再次探讨最小生成树Prim算法

二次复习Prim算法时得到了一些新的启示。正常初次学算法时都特别注意代码,但是慢慢的发现,随着代码能力的增强,代码反而不是这么重要,重要的是算法的思路。既在自己的脑子中能有这个算法的图解。

下面展示一下二次学习的思路:

假设连通网G={VE},图T={UME}是图G的最小代价生成树,求图T的步骤如下:

(1)U={u0}ME={φ},u0是集合V****中的任意一个顶点。

(2)在所有的u∈U**,v∈V-U,而且****(u,v)∈E的边中,找一条权最小的边(uivi),将vi并入集合U,将边****(uivi)并入集合ME。**

(3)重复步骤2**,直到U=V。**

说白了就是这个意思:

1)先随便找一个点,加入集合R

2)在没有加入集合R的点中找到一个"距离集合R"距离最短的点,将其加入集合。注意:这个最短的距离(就是边,要把这个边记住)

3)如果还有没有加入集合的点,那么重复Step(2)。

这个算法是适用于"稠密图"(适合用邻接矩阵存储)。算法时间复杂度为O(n^2)。也可以用堆进行优化。具体想看代码请转到图论-最小生成树-CSDN博客

相关推荐
NAGNIP9 小时前
一文搞懂深度学习中的通用逼近定理!
人工智能·算法·面试
颜酱17 小时前
单调栈:从模板到实战
javascript·后端·算法
CoovallyAIHub20 小时前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub21 小时前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub21 小时前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub21 小时前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub21 小时前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
NAGNIP1 天前
轻松搞懂全连接神经网络结构!
人工智能·算法·面试
NAGNIP1 天前
一文搞懂激活函数!
算法·面试
董董灿是个攻城狮1 天前
AI 视觉连载7:传统 CV 之高斯滤波实战
算法