858-Prim算法求最小生成树

题目描述

关系

859-Kruskal算法求最小生成树

内容

给定一个 n 个点 m 条边的无向图,图中可能存在重边和自环,边权可能为负数。

求最小生成树的树边权重之和,如果最小生成树不存在则输出 impossible

给定一张边带权的无向图 G=(V,E),其中 V 表示图中点的集合,E 表示图中边的集合,n=|V|m=|E|

V 中的全部 n 个顶点和 En1 条边构成的无向连通子图被称为 G 的一棵生成树,其中边的权值之和最小的生成树被称为无向图 G 的最小生成树。

输入格式

第一行包含两个整数 nm

接下来 m 行,每行包含三个整数 u,v,w,表示点 u 和点 v 之间存在一条权值为 w 的边。

输出格式

共一行,若存在最小生成树,则输出一个整数,表示最小生成树的树边权重之和,如果最小生成树不存在则输出 impossible

数据范围

1n500,
1m105,
图中涉及边的边权的绝对值均不超过 10000

输入样例:

4 5
1 2 1
1 3 2
1 4 3
2 3 2
3 4 4

输出样例:

6

问题分析

思路分析

设节点数量为 n,边数为 m。

有两种 prim 算法,一种是朴素的实现,时间复杂度为 O(n2)

一种是堆优化的实现,时间复杂度为 O(mlogn)。可见若边数为 m=n2,那么实际上是优化了一个寂寞。

所以朴素实现适合稠密图,而优化版本适合稀疏图。


Prim 算法的贪心思路是选择尽可能小的边,用点去扩充边。

朴素的 Prim 算法用邻接矩阵存储图。

执行流程设计

总结

代码实现

#include <bits/stdc++.h>
using namespace std;

const int N = 510, M = 1e5 + 10, INF = 0x3f3f3f3f;
int n, m;
int g[N][N], dist[N];
bool st[N];

int prim()
{
    memset(dist, 0x3f, sizeof dist);
    
    dist[1] = 0;
    int res = 0;
    for (int i = 0; i < n; i++) {
        int t = -1;
        for (int j = 1; j <= n; j++) {
            if (!st[j] && (t == -1 || dist[t] > dist[j])) t = j;
        }
        // 如果最小边权对应的节点都不可达,说明没有生成树
        if (dist[t] == INF) return INF;
        // 加入生成树集合
        st[t] = true;
        
        res += dist[t];
        // 将所有生成树外的节点更新距离
        for (int j = 1; j <= n; j++) {
            dist[j] = min(dist[j], g[t][j]);
        }
    }
    return res;
}

int main()
{
    cin >> n >> m;
    memset(g, 0x3f, sizeof g);
    for (int i = 0; i < m; i++) {
        int a, b, c;
        cin >> a >> b >> c;
        g[a][b] = g[b][a] = min(g[b][a], c);
    }
    
    int res = prim();
    if (res == INF) puts("impossible");
    else printf("%d\n", res);
    return 0;
}
解读

为什么要更新dist距离?

因为 dist 数组记录的是节点到生成树的距离。当有一个新的节点纳入生成树集合的时候,节点到生成树的距离就会改变,所以需要重新更新一下。

为什么距离更新为 min(dist[j], g[t][j])

当是 t 节点距离更新的时候,显然 g[t][t] = 0。
当不是 t 节点更新且 t 与 j 相邻的时候,g[t][j] 代表的就是 j 节点距离 t 节点的距离。这就是 prim 算法的贪心之处了。我们可以证明 j 节点距离生成树集合最近的距离就是 j 与 t 距离。
当 j 节点不与 t 相邻。那么最后更新的结果仍然是 INF。