文章目录
前置问题问题解答
一、基础概念：最小生成树的定义和性质（1）最小生成树（Minimal Spanning Tree）的定义（2）最小生成树（MST）的性质
二、如何利用MST性质寻找最小生成树三、Prim算法（1）Prim算法思想（2）Prim算法形成最小生成树的详细过程（3）Prim算法的C++和python实现
四、Dijkstra算法（1）和Prim算法的联系（2）Dijkstra算法思想
前置问题
问题解答
一、基础概念：最小生成树的定义和性质
（1）最小生成树（Minimal Spanning Tree）的定义
生成树的代价：设
G
(
V
,
E
)
G(V,E)
G(V,E)是一个无向连通网图，生成树上各边的权值之和称为生成树的代价。最小生成树：在图
G
G
G所有生成树中，代价最小的生成树为最小生成树。
（2）最小生成树（MST）的性质
假设
G
=
(
V
,
E
)
G=(V,E)
G=(V,E)是一个无向连通网图，
U
U
U是顶点集的一个非空子集。若
(
u
,
v
)
(u,v)
(u,v)是一条具有最小权值的边，其中
u
∈
U
,
v
∈
V
−
U
u\in U,v\in V-U
u∈U,v∈V−U,则必存在一棵包含边
u
,
v
u,v
u,v的最小生成树。
二、如何利用MST性质寻找最小生成树
找到两个点集之间最小权值的边
(
u
,
v
)
(u,v)
(u,v)，让具有最小权值的
(
u
,
v
)
(u,v)
(u,v)成为最小生成树的一部分，将大于最小权值的
(
u
,
v
)
(u,v)
(u,v)删除。
接下来有两个思路：
从一个点出发，一次加入点形成点集（Prim算法）从边出发，将点集合并，避免形成环（Kruskal算法）
三、Prim算法
（1）Prim算法思想
对点做操作，维护一个在最小生成树中的点的顶点集A，以及一个待处理点的顶点集B，每次找出连接这两个集合的最短边，并将其两个顶点都加入集合A，直到所有顶点都处理完毕。
抽象描述：（觉得抽象跳过）
（2）Prim算法形成最小生成树的详细过程
图注：
红色线段表示最小生成树蓝圈表示集合
U
U
U，其他顶点集合为
V
−
U
V-U
V−U蓝色线段表示
U
U
U和
V
−
U
V-U
V−U的相邻边
计算
U
中每个点和其相邻点之间的代价，找出代价最小的点
V
5
，将
V
5
纳入
U
集合。
计算U中每个点和其相邻点之间的代价，找出代价最小的点V5，将V5纳入U集合。
计算U中每个点和其相邻点之间的代价，找出代价最小的点V5，将V5纳入U集合。
（3）Prim算法的C++和python实现
四、Dijkstra算法
（1）和Prim算法的联系
Dijkstra算法和Prim算法都是最短路径算法，主要用于求图的最短路径。
不同点在于，Dijkstra算法适用于有向图起点到其他点的最短路径，而Prim算法适用于无向图求最小生成树。它们的求解过程也略有不同。Dijkstra算法每次选择距离起点最近的点作为新的访问点，更新其他点到起点的最短距离，直到所有点都被访问。Prim算法则从一个起点开始，不断选择与已经访问过的点相连且边权最小的点，直到图上所有点都被访问。
（2）Dijkstra算法思想
算出A点到图中每一点的路径长度，选出一条最短路径：A->B，将顶点B加入集合S。
增加了一条最短路径之后，顶点A到其他点的路径是不是有更短的路径了呢？
更新最短路径：
在A->C,A->D,A->E中选出最短路径：A->D，并将D顶点加入S集合。更新所有最短路径。
文章来源
您阅读本篇文章共花了：
发表评论