java圖論普利姆及克魯斯卡算法解決最小生成樹問題詳解
什麼是最小生成樹?
最小生成樹(Minimum Cost Spanning Tree),簡稱MST.
最小生成樹要求圖是連通圖。連通圖指圖中任意兩個頂點都有路徑相通,通常指無向圖。理論上如果圖是有向、多重邊的,也能求最小生成樹,隻是不太常見。
普利姆算法
算法介紹
應用 –> 修路問題
圖解分析
假設從A村開始
1.從<A>頂點開始處理==============>> <A,G>
A – C[7] A – G[2] A – B[5]
2.<A,G>開始,將A和G頂點和他們相鄰的還沒有訪問的頂點進行處理=> <A,G,B,E>
A – C[7] G – E[4] G – F[6] B – D[9]
3.<A,G,B>開始,將A,G,B頂點和他們相鄰的還沒有訪問的頂點進行處理 => <A,G,B,E>
A – C[7] G – E[4] G – F[6] B – D[9]
………..
4.<A,G,B,E> -> F//第4次大循環,對應邊<E,F> 權值:5
5.<A,G,B,E,F> -> D//第5次大循環,對應邊<F,D>權值:4
6.<A,G,B,E,F,D> -> C//第6次大循環,對應邊<A,C>權值:7
public class PrimAlgorithm { public static void main(String[] args) { // 測試圖是否創建成功 char[] data = new char[] { 'A', 'B', 'C', 'D', 'E', 'F', 'G' }; int verxs = data.length; // 鄰接矩陣的關系使用二維數組表示,10000這個大數,表示兩個點不連通 int[][] weight = new int[][] { { 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 }, }; // 創建MGraph對象 MGraph graph = new MGraph(verxs); // 創建一個MinTree對象 MinTree minTree = new MinTree(); minTree.createGraph(graph, verxs, data, weight); // 輸出 minTree.showGraph(graph); // 測試普利姆算法 minTree.prim(graph, 0); } } //創建最小生成樹 -> 村莊的圖 class MinTree { /** * 創建圖的鄰接矩陣 * * @param graph 圖對象 * @param verxs 圖對應的頂點個數 * @param data 圖的各個頂點的值 * @param weight 圖的鄰接矩陣 */ public void createGraph(MGraph graph, int verxs, char data[], int[][] weight) { int i, j; for (i = 0; i < verxs; i++) { graph.data[i] = data[i]; for (j = 0; j < verxs; j++) { graph.weight[i][j] = weight[i][j]; } } } /** * 顯示圖的鄰接矩陣 */ public void showGraph(MGraph graph) { for (int[] link : graph.weight) { System.out.println(Arrays.toString(link)); } } /** * 編寫prim算法,得到最小生成樹 * * @param graph 圖 * @param v 表示從圖的第幾個頂點開始生成'A' -> 0 'B' -> 1... */ public void prim(MGraph graph, int v) { // visited[] 標記節點(頂點)是否被訪問過 int visited[] = new int[graph.verxs]; // visited[] 默認元素的值都是0,表示沒有訪問過 for (int i = 0; i < graph.verxs; i++) { visited[i] = 0; } // 把當前這個節點標記為已訪問 visited[v] = 1; // h1 和 h2 記錄兩個頂點的下標 int h1 = -1; int h2 = -1; int minWeight = 10000;// 將minWeight初始成一個大數,後面在遍歷過程中,會被替換 for (int k = 1; k < graph.verxs; k++) {// 因為有graph,verxs頂點,普利姆算法結束後,有graph.verxs -1邊 // 這個是確定每一次生成的子圖,那個節點和這次遍歷的節點距離最近 for (int i = 0; i < graph.verxs; i++) {// i節點表示被訪問過的節點 for (int j = 0; j < graph.verxs; j++) {// j節點表示還沒有訪問過的節點 if (visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] < minWeight) { // 替換minWeight(尋找已經訪問過的節點和未訪問過的節點間的權值最小的邊) minWeight = graph.weight[i][j]; h1 = i; h2 = j; } } } // 找到一條邊最小 System.out.println("邊<" + graph.data[h1] + "," + graph.data[h2] + ">權值:" + minWeight); // 將當前這個節點標記未已經訪問 visited[h2] = 1; // minWeight 重新設置為最大值10000 minWeight = 10000; } } } class MGraph { int verxs; // 表示圖的節點個數 char[] data; // 存放節點數據 int[][] weight; // 存放邊,就是鄰接矩陣 public MGraph(int verxs) { this.verxs = verxs; data = new char[verxs]; weight = new int[verxs][verxs]; } }
克魯斯卡爾算法
算法介紹
應用場景 — 公交站問題
算法圖解
以上圖G4為例,來對克魯斯卡爾進行演示(假設,用數組R保存最小生成樹結果)。
算法分析
根據前面介紹的克魯斯卡爾算法的基本思想和做法,我們能夠瞭解到,克魯斯卡爾算法重點需要解決的以下兩個問題:
問題一:對圖的所有邊按照權值大小進行排序。
問題二:將邊添加到最小生成樹中時,咋樣判斷是否形成瞭回路。
問題一很好解決,采用排序算法進行排序即可。
問題二,處理方式是:記錄頂點在”最小生成樹”中的終點,頂點的終點是”在最小生成樹中與它連通的最大頂點”。然後每次需要將一條邊添加到最小生成樹時,判斷該邊的兩個頂點的終點是否重合,重合的話則會構成回路。
如何判斷是否構成回路
舉例說明(如圖)
代碼實現
public class KruskalCase { private int edgeNum;// 邊的個數 private char[] vertexs;// 頂點數組 private int[][] matrix;// 鄰接矩陣 // 使用INF 表示兩個頂點不能連通 private static final int INF = Integer.MAX_VALUE; public static void main(String[] args) { char[] vertexs = { 'A', 'B', 'C', 'D', 'E', 'F', 'G' }; // 克魯斯卡爾算法的鄰接矩陣 int matrix[][] = { /* A *//* B *//* C *//* D *//* E *//* F *//* G */ /* A */{ 0, 12, INF, INF, INF, 16, 14 }, /* B */{ 12, 0, 0, INF, INF, 7, INF }, /* C */{ INF, 10, 0, 3, 5, 6, INF }, /* D */{ INF, INF, 3, 0, 4, INF, INF }, /* E */{ INF, INF, 5, 4, 0, 2, 8 }, /* F */{ 16, 7, 6, INF, 2, 0, 9 }, /* G */{ 14, INF, INF, INF, 8, 9, 0 } }; // 創建KruskalCase 對象實例 KruskalCase kruskalCase = new KruskalCase(vertexs, matrix); // 輸出構建的 kruskalCase.print(); kruskalCase.kruskal(); } // 構造器 public KruskalCase(char[] vertexs, int[][] matrix) { // 初始化頂點數和邊的個數 int vlen = vertexs.length; // 初始化頂點,使用的是復制拷貝的方式 this.vertexs = new char[vlen]; for (int i = 0; i < vertexs.length; i++) { this.vertexs[i] = vertexs[i]; } // 初始化邊,使用的是復制拷貝的方式 this.matrix = new int[vlen][vlen]; for (int i = 0; i < vlen; i++) { for (int j = 0; j < vlen; j++) { this.matrix[i][j] = matrix[i][j]; } } // 統計邊的條數 for (int i = 0; i < vlen; i++) { for (int j = i + 1; i < vlen; j++) { if (this.matrix[i][j] != INF) { edgeNum++; } } } } public void kruskal() { int index = 0;// 表示最後結果數組的索引 int[] ends = new int[edgeNum];// 用於保存"已有最小生成樹"中的每個頂點在最小生成樹中的終點 // 創建結果數組,保存最後的最小生成樹 EData[] rets = new EData[edgeNum]; // 獲取圖中所有的邊的集合,一共有12條邊 EData[] edges = getEdges(); System.out.println("圖的邊的集合=" + Arrays.toString(edges) + "共" + edges.length); //按照邊的權值大小進行排序(從小到大) sortEdges(edges); //遍歷edges數組,將邊添加到最小生成樹中時,判斷準備加入的邊是否形成瞭回路,如果沒有,就加入rets,否則不能加入 for(int i = 0;i < edgeNum;i++) { //獲取到第i條邊的第一個頂點(起點) int p1 = getPosition(edges[i].start); //獲取到第i條邊的第2個頂點 int p2 = getPosition(edges[i].end); //獲取p1這個頂點在已有最小生成樹中的終點 int m = getEnd(ends, p1); //獲取p2這個頂點在已有最小生成樹中的終點 int n = getEnd(ends, p2); //是否構成回路 if(m != n) {//沒有構成回路 ends[m] = n;//設置m在"已有最小生成樹"中的終點<E,F> [0,0,0,0,5,0,0,0,0,0,0] rets[index++] = edges[i];//有一條邊加入到rets數組 } } //統計並打印"最小生成樹",輸出rets System.out.println("最小生成樹為"); for(int i = 0;i < index;i++) { System.out.println(rets[i]); } } // 打印鄰接矩陣 public void print() { System.out.println("鄰接矩陣為:\n"); for (int i = 0; i < vertexs.length; i++) { for (int j = 0; j < vertexs.length; j++) { System.out.printf("%20d\t", matrix[i][j]); } System.out.println(); } } /** * 功能:對邊進行排序處理,冒泡排序 * * @param edges 邊的集合 */ private void sortEdges(EData[] edges) { for (int i = 0; i < edges.length - 1; i++) { for (int j = 0; j < edges.length - 1 - i; j++) { if (edges[j].weight > edges[j + 1].weight) {// 交換 EData tmp = edges[j]; edges[j] = edges[j + 1]; edges[j + 1] = tmp; } } } } /** * @param ch 頂點的值,比如'A','B' * @return 返回ch頂點對應的下標,如果找不到,返回-1 */ private int getPosition(char ch) { for (int i = 0; i < vertexs.length; i++) { if (vertexs[i] == ch) {// 找到 return i; } } // 找不到,返回-1 return -1; } /** * 功能:獲取圖中邊,放到EData[]數組中,後面我們需要遍歷該數組 是通過matrix鄰接矩陣來獲取 EData[] * 形式[['A','B',12],['B','F',7],...] * * @return */ private EData[] getEdges() { int index = 0; EData[] edges = new EData[edgeNum]; for (int i = 0; i < vertexs.length; i++) { for (int j = i + 1; j < vertexs.length; j++) { if (matrix[i][j] != INF) { edges[index++] = new EData(vertexs[i], vertexs[j], matrix[i][j]); } } } return edges; } /** * 功能:獲取下標為i的頂點的棕墊終點(),用於後面判斷兩個頂點的終點是否相同 * * @param ends 數組就是記錄瞭各個頂點對應的終點是那個,ends數組是在遍歷過程中,逐步形成 * @param i 表示傳入的頂點對應的下標 * @return 返回的就是下標為i的這個頂點對應的終點的下標 */ private int getEnd(int[] ends, int i) { while (ends[i] != 0) { i = ends[i]; } return i; } } //創建一個類EData,它的對象實例就表示一條邊 class EData { char start;// 邊的一個點 char end;// 邊的另外一個點 int weight;// 邊的權值 // 構造器 public EData(char start, char end, int weight) { this.start = start; this.end = end; this.weight = weight; } // 重寫toString,便於輸出邊 @Override public String toString() { return "EData [start=" + start + ", end=" + end + ", weight=" + weight + "]"; } }
以上就是java圖論普利姆及克魯斯卡算法解決最小生成樹問題詳解的詳細內容,更多關於圖論普利姆及克魯斯卡算法解決最小生成樹的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- Java求最小生成樹的兩種算法詳解
- Java數據結構之圖的原理與實現
- Java利用Dijkstra和Floyd分別求取圖的最短路徑
- go語言編程學習實現圖的廣度與深度優先搜索
- Python實現最短路徑問題的方法