Prim-and-Kruskal/main.md at 25653141cb89d24f1197e0bf0044518b7965f4ef

fly6516/Prim-and-Kruskal

Fork 0

fly6516 25653141cb full file

2024-12-16 16:42:11 +08:00

4.1 KiB

Raw Blame History

以下是实验报告框架和 Python 实现的模板，供参考：

实验报告：最小生成树

学号：XXXXXX

姓名：XXXXXX

一、最小生成树基本思想

最小生成树（Minimum Spanning Tree, MST）是一个无向连通图的一个子图，满足以下条件：

是连通图；
包含图中所有顶点，但只包含 n-1 条边（其中 n 为顶点数）；
所有边的权值之和最小。

常用的算法包括：

Prim算法：逐步扩展生成树，通过选择权值最小的边加入生成树。
Kruskal算法：先按权值对边排序，再通过判断是否形成环来选择边加入生成树。

二、源码

以下代码实现了 Prim 和 Kruskal 两种算法：

import heapq

# 图的表示方式
class Graph:
    def __init__(self, vertices):
        self.V = vertices  # 顶点数
        self.graph = []    # 存储边的列表

    def add_edge(self, u, v, weight):
        self.graph.append([u, v, weight])

    # Prim 算法
    def prim_mst(self):
        mst_set = [False] * self.V
        edge_heap = [(0, 0)]  # (权值, 顶点)
        total_cost = 0
        mst_edges = []

        while edge_heap:
            weight, u = heapq.heappop(edge_heap)
            if mst_set[u]:
                continue
            mst_set[u] = True
            total_cost += weight
            for v, w in self._adjacent_edges(u):
                if not mst_set[v]:
                    heapq.heappush(edge_heap, (w, v))
                    mst_edges.append((u, v, w))

        return total_cost, mst_edges

    def _adjacent_edges(self, u):
        return [(v, weight) for (u_, v, weight) in self.graph if u_ == u] + \
               [(u, weight) for (u, v_, weight) in self.graph if v_ == u]

    # Kruskal 算法
    def kruskal_mst(self):
        self.graph.sort(key=lambda x: x[2])  # 按权值排序
        parent = list(range(self.V))
        rank = [0] * self.V

        def find(u):
            if parent[u] != u:
                parent[u] = find(parent[u])
            return parent[u]

        def union(u, v):
            root_u = find(u)
            root_v = find(v)
            if rank[root_u] > rank[root_v]:
                parent[root_v] = root_u
            elif rank[root_u] < rank[root_v]:
                parent[root_u] = root_v
            else:
                parent[root_v] = root_u
                rank[root_u] += 1

        mst_edges = []
        total_cost = 0

        for u, v, weight in self.graph:
            if find(u) != find(v):
                union(u, v)
                mst_edges.append((u, v, weight))
                total_cost += weight

        return total_cost, mst_edges


# 测试代码
if __name__ == "__main__":
    g = Graph(5)  # 创建一个包含5个顶点的图
    g.add_edge(0, 1, 2)
    g.add_edge(0, 3, 6)
    g.add_edge(1, 3, 8)
    g.add_edge(1, 2, 3)
    g.add_edge(1, 4, 5)
    g.add_edge(2, 4, 7)
    g.add_edge(3, 4, 9)

    print("Prim 算法结果:")
    cost, edges = g.prim_mst()
    print(f"总权值: {cost}, 边: {edges}")

    print("\nKruskal 算法结果:")
    cost, edges = g.kruskal_mst()
    print(f"总权值: {cost}, 边: {edges}")

三、算法分析

Prim算法
- 时间复杂度：( O(V^2) )（邻接矩阵实现）或 ( O(E \log V) )（邻接表+堆实现）
- 空间复杂度：O(V + E)
Kruskal算法
- 时间复杂度：( O(E \log E + E \log V) )，主要来源于边排序和并查集操作。
- 空间复杂度：O(E + V)

四、实验运行结果图

运行代码后，终端输出示例如下：

Prim 算法结果:
总权值: 16, 边: [(0, 1, 2), (1, 2, 3), (1, 4, 5), (0, 3, 6)]

Kruskal 算法结果:
总权值: 16, 边: [(0, 1, 2), (1, 2, 3), (1, 4, 5), (0, 3, 6)]

五、实验提交方式

文件夹结构：

学号+姓名/
├── 实验报告.docx
└── mst.py

上传至指定云盘路径：上电云盘/课程目录/20241216文件夹/
提交时间：课前15分钟，逾期无效。

如需修改或补充，请告诉我！

4.1 KiB Raw Blame History Unescape Escape