最小生成樹的Prim算法也是貪心算法的一大經典應用。Prim算法的特點是時刻維護一棵樹，算法不斷加邊，加的過程始終是一棵樹。
Prim算法過程：
一條邊一條邊地加， 維護一棵樹。
初始 E ＝ ｛｝空集合， V = ｛任選的一個起始節點｝
循環（n – 1）次，每次選擇一條邊（v1,v2）， 滿足：v1屬于V , v2不屬于V。且（v1,v2）權值最小。
E = E + （v1,v2）
V = V + v2
最終E中的邊是一棵最小生成樹， V包含了全部節點。
以下圖為例介紹Prim算法的執行過程。
Prim算法的過程從A開始 V = {A}, E = {}
選中邊AF , V = {A, F}, E = {(A,F)}
選中邊FB, V = {A, F, B}, E = {(A,F), (F,B)}
選中邊BD, V = {A, B, F, D}, E = {(A,F), (F,B), (B,D)}
選中邊DE, V = {A, B, F, D, E}, E = {(A,F), (F,B), (B,D), (D,E)}
選中邊BC, V = {A, B, F, D, E, c}, E = {(A,F), (F,B), (B,D), (D,E), (B,C)}, 算法結束。
Prim算法的證明：假設Prim算法得到一棵樹P，有一棵最小生成樹T。假設P和T不同，我們假設Prim算法進行到第(K – 1)步時選擇的邊都在T中，這時Prim算法的樹是P', 第K步時,Prim算法選擇了一條邊e = (u, v)不在T中。假設u在P'中，而v不在。
因為T是樹，所以T中必然有一條u到v的路徑，我們考慮這條路徑上第一個點u在P'中，最后一個點v不在P'中，則路徑上一定有一條邊f = (x,y)，x在P'中，而且y不在P'中。
我們考慮f和e的邊權w(f)與w(e)的關系： 若w(f) > w(e)，在T中用e換掉f （T中加上e去掉f)，得到一個權值和更小的生成樹，與T是最小生成樹矛盾。
若w(f) w(e), Prim算法在第K步時應該考慮加邊f，而不是e,矛盾。
因此只有w(f) = w(e),我們在T中用e換掉f，這樣Prim算法在前K步選擇的邊在T中了，有限步之后把T變成P,而樹權值和不變， 從而Prim算法是正確的。
請仔細理解Prim算法——時刻維護一棵生成樹。我們的證明構造性地證明了所有地最小生成樹地邊權（多重）集合都相同！
N個點M條邊的無向連通圖，每條邊有一個權值，求該圖的最小生成樹。
最后，我們來提供輸入輸出數據，由你來寫一段程序，實現這個算法，只有寫出了正確的程序，才能繼續后面的課程。
輸入
第1行：2個數N,M中間用空格分隔，N為點的數量，M為邊的數量。（2 = N = 1000, 1 = M = 50000)
第2 - M + 1行：每行3個數S E W，分別表示M條邊的2個頂點及權值。(1 = S, E = N，1 = W = 10000)
輸出
輸出最小生成樹的所有邊的權值之和。
輸入示例
9 14
1 2 4
2 3 8
3 4 7
4 5 9
5 6 10
6 7 2
7 8 1
8 9 7
2 8 11
3 9 2
7 9 6
3 6 4
4 6 14
1 8 8
輸出示例
37
maxv=10001
n,m=list(map(int,input().split()))
E=[]
V=set([1])
cost=[]
for i in range(n+1):
a=[]
for j in range(n+1):
a.append(maxv)
cost.append(a)
for i in range(m):
s,e,w=list(map(int,input().split()))
cost[s][e]=w
cost[e][s]=w
closet=[0]
lowcost=[maxv]
for i in range(1,n+1):
closet.append(1)
lowcost.append(cost[1][i])
ans=0
for i in range(n-1):
k=0
for j in range(2,n+1):
if (lowcost[j]!=0) and (lowcost[j]lowcost[k]):k=j
for j in range(2,n+1):
if cost[j][k]lowcost[j]:
lowcost[j]=cost[j][k]
closet[j]=k
ans+=lowcost[k]
lowcost[k]=0
print(ans)
到此這篇關于Python 經典貪心算法之Prim算法案例詳解的文章就介紹到這了,更多相關Python 經典貪心算法之Prim內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 實現Dijkstra算法最短路徑問題詳解
- 詳解Dijkstra算法之最短路徑問題
- python Dijkstra算法實現最短路徑問題的方法
- python實現Dijkstra算法的最短路徑問題
- MongoDB 主分片(primary shard)相關總結
- c++ primer中的const限定符
- Dijkstra算法與Prim算法的異同案例詳解
