Skip to content

Latest commit

 

History

History
118 lines (81 loc) · 5.08 KB

prim_algorithm.md

File metadata and controls

118 lines (81 loc) · 5.08 KB

#问题

无向图最小生成树的Prim算法

#思路说明

假设点A,B,C,D,E,F,两点之间有连线的,以及它们的距离分别是:(A-B:7);(A-D:5);(B-C:8);(B-D:9);(B-E:7);(C-E:5);(D-E:15);(D-F:6);(E-F:8);(E-G:9);(F-G:11)

关于Prim算法的计算过程,参与维基百科的词条:普里姆算法

将上述点与点关系以及两点之间距离(边长,有的文献中称之为权重)写成矩阵形式(在list中,每两个点及其之间的距离组成一个tuple)

edges = [ ("A", "B", 7), ("A", "D", 5), ("B", "C", 8), ("B", "D", 9), ("B", "E", 7), ("C", "E", 5), ("D", "E", 15), ("D", "F", 6), ("E", "F", 8), ("E", "G", 9), ("F", "G", 11) ]

在下面的解决方法中,要计算出与已经选出的若干个点有相邻关系的点中,相应边长最短的点。这本质上是排序之后取出最小的,因为这种排序是动态的,如果用sorted或者list.sort()之类的方法对list排序,一则速度慢(python中的sort方法对大数据时不是很快),二则代码也长了。幸好python提供了一个非常好用的模块:heapq。这个模块是堆排序方法实现排序,并能够随时取出最小值。简化代码,更重要是提升了速度。

就用这个来解决Prim算法问题了。

#解决(Python)

#! /usr/bin/env python
#coding:utf-8

from collections import defaultdict
from heapq import *

def prim( vertexs, edges ):
    adjacent_vertex = defaultdict(list)      
    
    """
    注意:defaultdict(list)必须以list做为变量,可以详细阅读:[collections.defaultdict](https://docs.python.org/2/library/collections.html#collections.defaultdict)
    """
    for v1,v2,length in edges:
        adjacent_vertex[v1].append((length, v1, v2))
        adjacent_vertex[v2].append((length, v2, v1))

    """
    经过上述操作,将edges列表中各项归类成以某点为dictionary的key,其value则是其相邻的点以及边长。如下:

    defaultdict(<type 'list'>, {'A': [(7, 'A', 'B'), (5, 'A', 'D')], 
                                'C': [(8, 'C', 'B'), (5, 'C', 'E')], 
                                'B': [(7, 'B', 'A'), (8, 'B', 'C'), (9, 'B', 'D'), (7, 'B', 'E')], 
                                'E': [(7, 'E', 'B'), (5, 'E', 'C'), (15, 'E', 'D'), (8, 'E', 'F'), (9, 'E', 'G')], 
                                'D': [(5, 'D', 'A'), (9, 'D', 'B'), (15, 'D', 'E'), (6, 'D', 'F')], 
                                'G': [(9, 'G', 'E'), (11, 'G', 'F')], 
                                'F': [(6, 'F', 'D'), (8, 'F', 'E'), (11, 'F', 'G')]})

    """

    mst = []        #存储最小生成树结果

    chosed = set(vertexs[0]) 

    """
    vertexs是顶点列表,vertexs = list("ABCDEFG")===>vertexs=['A', 'B', 'C', 'D', 'E', 'F', 'G']
    >> chosed=set(vertexs[0])
    >> chosed
    set(['A'])
    也就是,首先选一个点(这个点是可以任意选的),以这个点为起点,找其相邻点,以及最短边长。

    """

    #得到adjacent_vertexs_edges中顶点是'A'(nodes[0]='A')的相邻点list,即adjacent_vertexs['A']=[(7,'A','B'),(5,'A','D')]

    adjacent_vertexs_edges = adjacent_vertex[vertexs[0]]  
    
    #将usable_edges加入到堆中,并能够实现用heappop从其中动态取出最小值。关于heapq模块功能,参考python官方文档

    heapify(adjacent_vertexs_edges)

    while adjacent_vertexs_edges:
        #得到某个定点(做为adjacent_vertexs_edges的键)与相邻点距离(相邻点和边长/距离做为该键的值)最小值,并同时从堆中清除。
        w, v1, v2 = heappop(adjacent_vertexs_edges)     
        if v2 not in chosed:

            #在used中有第一选定的点'A',上面得到了距离A点最近的点'D',举例是5。将'd'追加到used中
            chosed.add(v2)                          

            mst.append((v1,v2,w))          #将v1,v2,w,第一次循环就是('A','D',5) append into mst
            
            #再找与d相邻的点,如果没有在heap中,则应用heappush压入堆内,以加入排序行列 

            for next_vertex in adjacent_vertex[v2]:                    
                if next_vertex[2] not in chosed:
                    heappush( adjacent_vertexs_edges,next_vertex)
    return mst


#test
vertexs = list("ABCDEFG")
edges = [ ("A", "B", 7), ("A", "D", 5),
          ("B", "C", 8), ("B", "D", 9), 
          ("B", "E", 7), ("C", "E", 5),
          ("D", "E", 15), ("D", "F", 6),
          ("E", "F", 8), ("E", "G", 9),
          ("F", "G", 11)]

print "edges:",edges
print "prim:", prim( vertexs, edges )

##运行结果

edges: [('A', 'B', 7), ('A', 'D', 5), ('B', 'C', 8), ('B', 'D', 9), ('B', 'E', 7), ('C', 'E', 5), ('D', 'E', 15), ('D', 'F', 6), ('E', 'F', 8), ('E', 'G', 9), ('F', 'G', 11)]

prim: [('A', 'D', 5), ('D', 'F', 6), ('A', 'B', 7), ('B', 'E', 7), ('E', 'C', 5), ('E', 'G', 9)]