目标函数作为量度标准.PPTVIP

3.5 最小生成树 1. 网络的最小生成树在实际中有广泛应用.例如:在设计通信网络时,用图的顶点表示城市,用边的权表示建立城市之间的通信线路所需的费用,则最小生成树就给出了建立通信网络的最经济的方案。 2.最小生成树性质 设G=(V,E)是一个连通图,U是V的一个真子集.如果(u,v) ∈E,且u ∈U, v ∈V-U,且在所有的这些边中,(u,v)的权最小,那么一定存在G的一棵生成树,它以(u,v)为其中一条边。-----这个性质也称为MST性质。 Prim算法 获得最小（成本）生成树的贪心算法应该是一条边一条边地构造这棵树。根据某种最度标准来选择将要计入的下一条边。最简单的最度标准是：选择使得迄今为止所计入的那些边的权值的各有最小增量的那条边。 这一量度标准在两种解释：第一种方法使得迄今所选择的边的集合A构成一棵树，将要计入到A中的下一条边（u,v)是一条不在A中且使得A∪{（u,v)}也是一棵树的最小成本的边。其相应的算法称为PRIM算法。 算法主要思想：参看P79 图3.7 Prim 方法的运行实例图 。 算法说明 1。PRIM算法是在只计入了G中一条最小成本的边开始时的,然后一条边一条边地加进这棵树中.所要加入的下一条边(i,j)满足:i是已计入到这棵树的一个结点,j是还没有计入的一个结点,而(i,j)的成本是所有这样的边(k,l)的成本的最小值。K在这棵树中，l 不在这棵树中。 2。为了求出这条边（i,j), 把还没计入这棵树的每一个结点j和NEAR(j)联系起来。 NEAR(j) 是树中的结点，并且使得COST（j,NEAR(j))是对NEAR（j)所有选择中的最小值。 若j已在树中，则NEAR(j)=0,用NRAR（j) ≠0(即j还不在树中，且COST（j,NEAR(j))为最小值的结点来计入下一条边。 Procedure PRIM(E,COST,n,T,mincost) real COST(n,n),mincost; integer NEAR(n),n,I,j,k,l,T(1:n-1,2); (k,l) ←具有最小成本的边 O（e) mincost ←cost(k,l) (T(1,1),T(1,2)) ←(k,l) for i ←1 to n do // 将NEAR置初值// O(n) if COST(i,l)COST(i,k) then NEAR(i) ←l else NEAR(i) ←k endif repeat NEAR(k) ←NEAR(l) ←0 For i ←2 to n-1 do //找T的其余n-2条边// O(n) 设j是NEAR(j) ≠0且COST(j,NEAR(j))最小的点 O(n) mincost ←mincost+COST(j,NEAR(j)) NEAR(j) ←0 for k ←1 to n do //修改NEAR// O(n) if NEAR(k) ≠0 and COST(k,NEAR(k))COST(k,j) then NEAR(k) ←j endif repeat Repeat If mincost≥∝ then print(‘no spanning tree’)endif End PRIM PRIM算法复杂度分析 Procedure PRIM(E,COST,n,T,mincost) real COST(n,n),mincost; integer NEAR(n),n,I,j,k,l,T(1:n-1,2); (k,l) ←具有最小成本的边 O（e) mincost ←cost(k,l) (T(1,1),T(1,2)) ←(k,