最小生成树的java实现

笔记来源：中国大学MOOC王道考研

一、概念

• 连通图：图中任意两点都是连通的，那么图被称作连通图

• 生成树：连通图包含全部顶点的一个极小连通子图

  

• 最小生成树：在含有n个顶点的带权无向连通图中选择n-1条边，构成一棵极小连通子图，并使该连通子图中n-1条边上权值之和达到最小，则称其为连通网的最小生成树（不一定唯一）。

  

  • 性质1：不一定唯一
  • 性质2：如果所有边的权重都不相同，则一定唯一
  • 性质3：如果连通图只有n-1条边，则最小生成树就是它本身
  • 性质4：最小生成树的边数为n-1

---

二、算法

2.1 Prim算法

步骤如下：

1. 初始化，取任意顶点加入结果树：

   

2. 加入A相邻的且不在结果树中，并且是最小权值的点C

   

3. 加入与A，C相邻的且不在结果树中，并且是最小权值的点B（BC最小）

   

4. 重复上述步骤，直到所有顶点都进入结果树：

   

java代码实现如下：

我们需要用两个数组来实现过程：

• min_weight[n]：当前结果树到所有顶点的最短距离
• adjvex[n]：adjvex[C]=0，代表C是通过A加入结果树的（0是A的下标）

  /*
  * 首先我们给出图的存储结构
  */
package MST;

import java.util.List;

public class Graph {

	/*
	 * 点的存储
	 */
	private List<String> vex;
	/*
	 * 边的存储
	 */
	private int edges[][];
	
	public Graph(List<String> vex, int[][] edges) {
		this.vex = vex;
		this.edges = edges;
	}
	public List<String> getVex() {
		return vex;
	}
	public void setVex(List<String> vex) {
		this.vex = vex;
	}
	public int[][] getEdges() {
		return edges;
	}
	public void setEdges(int edges[][]) {
		this.edges = edges;
	}
	public int getVexNum() {
		return vex.size();
	}
	public int getEdgeNum() {
		return edges.length;
	}
}

然后初始化图：

public class Prime {
	
	int m = Integer.MAX_VALUE;

	int[][] edges = {
	        {0, 3, 1, m, 4},
	        {3, 0, 2, m, m},
	        {1, 2, 0, 5, 6},
	        {m, m, 5, 0, m},
	        {4, m, 6, m, 0},
		};
	
    //打印最小生成树
	void MST_Prime(Graph G) {
		int vexNum = G.getVexNum();//节点个数
		int[] min_weight = new int[vexNum];//当前结果树到所有顶点的最短距离
		int[] adjvex = new int[vexNum];//adjvex[C]=0，代表C是通过A加入结果树的（0是A的下标）
		/*初始化两个辅助数组*/
		for(int i = 0; i < vexNum; i++) {
			min_weight[i] = (G.getEdges())[0][i];//第一个顶点到其余顶点的距离
			adjvex[i]=0;
		}
		int min_edg;//当前挑选的最小权值
		int min_vex = 0;//最小权值对应的节点下标
		/*循环剩余n-1个点*/
		for(int i = 1; i < vexNum; i++) {
			min_edg = Integer.MAX_VALUE;
			for(int j = 1; j < vexNum; j++) {
				if(min_weight[j]!=0 && min_weight[j] < min_edg) {
					//寻找还没有被挑选进来的，最小权重的点
					min_edg = min_weight[j];
					min_vex = j;					
				}
			}
			min_weight[min_vex] = 0;//纳入结果树			
			/*修改对应辅助数组的值*/
			for(int j = 0; j < vexNum; j++) {
				if(min_weight[j]!=0 && (G.getEdges())[min_vex][j]<min_weight[j] && (G.getEdges())[min_vex][j]>0) {
					min_weight[j] = (G.getEdges())[min_vex][j];
					adjvex[j]=min_vex;
				}
			}
			int pre = adjvex[min_vex];
			int end = min_vex;
			System.out.println("("+G.getVex().get(pre)+","+G.getVex().get(end)+")");
		}
	}

	//初始化图
	Graph init() {
		List<String> vex=new ArrayList<String>();
		vex.add("A");
		vex.add("B");
		vex.add("C");
		vex.add("D");
		vex.add("E");
		Graph graph = new Graph(vex, edges);
		return graph;
	}
	
	
	public static void main(String[] args) {
		Prime prime = new Prime();
		Graph graph = prime.init();
		prime.MST_Prime(graph);
	}
}

打印结果如下：

(A,C)
(C,B)
(A,E)
(C,D)

2.2 Kruskal算法

步骤如下：

1. 每个顶点都是独立的树

   

2. 挑选最短的边AC，加入边集中

   

3. 依次加入BC，AB，但是AB构成了回路，舍弃

   

4. 重复直到取了n-1条边

   

java代码实现如下：

使用 并查集、堆排序、kruskal算法

引用并查集博客：Java实现并查集

//首先我们实现并查集（用来判断是否构成回路--是否属于一个并查集）
public class UnionFindSet {

	//查询树的根
	public static int find(int x, int [] par){
		if(par[x] == x){
			return x;
		}else{
			//压缩路径，第二次查询可以直接返回x的根而不用递归
			return par[x] = find(par[x], par);
		}
	}
	
	//合并
	public static void unite(int x, int y, int [] par, int [] rank){
		x = find(x, par);
		y = find(y, par);
		
		if(x == y){
			return ;
		}
		
		if(rank[x] < rank[y]){
			par[x] = y;
		}else{
			par[y] = x;
			if(rank[x] == rank[y]) rank[x]++;
		}
	}
	
	//判断x和y是否属于同一个集合
	public static boolean same(int x, int y, int [] par){
		return find(x, par) == find(y, par);
	}
}

然后实现堆排序（稍作修改）：

堆排序参考这篇博客：Java实现堆排序和图解

public class HeapSort {

   public static void sort(Edge[] arr){
       //1.构建大顶堆
       for(int i=arr.length/2-1;i>=0;i--){
           //从第一个非叶子结点从下至上，从右至左调整结构
           adjustHeap(arr,i,arr.length);
       }
       //2.调整堆结构+交换堆顶元素与末尾元素
       for(int j=arr.length-1;j>0;j--){
           swap(arr,0,j);//将堆顶元素与末尾元素进行交换
           adjustHeap(arr,0,j);//重新对堆进行调整
       }

   }

   /**
    * 调整大顶堆（仅是调整过程，建立在大顶堆已构建的基础上）
    * @param arr
    * @param i
    * @param length
    */
   public static void adjustHeap(Edge[] arr,int i,int length){
       Edge temp = arr[i];//先取出当前元素i
       for(int k=i*2+1;k<length;k=k*2+1){//从i结点的左子结点开始，也就是2i+1处开始
           if(k+1<length && arr[k].weight<arr[k+1].weight){//如果左子结点小于右子结点，k指向右子结点
               k++;
           }
           if(arr[k].weight >temp.weight){//如果子节点大于父节点，将子节点值赋给父节点（不用进行交换）
               arr[i] = arr[k];
               i = k;
           }else{
               break;
           }
       }
       arr[i] = temp;//将temp值放到最终的位置
   }

   /**
    * 交换元素
    * @param arr
    * @param a
    * @param b
    */
   public static void swap(Edge[] arr,int a ,int b){
       Edge temp=arr[a];
       arr[a] = arr[b];
       arr[b] = temp;
   }
}

最后我们实现Kruskal算法：

package MST;

import java.util.ArrayList;
import java.util.List;

public class Kruskal {
	
	int m = Integer.MAX_VALUE;
	
	int[][] arr = {
	        {0, 3, 1, m, 4},
	        {3, 0, 2, m, m},
	        {1, 2, 0, 5, 6},
	        {m, m, 5, 0, m},
	        {4, m, 6, m, 0},
		};
	
	Graph init() {
		List<String> vex=new ArrayList<String>();
		vex.add("A");
		vex.add("B");
		vex.add("C");
		vex.add("D");
		vex.add("E");
		Graph graph = new Graph(vex, arr);
		return graph;
	}
	
	//kruskal算法
	void MST_Kruskal(Graph G, Edge[] edges, int[] parents, int[] rank) {
		HeapSort.sort(edges);//堆排序
		for(int i = 0; i < G.getEdgeNum(); i++) {
			if(!UnionFindSet.same(edges[i].a, edges[i].b, parents)) {
				UnionFindSet.unite(edges[i].a, edges[i].b, parents, rank);
				System.out.println("("+G.getVex().get(edges[i].a)+","+G.getVex().get(edges[i].b)+")");
			}
		}
	}
	
	
	
	public static void main(String[] args) {
		Kruskal kruskal = new Kruskal();
		Graph graph = kruskal.init();
		int[] parents = {0,1,2,3,4};
		int[] rank = {1,1,1,1,1};
		Edge[] edges = new Edge[10];
		int index = 0;
		for(int i = 0; i < 5;i++) {
			for(int j=0;j<i;j++) {
				edges[index] = new Edge();
				edges[index].weight = kruskal.arr[i][j];
				edges[index].a = i;
				edges[index++].b = j;
			}
		}
		kruskal.MST_Kruskal(graph, edges, parents, rank);
	}
}

输出结构为：

(C,A)
(C,B)
(E,A)
(D,C)

本文地址：https://blog.csdn.net/qq_42098718/article/details/107066614