最小生成树-普利姆和克鲁斯卡尔算法
最小生成树主要是用于解决修路问题等类似问题,要将所有顶点连通,并且权值之和最小。
最小生成树
- 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
- 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
- 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
算法介绍
普利姆(Prim)算法求最小生成树,也就是在包含n个顶点的连通图中,找出只有(n-1)条边包含所有n个顶点的连通子图,也就是所谓的极小连通子图
普利姆的算法如下:
- 设G=(V,E)是连通网,T=(U,D)是最小生成树,V,U是顶点集合,E,D是边的集合
- 若从顶点u开始构造最小生成树,则从集合V中取出顶点u放入集合U中,标记顶点v的visited[u]=1
- 若集合U中顶点ui与集合V-U中的顶点vj之间存在边,则寻找这些边中权值最小的边,但不能构成回路,将顶点vj加入集合U中,将边(ui,vj)加入集合D中,标记visited[vj]=1
- 重复步骤②,直到U与V相等,即所有顶点都被标记为访问过,此时D中有n-1条边
其实,按照我个人的理解,可以简单概括为:对所有已经加入(已经访问过)的顶点,在它们的所有未访问过的边中找到权值weight最小的边,加入结果集,并标记边的另一个顶点为已访问过,一直循环这歌过程,直到加入了n-1条边。
代码
首先要有一个创建和存储图信息的类
class Graph:
"""
图的构造类
"""
def __init__(self, vertex_num):
"""
:param vertex_num: 顶点的数量
"""
self.vertex_num = vertex_num
self.vertexs = None
self.weights = None
def create(self, vertexs, weights):
"""
:param vertexs: 所有顶点集合
:param weights: 边的邻接矩阵,二维数组
:return:
"""
self.vertexs = vertexs
self.weights = weights
然后,开始我们的普利姆算法
class MinimumSpanningTree:
"""
通过构建最小生成树,解决修路:要将所有顶点连通,并且使用的费用最低即权值之和最小
"""
def import_graph(self, graph: Graph):
self.graph = graph
def prim(self, start):
"""
利用普利姆算法构建最小生成树
:param start:
:return:
"""
# 用于判断每个顶点是否已经访问的list
visited = [False] * self.graph.vertex_num
visited[start] = True
for k in range(1, self.graph.vertex_num):
min_weight = 10000
i1 = -1
i2 = -1
# 对所有已经加入(已经访问过)的顶点,在它们的所有未访问过的边中找到权值weight最小的边,加入结果集,并标记为已访问过
for i in range(self.graph.vertex_num):
if not visited[i]:
continue
for j in range(self.graph.vertex_num):
if (self.graph.weights[i][j] < min_weight) & (not visited[j]):
min_weight = self.graph.weights[i][j]
i1 = i
i2 = j
visited[i2] = True
print('%s -> %s : %d' % (self.graph.vertexs[i1], self.graph.vertexs[i2], min_weight))
测试图例
if __name__ == '__main__':
# 普利姆算法测试
graph = Graph(7)
vertexts = ['A', 'B', 'C', 'D', 'E', 'F', 'G']
weights = [[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]]
graph.create(vertexts, weights)
tree = MinimumSpanningTree()
tree.import_graph(graph)
tree.prim(0)
克鲁斯卡尔算法
算法介绍
克鲁斯卡尔(Kruskal)算法,是用来求加权连通图的最小生成树的算法。
基本思想:按照权值从小到大的顺序选择n-1条边,并保证这n-1条边不构成回路
具体做法:首先构造一个只含n个顶点的森林,然后依权值从小到大从连通网中选择边加入到森林中,并使森林中不产生回路,直至森林变成一棵树为止。
这里其实最关键的就是两点:
- 按照权值从小到大的顺序选择n-1条边
- 选择的边不构成回路
步骤解析
第1步:将边<E,F>加入R中。
边<E,F>的权值最小,因此将它加入到最小生成树结果R中。
第2步:将边<C,D>加入R中。
上一步操作之后,边<C,D>的权值最小,因此将它加入到最小生成树结果R中。
第3步:将边<D,E>加入R中。
上一步操作之后,边<D,E>的权值最小,因此将它加入到最小生成树结果R中。
第4步:将边<B,F>加入R中。
上一步操作之后,边<C,E>的权值最小,但<C,E>会和已有的边构成回路;因此,跳过边<C,E>。同理,跳过边<C,F>。将边<B,F>加入到最小生成树结果R中。
第5步:将边<E,G>加入R中。
上一步操作之后,边<E,G>的权值最小,因此将它加入到最小生成树结果R中。
第6步:将边<A,B>加入R中。
上一步操作之后,边<F,G>的权值最小,但<F,G>会和已有的边构成回路;因此,跳过边<F,G>。同理,跳过边<B,C>。将边<A,B>加入到最小生成树结果R中。
此时,最小生成树构造完成!它包括的边依次是:
回路
我们加入的边的两个顶点不能都指向同一个终点,否则将构成回路。
在将<E,F> <C,D> <D,E>加入到最小生成树R中之后,这几条边的顶点就都有了终点:
(01) C的终点是F。
(02) D的终点是F。
(03) E的终点是F。
(04) F的终点是F。
这里需要注意的是,只有当边加入连通了了之后,才能有所谓的终点
例如仅仅只有<E,F> <C,D> <D,E>加入后,像A、B这样的顶点是还没有终点,也可以认为终点是它们自己。
代码实现
def kruskal(self):
"""
利用克鲁斯卡尔算法构建最小生成树
:return:
"""
ends = [0] * self.graph.vertex_num # 用于存储每个顶点的终点
edges = [] # 用于存储排序后的边
# 开始进行排序
# 遍历邻接矩阵,将边提取出来的同时插入edges,并保证有序
visited = [False] * self.graph.vertex_num
for i in range(self.graph.vertex_num):
for j in range(self.graph.vertex_num):
if visited[j]:
continue
if self.graph.weights[i][j] != 10000:
index = len(edges)
for n in range(len(edges)):
if self.graph.weights[i][j] < weights[edges[n][0]][edges[n][1]]:
index = n
break
edges.insert(index, (i, j))
visited[i] = True
# 开始克鲁斯卡尔算法
# 选取权值最小的n-1条不构成回路的边,即为最小生成树
selects = []
for edge in edges:
if len(selects) > self.graph.vertex_num - 1:
break
# 首先判断是否构成回路
end1 = self.get_end(edge[0], ends)
end2 = self.get_end(edge[1], ends)
if end1 == end2:
continue
elif end1 > end2:
ends[end2] = end1 # 更新终点数组
selects.append((self.graph.vertexs[edge[0]], self.graph.vertexs[edge[1]]))
else:
ends[end1] = end2
selects.append((self.graph.vertexs[edge[0]], self.graph.vertexs[edge[1]]))
print(selects)
def get_end(self, v, ends):
"""
计算输入顶点的终点
:param v:
:param ends: 存储每个顶点的终点
:return:
"""
while ends[v] != 0:
v = ends[v]
return v
测试代码
graph = Graph(7)
vertexts = ['A', 'B', 'C', 'D', 'E', 'F', 'G']
weights = [[10000, 12, 10000, 10000, 10000, 16, 14],
[12, 10000, 110000, 10000, 10000, 7, 10000],
[10000, 110000, 10000, 3, 5, 6, 10000],
[10000, 10000, 3, 10000, 4, 10000, 10000],
[10000, 10000, 5, 4, 10000, 2, 8],
[16, 7, 6, 10000, 2, 10000, 9],
[14, 10000, 10000, 10000, 8, 9, 10000]]
graph.create(vertexts, weights)
tree = MinimumSpanningTree()
tree.import_graph(graph)
tree.kruskal()