最小生成树基础模板

2nd_handsome

已于 2023-01-18 12:19:56 修改

阅读量146

点赞数

分类专栏：数据结构与算法之路文章标签：算法数据结构 c++ 图论

于 2022-11-08 13:35:00 首次发布

数据结构与算法之路专栏收录该内容

31 篇文章

订阅专栏

Prim模板

前言

prim算法的核心在于先定义一个最小生成树集合，初始时这个集合只有一个点为1，然后不断将这个集合扩大，直到最后所有结点都在这个生成树集合里就结束。

而扩张生成树的步骤又与dijkstra算法尤为相似。在这里，对于每个点（当然，要这个点没在树的集合里），计算出它到生成树的“距离”，

这里的距离的含义是指：该点可能与生成树中的多个结点之间都有一条路径，在这些路径中选择出最短的那一条，其值就当作到生成树的距离。
用数组min_dist[]表示，如min_dist[i]就是结点i到生成树的距离。

然后，再在这一堆距离集合里面，挑出距离最小的那一个结点t，作为这次要并入到生成树的结点。

并且还要在每次新的结点加入生成树之后更新一遍min_dist[]的值，这一步是通过for(树外的结点 j)：min_dist[j] = min(min_dist[j], g[t][j])来完成。它的含义是指，由于在树中加了t这个点，那么树外的每个结点都有到生成树的距离变小这个可能，故要从t这个角度去更新它们。

设定一个ans，重复上面并入新结点的步骤n次，每次都记录着ans += min_dist[新加结点t]，最后ans的值就为最小生成树的大小。

题目描述

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， $n = ∣ V ∣ ， m = ∣ E ∣$ 。

由 $V$ 中的全部 $n$ 个顶点和 $E$ 中 $n - 1$ 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 n 和 m。

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
$1 \leq n \leq 500$ ,
$1≤m≤10^5$ ,
图中涉及边的边权的绝对值均不超过 10000。

输入样例：

输出样例：

C++代码

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;

#define Max_N 510

int g[Max_N][Max_N];
int min_dist[Max_N];
bool st[Max_N] = {false};
int n, m;

int prim(){
    memset(min_dist, 0x3f, sizeof(min_dist));
    int ans = 0;
    min_dist[1] = 0;
    for(int i = 1;i <= n;i ++){
        int t = -1;     //t作为新的将并入点
        for(int j = 1;j <= n;j ++){
            if(!st[j] && (t == -1 || min_dist[j] < min_dist[t]))
                t = j;
        }
        if(min_dist[t] == 0x3f3f3f3f)      return 0x3f3f3f3f;      //连通分量 > 1
        ans += min_dist[t];
        st[t] = true;
        for(int j = 1;j <= n;j ++){
            if(!st[j])      min_dist[j] = min(min_dist[j], g[t][j]);
        }
    }
    
    return ans;
}

int main(){
    int u, v, w;
    cin >> n >> m;
    memset(g, 0x3f3f3f3f, sizeof(g));
    for(int i = 0;i < m;i ++){
        cin >> u >> v >> w;
        g[u][v] = g[v][u] =  min(g[u][v], w);
    }
    int res = prim();
    if (res == 0x3f3f3f3f)       cout << "impossible" << endl;
    else    cout << res << endl;
    return 0;
}

kruskal模板

前言

kruskal算法本质上是比较简单的。首先，对图中的每条边的权值w进行一个sort排序，然后再将这些边挨着挨着往生成树集合里面添加，但添加时有一个规则就是不能构成环，如果遇到了一条边使得它加入后生成树构成环，那么跳过就可以了。

而为了实现上面的步骤会引入一个数据结构——并查集，因为涉及到一些集合上的合并与查找。

并查集的讲解可以参考这篇文章👉👉：并查集（Union-Find)。

如此一来，对于上面的环的判断，就是将新并入边的两个相邻结点u和v，查找他们各自的祖先，如果fa[u] == fa[v]那么说明它们已经在一个集合里了，不能将这条边加入。否则，就是fa[find(u)] = find(v)：将该两点添加到一个集合里面。要注意的是，这些集合可能会有很多个，但是它们最终总会并成一个集合，而这个集合就是最终的最小生成树。

题目描述

还是刚刚上面的题目描述

C++代码

#include <iostream>
#include <algorithm>
using namespace std;

const int N = 2 * 10e5 + 10;

struct Edge{
    int u, v, w;
    bool operator < (const Edge &e) const{      //重载"<"运算符
        return w < e.w;
    }
}edges[N];

int n, m, cnt = 0, res = 0;
int fa[100010];

int find(int x){
    if(fa[x] != x)      fa[x] = find(fa[x]);
    return fa[x];
}

int kruskal(){
    sort(edges, edges + m);
    for(int i = 1;i <= n;i ++)      fa[i] = i;      //初始化各结点的并查集
    
    for(int i = 0;i < m;i ++){
        int fu = find(edges[i].u), fv = find(edges[i].v);
        if(fu != fv){
            fa[fu] = fv;        //合并成一个集合
            res += edges[i].w;
            cnt ++;
        }
    }
}

int main(){
    cin >> n >> m;
    int a, b, c;
    for(int i = 0;i < m;i ++){
        cin >> a >> b >> c;
        edges[i] = {a, b, c};
    }
    
    kruskal();
    
    if(cnt < n - 1)       cout << "impossible" << endl;
    else    cout << res << endl;
    return 0;
}