数据结构最小生成树 prim算法（普里姆算法）C语言实现

普里姆（prim）算法

一、定义
二、思路
三、代码实现
四、代码解析

一、定义

普里姆算法是一种构造性算法。假设G = (V， E)是一个具有n个顶点的带权连通图，T = (U，TE)是最小生成树，其中U是T的顶点集，TE是T的边集，则由G构造从起始点v出法的最小生成树T的步骤如下：

初始化U = { v }，以v到其他顶点的所有边为侯选边。
重复以下步骤(n – 1)次，使得其他(n – 1)个顶点被加入U中。

（1）. 从候选边中挑选权值最小的边加入TE，设该边在V—U中的顶点是k，将k加入U中。
（2）. 考察当前V—U中的所有顶点j，修改侯选边，若(k，j)的权值小于原来和顶点关联的侯选边，则用(k，j)取代后者作为侯选边。

二、思路

我们可以将定义理解为：将图的所有顶点分为两类，A类（保存已经查找过的顶点），B类（保存未查找过的顶点），从任一顶点开始，并将其从B类移至A类，然后开始寻找B类中（的顶点）到A类顶点之间权值最小的顶点，将其从B类中移至A类，重复上述操作，直至B类中没有顶点。所走过的顶点和边就是该连通图的最小生成树。

由此图为例：
一个带权连通图
初始状态

A类 = { }
B类 = { 0, 1, 2, 3, 4, 5, 6 }

假设从顶点2开始遍历

A类 = { 2 }
B类 = { 0, 1, 3, 4, 5, 6 }

遍历第一次后

A类 = {2, 3 }
B类 = { 0, 1, 4, 5, 6 }

遍历第二次后

A类 = { 1, 2, 3 }
B类 = { 0, 4, 5, 6 }

由此类推，直至B类中无顶点。

A类 = { 0, 1, 2, 3, 4, 5, 6 }
B类 = { }

图型讲解如下：
假设从顶点2开始遍历。

寻找B类到A类顶点之间权值最小的顶点（在现有的两条边寻找权值最小的边）。（上图为顶点3）将其添加至A类顶点中。

步骤同上。在现有的三条边（权值为12的边已经遍历过所以不计入）中寻找权值最小的边。（上图为顶点1）将其添加至A类中。大家注意在这里我们去掉了权值为18的边，这是因为从顶点1可以通过权值为14的边到达顶点6，从顶点3可以通过权值为18的边到达顶点6，根据定义我们要寻找顶点间权值最小的边，所以我们用权值为14的边替换权值为18的边。

步骤同上。在现有的三条边中寻找权值最小的边。（上图为顶点6）将其添加至A类。大家注意在这里增加顶点6，之后我们本应该可以获得一条从顶点6到顶点4权值为24的边，但是由于我们有从顶点3到顶点4的权值为22的边，所以根据定义，我们无需添加顶点6到顶点4权值为24的边

重复上述步骤。我们就可以通过prim算法得到最终的最小生成树。

看完了讲解，接下来让我们看看prim算法的代码实现吧！

三、代码实现

\*
#define MAXV <最大顶点数>
#define INF 32767      //定义无穷大
typedef struct {
	int no;            //顶点的编号
	InfoType info;    //顶点的其他信息
}VertexType;           //顶点的类型

typedef struct {
	int edges[MAXV][MAXV];   //邻接矩阵数组
	int n, e;                //顶点数，边数
	VertexType vexs[MAXV];   //存放顶点信息
}MGraph;                   //完整的图邻接矩阵类型
*\
void Prim(MGraph g,int v) {  //传入一个邻接矩阵，和起始顶点
    int lowcost[MAXV];
    int closest[MAXV];
    int min;
	int i,j,k = 0;
    for (i=0; i<g.n; i++) {          //给lowcost[]和closest[]置初值
        lowcost[i]=g.edges[v][i];
        closest[i]=v;
    }
    lowcost[v] = 0;
    for (i=1; i<g.n; i++) {           //找出n-1个顶点
        min=INF;
        for (j=0; j<g.n; j++) {     //在(V-U)中找出离U最近的顶点k
            if (lowcost[j]!=0 && lowcost[j] < min) {
                min=lowcost[j];
                k=j;            //k记录最近顶点的编号
            }
		}
        printf("  边(%d,%d)权为:%d\n", closest[k], k, min);
        lowcost[k]=0;             //标记k已经加入U
        for (j=0; j<g.n; j++){    //对(V-U)中的顶点j进行调整
            if (g.edges[k][j]<lowcost[j]) {
                lowcost[j]=g.edges[k][j];
                closest[j]=k;    //修改数组lowcost和closest
            }
		}
    }
}

四、代码解析

初看代码相信很多人都是一头雾水，接下来就让我们对代码进行刨析。
我们先将上述的带权连通图转化成邻接矩阵为后续讲解做准备。

{ 0 , 28, INF, INF, INF, 10, INF }
{ 28, 0, 16, INF, INF, INF, 14 }
{ INF, 16, 0, 12, INF, INF, INF}
{ INF, INF, 12, 0, 22, INF, 18 }
{ INF, INF, INF, 22, 0, 25, 24 }
{ 10, INF, INF, INF, 25, 0, INF}
{ INF, 14, INF, 18, 24, INF, 0}

首先让我们一起看看这几句代码

for (i=0; i<g.n; i++) {          //给lowcost[]和closest[]置初值
	lowcost[i]=g.edges[v][i];
	closest[i]=v;
}

这三行代码时我们整个算法的开始。那么这三行代码是在表达什么意思呢？
假设我们从顶底2开始，那么循环结束两个数组的值为

lowcost[] = { INF, 16, 0, 12, INF, INF, INF }
closest[] = { 2, 2, 2, 2, 2, 2, 2}

我们尝试着这样去理解一下。
lowcost数组中的每一个元素，我们将它理解为，A类元素到B类元素的最短距离。（无穷大表示目前还不能通过A类元素到达B类元素，0表示已经遍历过该顶点）
例如：

lowcost数组的第一个元素为INF，表示顶点2没有到达顶点0的路径。
lowcost数组的第二个元素为16，这表示顶点2到顶点1的路径为16。

那么肯定有人有一个疑问为什么这里说的都是顶点2到其他的顶点的路径，那么请大家看看下面这句话。

closest数组中的每一个元素，我们将它理解为，lowcost数组中的边是哪一个顶点的邻边。或者也可以理解为A类元素暂且只有顶点为2的元素。

比如lowcost中第四个元素时权值为12的边，这条边是顶点2的临边。

那么为什么这样去做，请大家跟着我一起继续向下看。

在分析了算法的开始之后，让我们看看接下来的几行代码

for (i=1; i<g.n; i++) {           //循环n-1次 找出n-1个顶点
	min=INF;
    for (j=0; j<g.n; j++) {     //在(V-U)中找出离U最近的顶点k
    	if (lowcost[j]!=0 && lowcost[j] < min) {
        	min=lowcost[j];
            k=j;            //k记录最近顶点的编号
        }
	}
    printf("  边(%d,%d)权为:%d\n", closest[k], k, min);
    lowcost[k]=0;             //标记k已经加入U
    for (j=0; j<g.n; j++){    //对(V-U)中的顶点j进行调整
    	if (g.edges[k][j]<lowcost[j]) {
    		lowcost[j]=g.edges[k][j];
        	closest[j]=k;    //修改数组lowcost和closest
    	}
    }
}

接下来让我们来看看大的for循环中的第一个小循环。

for (j=0; j<g.n; j++) {     //在(V-U)中找出离U最近的顶点k
	if (lowcost[j]!=0 && lowcost[j] < min) {
    	min=lowcost[j];
        k=j;            //k记录最近顶点的编号
    }
}

这个循环的意思为找出现有边中权值最小的边。并用k记录该边所连接的顶点。
那么在接下来输出（或其他操作）时我们就可以将这条边完整的输出出来。

printf("  边(%d,%d)权为:%d\n", closest[k], k, min);

之后就到了整段代码的第二个核心。（那么什么是第一个核心，等我们一起看完整段代码后就会浮出水面）

lowcost[k]=0;             //标记k已经加入U
for (j=0; j<g.n; j++){    //对(V-U)中的顶点j进行调整
	if (g.edges[k][j]<lowcost[j]) {
    	lowcost[j]=g.edges[k][j];
        closest[j]=k;    //修改数组lowcost和closest
    }
}

首先我们先将lowcost数组中最小边连接的顶点置0，表示该点已经加入A类。
然后大家注意这个if判断语句中的条件。

g.edges[k][j] < lowcost[j]

如果新顶点的邻边比现有待选边的权值小，就将其替换。目的还是为了确保下一次能找到最小边。
整段代码第一次执行结束后，让我们再来看看lowcost数组和closest的值。

lowcost[] = { INF, 16, 0, 0, 22, INF, 18 }
closest[] = { 2, 2, 2, 2, 3, 2, 3 }

这样下来我们不仅将新的顶点添加了进来（lowcost数组中索引为3的顶点值为0），还将新顶点的临边添加进来，最后还保证了待选边的最小特征。
好了，prim算法的讲解到此结束。

文章出处登录后可见！

已经登录？立即刷新

数据结构 最小生成树 prim算法（普里姆算法）C语言实现