使用Prim算法在Python中找到MST的程序
假设我们有一个图,并要求从该图中找出’Minimum Spanning Tree’(MST)。图的MST是加权图的子集,其中所有顶点都存在且相互连接,子集中不存在环。MST被称为最小,因为MST的总边权是来自图的最小可能值。因此,在此处,我们使用Prim’s MST算法,从给定的图中找到MST的总边权。
如果输入如下图所示:
,顶点数(n)为4,起始顶点(s)= 3,则输出将为14。
这个图的MST如下:
此MST的总边权为14。
要解决这个问题,我们将遵循以下步骤 –
- 定义一个名为mst_find()的函数。这将获取G,s
- 距离:具有G初始化的新列表的大小,初始化为负无穷大
- distance[s] :0
- itr:具有G初始化的新列表的大小,初始化为False
- c:0
- while True,do
- min_weight:无穷大
- m_idx:-1
- for i in range从0到G的大小,do
- if itr[i]与False相同,则
- if distance[i] < min_weight,则
- min_weight :=距离[i]
- m_idx := i
- 如果m_idx与-1相同,则
- 从循环中退出
- c := c + min_weight
- itr [m_idx]:= True
- 对于G[m_idx]的每一对i,j,
- 距离[i]:=distance[i],j的最小值
- 返回c
- G:包含n个其他映射的新映射
- 对于每个条目的边缘,执行以下操作
- u:item [0]
- v:item [1]
- w:item [2]
- u:= u-1
- v:= v-1
- min_weight = min(G [u,v],w)
- G [u,v]:= min_weight
- G [v,u]:= min_weight
- 返回mst_find(G,s)
示例
让我们看看以下实现以获得更好的理解 –
def mst_find(G, s):
distance = [float("inf")] * len(G)
distance[s] = 0
itr = [False] * len(G)
c =0
while True:
min_weight = float("inf")
m_idx = -1
for i in range(len(G)):
if itr[i] == False:
if distance[i] < min_weight:
min_weight = distance[i]
m_idx = i
if m_idx == -1:
break
c += min_weight
itr[m_idx] = True
for i, j in G[m_idx].items():
distance[i] = min(distance[i], j)
return c
def solve(n, edges, s):
G = {i: {} for i in range(n)}
for item in edges:
u = item[0]
v = item[1]
w = item[2]
u -= 1
v -= 1
try:
min_weight = min(G[u][v], w)
G[u][v] = min_weight
G[v][u] = min_weight
except KeyError:
G[u][v] = w
G[v][u] = w
return mst_find(G, s)
print(solve(4, [(1, 2, 5), (1, 3, 5), (2, 3, 7), (1, 4, 4)], 3))
输入
4, [(1, 2, 5), (1, 3, 5), (2, 3, 7), (1, 4, 4)], 3
输出
14