http://poj.org/problem?id=1287
prim
#include<iostream>
#include<math.h>
#include<stdio.h>
#include<string.h>
#include<math.h>
#include<algorithm>
#define maxn 106
#define INF 1000000
using namespace std;
int n,m;
int graph[maxn][maxn];
int lowcost[maxn];
int visited[maxn];
void createGraph()
{
memset(graph,INF,sizeof(graph));
memset(lowcost, 0, sizeof(lowcost));
memset(visited, 0, sizeof(visited));
int u,v,w;
for(int i=1;i<=m;i++){
cin>>u>>v>>w;
if(graph[u][v]>w)
{
graph[u][v]=graph[v][u]=w;
}//Prim 算法需要进行判断最小重边
}
}
void prim()
{
int sum=0,cnt=0;
visited[1]=1;
for(int i=1;i<=n;i++){
lowcost[i]=graph[1][i];
}
while(true)
{
int minn=lowcost[1];
int index=1;
for(int j=2;j<=n;j++){
if(!visited[j]&&lowcost[j]<minn){
minn=lowcost[j];
index=j;
}
}
if(index==1)break;
sum+=minn;
cnt++;
visited[index]=1;
for(int j=1;j<=n;j++){
if(!visited[j]&&lowcost[j]>graph[index][j])
{
lowcost[j]=graph[index][j];
}
}
}
if(cnt==n-1)cout<<sum<<endl;
else cout<<"?"<<endl;
}
int main()
{
while(cin>>n>>m&&n)
{
createGraph();
prim();
}
return 0;
}
kruscal
#include<cstdio>
#include<iostream>
#include<algorithm>
#include<cstring>
#define maxn 102
using namespace std;
struct node
{
int u;
int v;
int w;
} edge[25006];
int pre[100];
int n,m;
int j;
bool cmp(const node&a,const node&b )
{
return a.w<b.w;
}
int find(int x)
{
return x==pre[x]?x:pre[x]=find(pre[x]);
}
void unions(int x,int y)
{
int fx=find(x);
int fy=find(y);
if(fx!=fy)
{
pre[fx]=fy;
}
}
void createGraph()
{
for(int i=1; i<=n+10; i++)pre[i]=i;
j=0;
for(int i=1; i<=m; i++)
{
int u,v,w;
scanf("%d%d%d",&u,&v,&w);
j++;
edge[j].u=u;
edge[j].v=v;
edge[j].w=w;
}
}
int kruscal()
{
int ans=0;
sort(edge+1,edge+j+1,cmp);
int cnt=0;
for(int i=1; i<=j; i++)
{
if(find(edge[i].u)!=find(edge[i].v))
{
cnt++;
unions(edge[i].u,edge[i].v);
ans+=edge[i].w;
}
}
return ans;
}
int main()
{
while(scanf("%d",&n)&&n)
{
scanf("%d",&m);
createGraph();
cout<<kruscal()<<endl;
}
}
本文深入探讨了Prim和Kruskal两种经典的最小生成树算法。通过详细的代码实现,展示了如何在图中找到连接所有顶点且权重最小的树形结构。Prim算法采用贪心策略,从任意顶点开始逐步构建最小生成树;而Kruskal算法则通过并查集处理边的集合,避免形成环路。两种算法各有优劣,适用于不同场景。
546

被折叠的 条评论
为什么被折叠?



