最小生成树算法分析
最小生成树 实验报告
最小生成树实验报告最小生成树实验报告一、引言最小生成树是图论中的一个重要概念，它在实际问题中有着广泛的应用。
本次实验旨在通过编程实现最小生成树算法，并通过实验数据对算法进行分析和评估。
二、算法介绍最小生成树算法的目标是在给定的带权无向图中找到一棵生成树，使得树上所有边的权重之和最小。
本次实验我们选择了两种经典的最小生成树算法：Prim 算法和Kruskal算法。
1. Prim算法Prim算法是一种贪心算法，它从一个顶点开始，逐步扩展生成树的规模，直到包含所有顶点为止。
算法的具体步骤如下：（1）选择一个起始顶点，将其加入生成树中。
（2）从与生成树相邻的顶点中选择一个权重最小的边，将其加入生成树中。
（3）重复上述步骤，直到生成树包含所有顶点。
2. Kruskal算法Kruskal算法是一种基于并查集的贪心算法，它首先将图中的边按权重从小到大进行排序，然后逐个加入生成树中，直到生成树包含所有顶点为止。
算法的具体步骤如下：（1）将图中的边按权重从小到大进行排序。
（2）逐个加入边，如果该边的两个顶点不在同一个连通分量中，则将其加入生成树中。
（3）重复上述步骤，直到生成树包含所有顶点。
三、实验过程本次实验我们使用C++语言实现了Prim算法和Kruskal算法，并通过随机生成的图数据进行了测试。
1. Prim算法的实现我们首先使用邻接矩阵表示图的结构，然后利用优先队列来选择权重最小的边。
具体实现过程如下：（1）创建一个优先队列，用于存储生成树的候选边。
（2）选择一个起始顶点，将其加入生成树中。
（3）将与生成树相邻的顶点及其边加入优先队列。
（4）从优先队列中选择权重最小的边，将其加入生成树中，并更新优先队列。
（5）重复上述步骤，直到生成树包含所有顶点。
2. Kruskal算法的实现我们使用并查集来维护顶点之间的连通关系，通过排序后的边序列来逐个加入生成树中。
具体实现过程如下：（1）将图中的边按权重从小到大进行排序。
用破圈法求最小生成树的算法
用破圈法求最小生成树的算法
求最小生成树是搜索树上每条边将权值加起来最小的那棵树，也就是要
求在给定顶点的一组边的条件下求出最小的生成树，一般采用贪心算法来求解。
其中最常用的算法就是破圈法。
破圈法实质上是 Prim 算法的改进，是一种贪心算法。
它的基本思想是：试着将边依次加入最小生成树中，当已生成的最小生成树中的边形成了一个
环的时候，其中的边中权值最大的一条被舍弃，存在于两个不同的顶点间。
破圈法求最小生成树算法基本步骤如下：
1.初始化最小生成树，构造一个空集合；
2.从贴源点开始，找出所有连接源点的边中权值最小的增加一条边到空集合中；
3.重复上述步骤，在剩余边权中选出最小值，增加一条边，并保证了加入当
前边后不产生环；
4.当把所有边都添加到集合中，即得到最小生成树；
破圈法的复杂度是O(n^2)，由于它具有简单的求解过程和易于实现的特性，因而得到广泛的应用。
破圈法非常适合在网络中采用，它可以容易的获
得一条路径的最小权值生成树从而实现网络的最佳路径匹配。
破圈法可以证明：当每一条边都属于给定顶点集合时，最小生成树一定
存在。
因此它在可以用来求解最小生成树的问题中是非常有效的。
phyloviz最小生成树解读
phyloviz最小生成树解读（原创实用版）目录1.最小生成树的概念及作用2.PhyloViz 的背景和应用领域3.PhyloViz 最小生成树的算法实现4.最小生成树在 PhyloViz 中的应用案例5.总结正文最小生成树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。
在生物学领域，最小生成树被广泛应用于构建物种的进化树，以揭示物种之间的亲缘关系。
PhyloViz 是一款基于 Web 的生物信息学工具，用于绘制和分析生物序列数据，如 DNA 序列、蛋白质序列等。
在最近的研究中，PhyloViz 开始采用最小生成树算法，以提高其对生物序列数据的分析能力。
PhyloViz 的背景和应用领域是生物信息学，它主要用于分析和可视化生物序列数据。
利用最小生成树算法，PhyloViz 能够更好地揭示生物序列数据之间的亲缘关系和进化规律。
此外，PhyloViz 还支持多种数据格式，如 FASTA、GenBank 和 embl 等，方便用户导入和分析生物序列数据。
PhyloViz 最小生成树的算法实现主要基于 Prim 算法和 Kruskal 算法。
Prim 算法是一种贪心算法，从任意一个顶点开始，不断地寻找与当前生成树距离最近的顶点，将其加入生成树中，直到所有顶点都加入生成树为止。
Kruskal 算法也是一种贪心算法，但它是从边的角度出发，每次选择边权最小的边，将其加入生成树中，直到所有顶点都加入生成树为止。
这两种算法在 PhyloViz 中的实现，有助于更准确地构建生物序列数据的进化树。
最小生成树在 PhyloViz 中的应用案例主要是构建生物序列数据的进化树。
利用最小生成树算法，PhyloViz 可以快速地揭示生物序列数据之间的亲缘关系和进化规律。
例如，在研究鸟类物种的进化关系时，科学家可以通过 PhyloViz 构建鸟类物种的进化树，以了解不同鸟类物种之间的亲缘关系和进化历史。
最小生成树的Prim算法以及Kruskal算法的证明
最⼩⽣成树的Prim算法以及Kruskal算法的证明Prime算法的思路：从任何⼀个顶点开始，将这个顶点作为最⼩⽣成树的⼦树，通过逐步为该⼦树添加边直到所有的顶点都在树中为⽌。
其中添加边的策略是每次选择外界到该⼦树的最短的边添加到树中（前提是⽆回路）。
Prime算法的正确性证明：引理1：对于连通图中的顶点vi，与它相连的所有边中的最短边⼀定是属于最⼩⽣成树的。
引理2：证明：假设最⼩⽣成树已经建成；(vi, vj)是连接到顶点vi的最短边，在最⼩⽣成树中取出vi，断开连接到vi的边，则⽣成树被拆分成1、顶点vi2、顶点vj所在的连通分量（单独⼀个顶点也看作⼀个独⽴的连通分量）3、其余若⼲个连通分量（个数⼤于等于0）三个部分现在要重建⽣成树，就要重新连接之前被断开的各边虽然不知道之前被断开的都是哪⼏条边，但是可以通过这样⼀个简单的策略来重建连接：将vi分别以最⼩的成本逐个连接到这若⼲个互相分离的连通分量；具体来说，就是要分别遍历顶点vi到某个连通分量中的所有顶点的连接，然后选择其中最短的边来连接vi和该连通分量；⽽要将vi连接到vj所在的连通分量，显然通过边(vi, vj)连接的成本最低，所以边(vi, vj)必然属于最⼩⽣成树（如果连接到vi的最短边不⽌⼀条，只要任意挑选其中的⼀条(vi, vj)即可，以上的证明对于这种情况同样适⽤）。
这样我们就为原来只有⼀个顶点vi的⼦树添加了⼀个新的顶点vj及新边(vi, vj)；接下来只要将这棵新⼦树作为⼀个连通⼦图，并且⽤这个连通⼦图替换顶点vi重复以上的分析，迭代地为⼦树逐个地添加新顶点和新边即可。
Kruskal算法：通过从⼩到⼤遍历边集，每次尝试为最⼩⽣成树加⼊当前最短的边，加⼊成功的条件是该边不会在当前已构建的图中造成回路，当加⼊的边的数⽬达到n-1，遍历结束。
Kruskal算法的正确性证明：Kruskal算法每次为当前的图添加⼀条不会造成回路的新边，其本质是逐步地连接当前彼此分散的各个连通分量（单个顶点也算作⼀个连通分量），⽽连接的策略是每次只⽤最⼩的成本连接任意两个连通分量。
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
如此进行下去，每次往生成树里并入一 个顶点和一条边，直到n-1次后，把所有 n 个顶点都并入生成树T的顶点集U中， 此时U=V，TE中包含有（n-1）条边；
图
图6.10 图G 及其生成树
无向连通图 G 图
➢ 生成树
图6.10 图G 及其生成树
生成树
➢ 最小生成树
图
1.1 普里姆(prim)算法
假设G=(V,E)是一个具有n 个顶点的连通网络， T=(U,TE)是G的最小生成树，其中U是T的顶点 集，TE是T的边集，U和TE的初值均为空。
算法开始时，首先从V中任取一个顶点（假定 为V1），将此顶点并入U中，此时最小生成树 顶点集U={V1}；
这样，T就是最后得到的最小生成树。
普里姆算法中每次选取的边两端，总是 一个已连通顶点（在U集合内）和一个未 连通顶点（在U集合外），故这个边选取 后一定能将未连通顶点连通而又保证不 会形成环路。
图
图6.11 普里姆算法例子
图
为了便于在顶点集合U和V-U之间选择权 最小的边，建立两个数组closest和 lowcost,closest[i]表示U中的一个顶点，该 顶点与V-U中的一个顶点构成的边具有最 小的权；lowcost表示该边对应的权值。
姆
{
算
min=lowcost[j];
法
k=j;
续
} printf(“(%d,%d)”,k,closest[j]);
/* 打印生成树的一条边*/
克里斯卡尔算法最小生成树
克里斯卡尔算法最小生成树什么是克里斯卡尔算法？克里斯卡尔算法是一种求解最小生成树(Minimum Spanning Tree, MST)的算法，它采用贪心算法的思想，在给定一个连通图的情况下，通过逐步选择边来生成树，最终得到权值和最小的生成树。
为了更好地理解克里斯卡尔算法，我们首先要明确最小生成树的概念。
在一个连通图中，最小生成树是指连接图中所有顶点的树，并且树上所有边的权值之和最小。
生成树是一个无环的连通图，具有n个顶点的连通图的生成树必然含有n-1条边。
克里斯卡尔算法的步骤如下：1. 初始化：将图中的每个顶点看作是一个单独的树，每个树只包含一个节点。
同时，创建一个空的边集合用于存储最小生成树的边。
2. 对所有边按照权值进行升序排列。
3. 依次选择权值最小的边，并判断该边连接的两个节点是否属于不同的树（不属于同一个连通分量）。
4. 如果两个节点不属于同一个树，则将这条边添加到边集合中，并将两个节点合并为同一个连通分量。
5. 重复步骤3和步骤4，直到最小生成树的边数达到n-1条为止。
6. 返回边集合，即为最小生成树。
通过这个步骤的执行，克里斯卡尔算法能够保证运行过程中生成的树权值和是最小的。
这是因为在选择边时，我们总是选择权值最小且不会形成环路的边，这样生成的树就不会包含多余的边。
需要注意的是，克里斯卡尔算法适用于带权无向连通图，如果是带权有向图，需要先进行转化为无向图的操作。
另外，克里斯卡尔算法在实际应用中有着广泛的应用，比如网络设计、电路设计以及地图路线规划等领域。
总结一下，克里斯卡尔算法是一种通过贪心思想解决最小生成树问题的算法。
它通过逐步选择权值最小的边，并将不同的树合并为一个连通分量的方式，生成一个权值和最小的生成树。
在实际应用中，克里斯卡尔算法具有重要的意义，能够为我们提供高效、经济的解决方案。
通过了解和学习克里斯卡尔算法，我们能够更好地理解图论中的最小生成树问题，并运用其解决实际问题。
- 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)。
最小生成树算法分析一、生成树的概念若图是连通的无向图或强连通的有向图，则从其中任一个顶点出发调用一次bfs或dfs后便可以系统地访问图中所有顶点；若图是有根的有向图，则从根出发通过调用一次dfs或bfs亦可系统地访问所有顶点。
在这种情况下，图中所有顶点加上遍历过程中经过的边所构成的子图称为原图的生成树。
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。
由此可以看出，一个图的生成树是不唯一的，不同的搜索方法可以得到不同的生成树，即使是同一种搜索方法，出发点不同亦可导致不同的生成树。
可以证明：具有n个顶点的带权连通图，其对应的生成树有n-1条边。
二、求图的最小生成树算法严格来说，如果图G=（V，E）是一个连通的无向图，则把它的全部顶点V和一部分边E’构成一个子图G’，即G’=（V， E’），且边集E’能将图中所有顶点连通又不形成回路，则称子图G’是图G的一棵生成树。
对于加权连通图，生成树的权即为生成树中所有边上的权值总和，权值最小的生成树称为图的最小生成树。
求图的最小生成树具有很高的实际应用价值，比如下面的这个例题。
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,w ij，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。
[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。
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）上图是按照Prim算法，给出了例题中的图（A）最小生成树的生成过程（从顶点1开始）。
其中图（E）中的4条粗线将5个顶点连通成了一棵最小生成树。
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，所以数据结构采用边集数组表示法，下面给出Prim算法构造图的最小生成树的具体算法框架。
①从文件中读入图的邻接矩阵g；②边集数组elist初始化；For i:=1 To n-1 DoBeginelist[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 DoBeginmin:=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].weightThen Beginelist[i].weight:=w；elist[i].fromv:=j；End；End；End；④输出；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。
如何证明呢？下图是按照Kruskal算法给出了例题中图（A）最小生成树的生成过程：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。
下面给出利用Kruskal算法构造图的最小生成树的具体算法框架。
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 DoBeginFor 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]]3、总结以上两个算法的时间复杂度均为O（n*n）。
参考程序见Prim.pas和Kruskal.pas。
例1的程序见city.pas。
三、应用举例例2、最优布线问题（wire.pas，wire.exe）[问题描述]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。
当然，如果将任意两台计算机都用数据线连接，费用将是相当庞大的。
为了节省费用，我们采用数据的间接传输手段，即一台计算机可以间接的通过若干台计算机（作为中转）来实现与另一台计算机的连接。
现在由你负责连接这些计算机，你的任务是使任意两台计算机都连通（不管是直接的或间接的）。
[输入格式]输入文件wire.in，第一行为整数n（2<=n<=100），表示计算机的数目。
此后的n行，每行n个整数。
第x+1行y列的整数表示直接连接第x台计算机和第y台计算机的费用。
[输出格式]输出文件wire.out，一个整数，表示最小的连接费用。
[样例输入]30 1 21 0 12 1 0[样例输出]2（注：表示连接1和2，2和3，费用为2）[问题分析]本题是典型的求图的最小生成树问题，我们可以利用Prim算法或者Kruskal算法求出，下面的程序在数据结构上对Kruskal算法做了一点修改，具体细节请看程序及注解。
[参考程序]Program wire(Input, Output)；var g : Array [1..100, 1..100] Of Integer；{邻接矩阵}l : Array [0..100] Of Integer； {l[i]存放顶点i到当前已建成的生成树中任意一顶点j的权值g[i,j]的最小值} u : Array [0..100] Of Boolean； { u[i]=True，表示顶点i还未加入到生成树中；u[i]=False，表示顶点I已加入到生成树中 } n, i, j, k, total : Integer；BeginAssign(Input, 'wire.in')；Reset(Input)；Assign(Output, 'wire.out')；Rewrite(Output)；Readln(n)；For i := 1 To n Do BeginFor j := 1 To n Do Read(g[i，j])；Readln；End；Fillchar(l, sizeof(l), $7F)； {初始化为maxint}l[1] := 0； {开始时生成树中只有第1个顶点}Fillchar(u, sizeof(u), 1)； {初始化为True，表示所有顶点均未加入}For i := 1 To n DoBegink := 0；For j := 1 To n Do {找一个未加入到生成树中的顶点，记为k，要求k到当前生成树中所有顶点的代价最小} If u[j] And (l[j] < l[k]) Then k := j；u[k] := False； {顶点k加入生成树}For j := 1 To n Do {找到生成树中的顶点j，要求g[k,j]最小}If u[j] And (g[k，j] < l[j]) Then l[j] := g[k，j]；End；total := 0；For i := 1 To n Do Inc(total, l[i])； {累加}Writeln(total)；Close(Input)；Close(Output)；End.。