同时，注重培养学生的团队合作精神和数学思维。
二、教学内容1. 最小生成树概念与性质- 定义、性质和判定条件- 最小生成树的应用场景2. 普里姆（Prim）算法- 算法原理与步骤- 代码实现与调试- 算法性能分析3. 克鲁斯卡尔（Kruskal）算法- 算法原理与步骤- 代码实现与调试- 算法性能分析4. 最小生成树算法比较与应用- 普里姆与克鲁斯卡尔算法的优缺点对比- 实际问题中的应用案例分析5. 小组讨论与练习- 分组讨论最小生成树相关算法及应用- 编写和调试最小生成树算法程序- 解决实际问题，如网络设计、电路设计等教学内容安排与进度：第一周：最小生成树概念与性质，普里姆算法原理与实现第二周：普里姆算法性能分析，克鲁斯卡尔算法原理与实现第三周：克鲁斯卡尔算法性能分析，最小生成树算法比较与应用第四周：小组讨论与练习，解决实际问题教材章节：《离散数学及其应用》第6章：图论《数据结构与算法分析》第9章：图论算法《计算机算法设计与分析》第4章：最小生成树与最短路径三、教学方法本课程将采用以下多样化的教学方法，以激发学生的学习兴趣和主动性：1. 讲授法：教师通过生动的语言、形象的比喻和具体的案例，讲解最小生成树的概念、性质和算法原理，使学生系统掌握理论知识。
用最小生成树解决TSP问题
第24卷湖北师范学院学报(自然科学版)Vol124第4期Journal of Hubei Normal University(Natural Science)No14,2004用最小生成树解决TSP问题姚建华,杨成涛(济南94534部队,山东济南 250002)摘要:旅行商问题(Traveling Salesman Problem,TSP问题)是组合优化领域中研究最多的问题之一,是一个经典的NP难题,也是目前优化领域里的研究热点。
目前解决旅行商问题有诸多算法,神经网络、遗传算法、免疫算法等,在各种解决旅行商问题的算法中,还是存在很多问题。
本文用最小化生成树来求解旅行商问题。
在对题目要求进行深入分析的基础上,对原有算法进行了多方面改进,并用C语言进行了实现。
采用选取排除最长路径顶点的方法降低时间复杂度、采用比较顶点次序的方法提高算法准确性、通过自动产生顶点坐标降低输入复杂性和测试的准确性,实验结果表明该算法可以取得较好的效果。
关键词:TSP;最小生成树;最短路径;组合优化中图分类号:TP301.6,TP312 文献标识码:A 文章编号:100922714(2004)0420052205 旅行商问题(Traveling Salesman Problem,TSP问题)就是一个销售商从n个城市中的某一城市出发,不重复地走完其余n-1个城市并回到原出发点,在所有可能的路径中求出路径长度最短的一条,是组合优化领域中研究最多的问题之一。
从50年代中起,出版了大量关于本问题的文献。
Lawler编辑的书对到当时为止的所有主要研究成果作了全面深入的综述。
对于求解旅行商问题,有许多方法和思路,目前最流行的是神经网络算法与遗传算法,在本次设计中,应用最小生成树的解题思路,来解决旅行商问题。
本文中包括了对旅行商问题和最小生成树解题思路的论述,给出了解决旅行商问题的算法设计。
由题目要求可知,对于旅行商问题,城市的数目是根据用户的需求而改变的,而对于所确定数目的n个城市来说,每两个城市之间都有相互连通的路径,且路径的长度是不尽相同的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
#include<stdio.h>
#include<iostream.h>
#include<stdlib.h>
#include<string.h>
//
typedef struct{
int arcs[20][20];
int vexs[20];
int vexnum,arcnum;
}MGraph;
//****************确定输入结点的位置************* int LocateVex(MGraph G,int V)
{
for(int i=0;i<G.vexnum;i++)
if(V==G.vexs[i])
{
return i;
break;
}
if(i==G.vexnum)
cout<<"No find the vex"<<endl;
return -1;
}
//********************新建无向网****************** void CreateUDN(MGraph &G)
{
cout<<"输入结点数、边数:";
cin>>G.vexnum>>G.arcnum;
cout<<"输入各结点:";
for(int i=0;i<G.vexnum;i++)
cin>>G.vexs[i];
for(i=0;i<G.vexnum;i++)
for(int j=0;j<G.vexnum;j++)
G. arcs[i][j]=100000;
cout<<"输入各边的两顶点及权值:";
int V1,V2;
int w,j;
for(int k=0;k<G.arcnum;k++)
{
cin>>V1>>V2>>w;
i=LocateVex(G,V1);j=LocateVex(G,V2);
G.arcs[i][j]=G.arcs[j][i]=w;
}
}
//
struct{
int adjvex;//结点
int lowcost;//结点的权值
}closedge[20];
//****************生成普利姆最小树****************
void MiniSpanTree_PRIM(MGraph G,int v)
{
int k;
k=LocateVex(G,v);
for(int j=0;j<G.vexnum ;j++)
if(j!=k)
{
closedge[j].adjvex=v;
closedge[j].lowcost=G.arcs [k][j];
}
closedge[k].lowcost=0;
for(int i=1;i<G.vexnum ;i++){
//k=minimum(closedge);
//***********************************************//
//********************寻找下一个结点***************
int min;
for(j=0;j<G.vexnum ;j++)
if(closedge[j].lowcost!=0)
{
min=j;
break;
}
for(j=j+1;j<G.vexnum;j++)
if(closedge[j].lowcost!=0)
if(closedge[j].lowcost<closedge[min].lowcost)
min=j;
k=min;
//**************************************************//
cout<<"输出生成树的边："<<endl;
cout<<closedge[k].adjvex<<" "<<G.vexs[k]<<" "<<endl;
closedge[k].lowcost=0;
//*******************************************************//
//****************重新选择最小边*************************
for(j=0;j<G.vexnum;j++)
if(G.arcs[k][j]<closedge[j].lowcost)
{
closedge[j].adjvex=G.vexs[k];
closedge[j].lowcost=G.arcs[k][j];
}
//********************************************************// }
}
void main()
{
int i,v;
MGraph G;CreateUDN(G);
cout<<"put vex:"<<endl;
for(i=0;i<G.vexnum;i++)
cout<<G.vexs [i]<<" ";
cout<<endl;
cout<<"从结点v开始：v=";
cin>>v;
MiniSpanTree_PRIM( G, v);
}。