最小生成树算法及应用
最小生成树例题
最小生成树例题（原创实用版）目录1.最小生成树的概念2.最小生成树的性质3.最小生成树的算法4.最小生成树的应用实例正文1.最小生成树的概念最小生成树（Minimum Spanning Tree，简称 MST）是一种图论中的算法，用于在一个加权连通图中找到一棵包含所有顶点且边权值之和最小的生成树。
生成树是指一个连通图的生成树是指保留图中所有的节点，但只保留足以保持这些节点连通的边的集合。
最小生成树是一种生成树，其中所有边的权值之和最小。
2.最小生成树的性质最小生成树具有以下性质：（1）一棵生成树包含图中所有的节点；（2）一棵生成树中的边权值之和最小；（3）一棵生成树中的每一条边都是必要的，即移除任意一条边都会导致生成树不再连通。
3.最小生成树的算法常见的最小生成树算法有 Kruskal 算法和 Prim 算法。
Kruskal 算法是一种基于边的算法。
它按照边的权值从小到大的顺序依次选取边，每次选取一条边，判断它是否能够连接两个不连通的子图，如果能够连接，则将这条边加入到生成树中，否则舍弃。
Prim 算法是一种基于节点的算法。
它从一棵包含所有节点的初始树开始，不断地寻找一条能够连接已连接部分和未连接部分的边，将这条边加入到生成树中，直到所有节点都被连接到生成树中。
4.最小生成树的应用实例最小生成树在实际应用中有很多实例，如网络路由、数据压缩、图像处理等。
以网络路由为例，假设有一个网络由多个城市组成，每个城市之间都有一条道路相连，道路的长度代表权值。
我们需要在所有城市之间选择一条路径，使得这条路径的长度最小。
这时，我们可以使用最小生成树算法，找到一棵包含所有城市且边权值之和最小的生成树，这条路径就是最小生成树中的一条简单路径。
最小生成树聚类算法
最小生成树聚类算法引言：聚类是数据分析的重要方法之一，它通过将相似的对象分组来发现数据集中的隐藏模式和结构。
在聚类算法中，最小生成树聚类算法是一种基于最小生成树（Minimum Spanning Tree，简称MST）的聚类方法。
它通过在数据点之间构建最小生成树来确定聚类结果。
本文将详细介绍最小生成树聚类算法的原理、步骤和应用。
一、最小生成树聚类算法原理1.将数据集中的每个对象看作一个节点，并计算每对节点之间的相似度（如欧氏距离、余弦相似度等）。
将相似度转化为距离度量，如将相似度映射到0-1之间的距离。
2.基于节点之间的距离建立完全图，图的节点集为数据集的节点集。
3. 使用最小生成树算法从完全图中生成最小生成树。
最小生成树是指连接图中所有节点，且总权重最小的树。
常用的最小生成树算法有Prim算法和Kruskal算法。
4.对生成的最小生成树进行剪枝操作，将权重较大的边删除，得到聚类结果。
剪枝操作的依据可以是设定的阈值或者根据聚类结果的评估指标进行评估选择。
二、最小生成树聚类算法步骤1.输入数据集，将每个对象看作一个节点，并计算节点之间的相似度。
2.将相似度转化为距离度量，建立完全图，节点集为数据集的节点集。
3.使用最小生成树算法生成最小生成树。
4.对生成的最小生成树进行剪枝操作，删除权重较大的边。
5.根据剪枝后的最小生成树，将剩余的边分成若干个子图，每个子图表示一个聚类簇。
6.输出聚类结果。
三、最小生成树聚类算法应用1.社交网络分析：对社交网络中的用户进行聚类，可以帮助发现社交网络中的社区结构和关键用户。
2.图像分割：对图像中的像素进行聚类，可以将图像分割成不同的区域，有助于图像分析和处理。
3.数据挖掘：对大规模数据集进行聚类分析，可以帮助发现数据集中的潜在模式和结构。
4.网络流量分析：对网络流量数据进行聚类，可以发现网络中的异常行为和攻击。
总结：最小生成树聚类算法是一种基于最小生成树的聚类方法，通过将数据点之间的相似度转化为距离，并利用最小生成树算法构建聚类结果。
最小生成树---普里姆算法（Prim算法）和克鲁斯卡尔算法（Kruskal算法）
最⼩⽣成树---普⾥姆算法（Prim算法）和克鲁斯卡尔算法（Kruskal算法）最⼩⽣成树的性质：MST性质（假设N=(V,{E})是⼀个连通⽹，U是顶点集V的⼀个⾮空⼦集，如果（u，v）是⼀条具有最⼩权值的边，其中u属于U，v属于V-U，则必定存在⼀颗包含边（u，v）的最⼩⽣成树）普⾥姆算法（Prim算法)思路：以点为⽬标构建最⼩⽣成树1.将初始点顶点u加⼊U中，初始化集合V-U中各顶点到初始顶点u的权值；2.根据最⼩⽣成树的定义：从n个顶点中，找出 n - 1条连线，使得各边权值最⼩。
循环n-1次如下操作：（1）从数组lowcost[k]中找到vk到集合U的最⼩权值边，并从数组arjvex[k] = j中找到该边在集合U中的顶点下标(2)打印此边，并将vk加⼊U中。
（3）通过查找邻接矩阵Vk⾏的各个权值，即vk点到V-U中各顶点的权值，与lowcost的对应值进⾏⽐较，若更⼩则更新lowcost，并将k存⼊arjvex数组中以下图为例#include<bits/stdc++.h>using namespace std;#define MAXVEX 100#define INF 65535typedef char VertexType;typedef int EdgeType;typedef struct {VertexType vexs[MAXVEX];EdgeType arc[MAXVEX][MAXVEX];int numVertexes, numEdges;}MGraph;void CreateMGraph(MGraph *G) {int m, n, w; //vm-vn的权重wscanf("%d %d", &G->numVertexes, &G->numEdges);for(int i = 0; i < G->numVertexes; i++) {getchar();scanf("%c", &G->vexs[i]);}for(int i = 0; i < G->numVertexes; i++) {for(int j = 0; j < G->numVertexes; j++) {if(i == j) G->arc[i][j] = 0;else G->arc[i][j] = INF;}}for(int k = 0; k < G->numEdges; k++) {scanf("%d %d %d", &m, &n, &w);G->arc[m][n] = w;G->arc[n][m] = G->arc[m][n];}}void MiniSpanTree_Prim(MGraph G) {int min, j, k;int arjvex[MAXVEX]; //最⼩边在 U集合中的那个顶点的下标int lowcost[MAXVEX]; // 最⼩边上的权值//初始化,从点 V0开始找最⼩⽣成树Tarjvex[0] = 0; //arjvex[i] = j表⽰ V-U中集合中的 Vi点的最⼩边在U集合中的点为 Vjlowcost[0] = 0; //lowcost[i] = 0表⽰将点Vi纳⼊集合 U ，lowcost[i] = w表⽰ V-U中 Vi点到 U的最⼩权值for(int i = 1; i < G.numVertexes; i++) {lowcost[i] = G.arc[0][i];arjvex[i] = 0;}//根据最⼩⽣成树的定义：从n个顶点中，找出 n - 1条连线，使得各边权值最⼩for(int i = 1; i < G.numVertexes; i++) {min = INF, j = 1, k = 0;//寻找 V-U到 U的最⼩权值minfor(j; j < G.numVertexes; j++) {// lowcost[j] != 0保证顶点在 V-U中，⽤k记录此时的最⼩权值边在 V-U中顶点的下标if(lowcost[j] != 0 && lowcost[j] < min) {min = lowcost[j];k = j;}}}printf("V[%d]-V[%d] weight = %d\n", arjvex[k], k, min);lowcost[k] = 0; //表⽰将Vk纳⼊ U//查找邻接矩阵Vk⾏的各个权值，与lowcost的对应值进⾏⽐较，若更⼩则更新lowcost，并将k存⼊arjvex数组中for(int i = 1; i < G.numVertexes; i++) {if(lowcost[i] != 0 && G.arc[k][i] < lowcost[i]) {lowcost[i] = G.arc[k][i];arjvex[i] = k;}}}int main() {MGraph *G = (MGraph *)malloc(sizeof(MGraph));CreateMGraph(G);MiniSpanTree_Prim(*G);}/*input:4 5abcd0 1 20 2 20 3 71 2 42 3 8output:V[0]-V[1] weight = 2V[0]-V[2] weight = 2V[0]-V[3] weight = 7最⼩总权值: 11*/时间复杂度O(n^2)克鲁斯卡尔算法（Kruskal算法）思路：以边为⽬标进⾏构建最⼩⽣成树在边集中依次寻找最⼩权值边，若构建是不形成环路（利⽤parent数组记录各点的连通分量），则将其添加到最⼩⽣成树中。
最小生成树实际城市建设例题
最小生成树实际城市建设例题在实际的城市规划和建设中，经常需要考虑如何在城市中建立高效的交通网络，以便居民可以便捷地出行，最小生成树实际城市建设例题：1. 最小生成树算法可以通过计算城市道路网络的最短路径来确定交通系统的建设方案。
这意味着，我们可以通过最小生成树来找到连接城市不同区域的最佳道路，确保居民可以高效地到达目的地。
2. 在城市建设中，最小生成树算法可以帮助决策者选择相对最优的交通线路布局。
通过计算不同道路之间的权重（如距离、交通流量等），最小生成树可以找到连接城市不同区域的最短路径，并在最佳位置建设道路。
3. 最小生成树算法还可以帮助决策者优化城市交通网络的设计。
通过分析城市道路的拓扑结构，最小生成树可以帮助找到一个连接城市各个地区的最小的道路集合，从而提高交通系统的效率和可持续性。
4. 最小生成树算法在城市建设中可以被用来规划公共交通系统。
通过将公交线路视作图中的节点，道路视作图中的边，可以利用最小生成树算法来确定最佳的公交线路布局，以满足居民的出行需求。
5. 最小生成树算法还可以应用于城市供水系统的规划。
通过将供水管道网络看作图中的边，不同供水站点看作图中的节点，可以使用最小生成树算法来确定供水系统的建设方案，确保每个区域都能获得足够的水源。
6. 在城市绿化方面，最小生成树算法可以用来规划公园和绿地的布局。
通过将不同公园和绿地看作图中的节点，道路连接的路径看作图中的边，最小生成树算法可以帮助确定最佳的公园布局，使得每个居民都能够方便地享受自然环境。
7. 最小生成树算法在城市建设中还可以被用来规划电力系统的布局。
通过将不同电源点和用电点看作图中的节点，电力线路看作图中的边，可以使用最小生成树算法来确定最佳的电力线路布局，以确保电力供应的连通性和稳定性。
8. 最小生成树算法还可以应用于城市安防系统的规划。
通过将不同监控点看作图中的节点，监控设备之间的连接路径看作图中的边，使用最小生成树算法可以确定最佳的监控点布局，提高城市的安全性和治安。
最小生成树的模型数学公式
最小生成树的模型数学公式
最小生成树的模型数学公式是：
给定无向连通图G(V,E)，其中V为图的顶点集合，E为图的边集合。
每条边e∈E都带有一个非负权重w(e)。
找到一个包含图中所有顶点的子图T(V,E')，使得E' ⊆ E，并且E'构成一颗树（即连通且无环），使得所有的边的权重之和最小。
拓展：
最小生成树的应用十分广泛，可以用于解决多种问题。
以下是最小生成树的一些常见拓展场景：
1.带有约束条件的最小生成树：
在某些情况下，除了最小化权重之和外，还需要满足一些特定的约束条件。
例如，可以要求最小生成树的边数限制在特定的范围内，或者要求选择特定类型的边。
这时可以在最小生成树的模型中引入额外的约束条件，从而得到满足要求的最小生成树。
2.多目标最小生成树：
有时候，最小生成树问题不仅需要最小化权重之和，还需要考虑其他目标。
例如，可以同时考虑最小化权重之和和最大化生成树中的最长边权重。
这样的问题可以转化为多目标优化问题，并通过权衡不同目标之间的关系来求解。
3.带有边权重动态变化的最小生成树：
在某些场景中，图的边权重可能会根据一些规则进行动态变化。
例如，网络中的通信链路可能会根据网络拓扑和负载情况进行变化。
这时可以通过动态更新最小生成树来快速适应环境变化，从而保持最小生成树的有效性。
总之，最小生成树的模型可以通过引入不同的约束条件和目标函数进行拓展，以适应不同的应用场景。
最小生成树算法详解
最小生成树算法详解最小生成树（Minimum Spanning Tree，简称MST）是图论中的一个经典问题，它是指在一个加权连通图中找出一棵包含所有顶点且边权值之和最小的树。
在解决实际问题中，最小生成树算法被广泛应用于网络规划、电力传输、城市道路建设等领域。
本文将详细介绍最小生成树算法的原理及常见的两种算法：Prim算法和Kruskal算法。
一、最小生成树算法原理最小生成树算法的核心思想是贪心算法。
其基本原理是从图的某个顶点开始，逐步选取当前顶点对应的边中权值最小的边，并确保选取的边不会构成环，直到所有顶点都被连接为止。
具体实现最小生成树算法的方法有多种，两种常见的算法是Prim 算法和Kruskal算法。
二、Prim算法Prim算法是一种基于顶点的贪心算法。
它从任意一个顶点开始，逐渐扩展生成树的规模，直到生成整个最小生成树。
算法的具体步骤如下：1. 初始化一个空的生成树集合和一个空的顶点集合，将任意一个顶点加入到顶点集合中。
2. 从顶点集合中选择一个顶点，将其加入到生成树集合中。
3. 以生成树集合中的顶点为起点，寻找与之相邻的顶点中权值最小的边，并将该边与对应的顶点加入到最小生成树中。
4. 重复第3步，直到生成树中包含所有顶点。
Prim算法是一种典型的贪心算法，其时间复杂度为O(V^2)，其中V为顶点数。
三、Kruskal算法Kruskal算法是一种基于边的贪心算法。
它首先将所有边按照权值从小到大进行排序，然后从小到大依次选择边，判断选取的边是否与已选取的边构成环，若不构成环，则将该边加入到最小生成树中。
算法的具体步骤如下：1. 初始化一个空的生成树集合。
2. 将图中的所有边按照权值进行排序。
3. 依次选择权值最小的边，判断其两个顶点是否属于同一个连通分量，若不属于，则将该边加入到最小生成树中。
4. 重复第3步，直到最小生成树中包含所有顶点。
Kruskal算法通过并查集来判断两个顶点是否属于同一个连通分量，从而避免形成环。
最小生成树
17
D
应用举例——最小生成树
Prim算法 34 A 46 19 F B 12 26 25 E 38 cost'={(A, B)34, (C, D)17, (F, E)26}
17
U={A, F, C, D}
V-U={B, E}
cost={(A, B)34, (F, E)26}
25
C
17
D
应用举例——最小生成树
{B, C, D, E, F} (A F)19
{B, C, D, E} {B, D, E} {B, E} {B} {}
(F C)25
(C D)17
(F E)26
adjvex lowcost
adjvex lowcost
4 12
{A, F, C, D, E}
{A,F,C,D,E,B}
(E B)12
21
应用举例——最小生成树
Prim算法——伪代码
1. 将顶点0加入集合U中； 2. 初始化辅助数组shortEdge，分别为lowcost和adjvex赋值； 3. 重复执行下列操作n-1次 3.1 在shortEdge中选取最短边，取其对应的下标k； 3.2 输出边(k, shortEdge[k].adjvex)和对应的权值； 3.3 将顶点k加入集合U中； 3.4 调整数组shortEdge；
U
V-U
输出
adjvex lowcost adjvex lowcost adjvex lowcost adjvex lowcost
0 34 0 34 0 34 0 34
0 46 5 25
0 ∞ 5 25 2 17
0 ∞ 5 26 5 26 5 26
0 19
最小生成树算法在城市规划中的应用
最小生成树算法在城市规划中的应用城市规划是指针对城市的发展和布局进行系统设计和管理的过程。
在城市规划中，如何高效地建立城市的基础设施和交通网络是一个重要的问题。
最小生成树算法作为一种经典的图论算法，被广泛应用于城市规划中，用于优化城市的基础设施和交通布局。
一、最小生成树算法简介最小生成树算法是图论中的经典算法之一，用于找到一个连通图的最小生成树。
最小生成树是指包含图中所有顶点，并且边的总权重最小的树。
常见的最小生成树算法有Prim算法和Kruskal算法。
1. Prim算法Prim算法是一种贪心算法，主要思想是从一个初始节点开始，每次选择一个未被访问的节点和连接它的边中权重最小的边，并将该节点加入到树中，直到所有节点都被访问为止。
2. Kruskal算法Kruskal算法是一种基于边的排序算法，主要思想是按照边的权重递增的顺序依次选择边，当选择的边不会形成环时，将该边加入到树中，直到树中包含了所有的节点为止。
二、1. 基础设施规划最小生成树算法可以应用于基础设施规划中，例如道路、给排水系统、电力网络等。
通过将城市的基础设施抽象成一个图，节点代表不同的设施，边的权重代表建设设施所需的成本或者距离。
利用最小生成树算法，可以找到一种最优的布局方式，使得总的建设成本最小或者各设施之间的距离最小。
2. 交通网络规划最小生成树算法也可以应用于城市的交通网络规划中。
通过将城市的道路网抽象成一个图，节点代表交叉口或者重要的地点，边的权重代表道路的长度或者通行的成本。
利用最小生成树算法，可以找到一种最优的道路布局方式，使得整个城市的交通效率最高或者交通成本最低。
3. 公共设施规划另外，最小生成树算法还可以应用于城市的公共设施规划，例如学校、医院、公园等。
通过将城市不同区域的需求和供给抽象成一个图，节点代表不同的区域，边的权重代表区域之间的距离或者需求与供给的匹配度。
利用最小生成树算法，可以找到一种最佳的公共设施布局方式，使得城市的公共设施服务覆盖率最高或者供给与需求的匹配度最好。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
function cp(p1，p2，p：TPoint)：integer； { 计算矢量PP1*PP2 } var v：longint； begin v：=(p1.x-p.x)*(p2.y-p.y)-(p1.y-p.y)*(p2.x-p.x)； if v=0 then cp：=0 else if v>0 then cp：=1 else cp：=-1； end；{cp} function dist(a，b：integer)：longint；{ 计算第a条机器蛇和第b条机器蛇间 的距离，若ab之间有屏蔽，则距离设为无穷大 } var i：integer； begin dist：=oo； for i：=1 to m do { 如果a到b穿过第i个屏蔽，则返回无穷大 } if (cp(w1[i]，w2[i]，s[a])*cp(w1[i]，w2[i]，s[b])=-1) and (cp(s[a]，s[b]，w1[i])*cp(s[a]，s[b]，w2[i])=-1) then exit； dist：=sqr(s[a].x-s[b].x)+sqr(s[a].y-s[b].y)； end；{ dist }
最小生成树算法及应用
2、用Kruskal算法求最小生成树的思想如下： 设最小生成树为T=（V，TE），设置边的集合TE的初始状态为空集。将图G中的 边按权值从小到大排好序，然后从小的开始依次选取，若选取的边使生成树T不形 成回路，则把它并入TE中，保留作为T的一条边；若选取的边使生成树形成回路， 则将其舍弃；如此进行下去，直到TE中包含n-1条边为止。最后的T即为最小生成树。
如何证明Prim算法的正确性呢？提示：用反证法。
因为操作是沿着边进行的，所以数据结构宜采用边集数组表示法。
最小生成树算法及应用
① 从文件中读入图的邻接矩阵g； ——Prim算法的实现 ② 边集数组elist初始化； For i:=1 To n-1 Do Begin elist[i].fromv:=1；elist[i].endv:=i+1；elist[i].weight:=g[1,i+1]； End； ③ 求出最小生成树的n-1条边； For k:=1 To n-1 Do Begin min:=maxint；m:=k； For j:=k To n-1 Do {查找权值最小的一条边} If elist[j].weight<min Then Begin min:=elist[j].weight；m:=j；End； If m<>k Then Begin t:=elist[k]；elist[k]:=elist[m]；elist[m]:=t；End； {把权值最小的边调到第k个单元} j:=elist[k].endv； {j为新加入的顶点} For i:=k+1 To n-1 Do {修改未加入的边集} Begin s:=elist[i].endv； w:=g[j,s]； If w<elist[i].weight Then Begin elist[i].weight:=w；elist[i].fromv:=j；End； End； End； ④ 输出；
最小生成树算法及应用
二、求图的最小生成树算法小结 Prim算法和Kruskal算法 三、应用举例
例2、最优布线问题（wire.???） 学校有n台计算机，为了方便数据传输，现要将它们用数据线连接起来。两台计算机被连接是指它们时 间有数据线连接。由于计算机所处的位置不同，因此不同的两台计算机的连接费用往往是不同的。
如何证明呢？
最小生成树算法及应用
Kruskal算法在实现过程中的关键和难点在于：如何判断欲加入的一条边 是否与生成树中已保留的边形成回路？ 我们可以将顶点划分到不同的集合中，每个集合中的顶点表示一个无回 路的连通分量，很明显算法开始时，把所有n个顶点划分到n个集合中，每个 集合只有一个顶点，表明顶点之间互不相通。当选取一条边时，若它的两个 顶点分属于不同的集合，则表明此边连通了两个不同的连通分量，因每个连 通分量无回路，所以连通后得到的连通分量仍不会产生回路，因此这条边应 该保留，且把它们作为一个连通分量，即把它的两个顶点所在集合合并成一 个集合。如果选取的一条边的两个顶点属于同一个集合，则此边应该舍弃， 因为同一个集合中的顶点是连通无回路的，若再加入一条边则必然产生回路。
最小生成树算法及应用
1、用Prim算法求最小生成树的思想如下： ①设置一个顶点的集合S和一个边的集合TE，S和TE的初始状态均为空集； ②选定图中的一个顶点K，从K开始生成最小生成树，将K加入到集合S； ③重复下列操作，直到选取了n-1条边： 选取一条权值最小的边（X，Y），其中X∈S，not (Y∈S)； 将顶点Y加入集合S，边（X，Y）加入集合TE； ④得到最小生成树T =（S，TE） 。
【输入】 输入数据的第一行是一个整数n（n≤200）表示参战的 机器蛇总数。 以下n行，每行两个整数xi，yi，为第i支机器蛇的战斗 位置。 接下来一行是一个整数m（m≤100）表示航母内部可能 产生屏蔽的位置。 最后m行，每行四个整数ai，bi，ci，di，表示线段(ai， bi)-(ci，di)处可能有屏蔽，也就是说通讯网络不能跨越 这条线段。 【输出】 输出数据应仅包括一个实数，表示建立的通讯网的最短 长度，保留3位小数。 如果不能成功建立通讯网，请输出-1.000。
算法分析
2、套用最小生成树的经典算法求解
以机器蛇为顶点，以不受屏蔽的通信线路为边构建图，就可以直 接套用最小生成树的经典算法求解。由于几乎每两条机器蛇间都 会有一条边，因此应选用Prim算法。
设
const maxn=200 ； oo=2000000000；{ 机器蛇数的上限和无穷大} type TPoint=record {坐标} x，y：longint； end； var s，w1，w2：array[1..maxn] of TPoint； { 机器蛇的坐标和屏蔽线的坐标 } n，m，i，j，k：integer； ba：array[1..maxn] of boolean； { 机器蛇的访问标志} d：array[1..maxn] of longint； {d[i]以机器蛇i为头的最短边长} min：longint； ans：double；
对于不连通的无向图和不是强连通的有向图，若有根或者从根外的任意顶点 出发，调用一次bfs或dfs后，一般不能系统地访问所有顶点，而只能得到以出发 点为根的连通分支（或强连通分支）的生成树。要访问其它顶点，还需要从没有 访问过的顶点中找一个顶点作为起始点，再次调用bfs或dfs，这样得到的是生成 森林。
最小生成树算法及应用
[举例] 下面的图（A）表示一个5个城市的地图，图（B）、（C）是对图（A）分别进 行深度优先遍历和广度优先遍历得到的一棵生成树，其权和分别为20和33，前者比 后者好一些，但并不是最小生成树，最小生成树的权和为19。
[问题分析] 出发点：具有n个顶点的带权连通图，其对应的生成树有n-1条边！ 那么选哪n-1条边呢？ 设图G的度为n，G=（V，E） 我们介绍两种基于贪心的算法，Prim算法和Kruskal算法。
就是并查集的思想。
最小生成树算法及应用
——Kruskal算法的实现
① 将图的存储结构转换成边集数组表示的形式elist，并按照权值从小到大排好序； ② 设数组C[1..n-1]用来存储最小生成树的所有边，C[i]是第i次选取的可行边在排好序的elist中的下标； ③ 设一个数组S[1..n]，S[i]都是集合，初始时S[i]= [ i ]。 i:=1；{获取的第i条最小生成树的边} j:=1；{边集数组的下标} While i<=n-1 Do Begin For k:=1 To n Do Begin {取出第j条边，记下两个顶点分属的集合序号} If elist[j].fromv in s[k] Then m1:=k； If elist[j].endv in s[k] Then m2:=k； End； If m1<>m2 Then Begin {找到的elist第j条边满足条件，作为第i条边保留} C[i]:=j；i:=i+1； s[m1]:=s[m1]+s[m2]；{合并两个集合} s[m2]:=[ ]； {另一集合置空} End； j:=j+1； {取下条边，继续判断} End； ④ 输出最小生成树的各边：elist[C[i]]
最小生成树算法及应用
例1、城市公交网 [问题描述] 有一张城市地图，图中的顶点为城市，无向边代表两个城市间的连通关系， 边上的权为在这两个城市之间修建高速公路的造价，研究后发现，这个地图有一 个特点，即任一对城市都是连通的。现在的问题是，要修建若干高速公路把所有 城市联系起来，问如何设计可使得工程的总造价最少。 [输入] n（城市数，1<=n<=100）； e（边数）； 以下e行，每行3个数i,j,wij，表示在城市i,j之间修建高速公路的造价。 [输出] n-1行，每行为两个城市的序号，表明这两个城市间建一条高速公路。
机器蛇
在未来的某次战争中，我军计划了一次军事行动， 目的是劫持敌人的航母。由于这个计划高度保密，你只 知道你所负责的一部分：机器蛇的通信网络。计划中要 将数百条机器蛇投放到航母的各个角落里。由于航母内 部舱室、管线错综复杂，且大部分由金属构成，因此屏 蔽效应十分强烈，况且还要考虑敌人的大强度电子干扰， 如何保持机器蛇间的联系，成了一大难题。每条机器蛇 的战斗位置由作战计划部门制定，将会及时通知你。每 条机器蛇上都带有接收、发射系统，可以同时与多条机 器蛇通讯。由于整个系统承载的数据量庞大，需要一个 固定的通讯网络。情报部门提供了极其详尽的敌方航母 图纸，使你对什么地方有屏蔽了如指掌。 请你设计一个程序，根据以上信息构造通讯网络， 要求信息可以在任意两条机器蛇间传递，同时为了避免 干扰，通讯网络的总长度要尽可能的短。