Prim算法与Dijsktra算法的异同
写完最小生成树与最短路,大脑一片混乱。。。尤其是prim与dijsktra。。。理了一晚上才出来。。。
先回顾一下
Dijsktra:求单源最短路
Dijkstra() { for each u in G,V { //此处做初始化操作,给每个节点u赋键值+∞,设置空为父节点 u.key = +∞ u.parent = NULL } //选初始点r,Q是无向图G中所有点V的权值优先队列,key可看作源点到u的距离 r.key = 0 Q = G,V while(Q != ∅) { //取出Q中权值最小值的点u u = extractMin(Q) //取点u连接的所有节点(即无向图G的邻接表中的第u个链表) for each v ∈ G.Adj[u] { if (v ∈ Q) and (w(u, v) < key) { //若该节点仍在Q中且权值w(w,v)小于其原始权值,则进行松弛操作! v.parent = u v.key = w(u, v) + u.key } } } }
Prim:求最小生成树
//无向图G, 权值w, 起始点r MST(G, w, r) { for each u in G,V { //此处做初始化操作,给每个节点u赋键值+∞,设置空为父节点 u.key = +∞ u.parent = NULL } //选初始点r,Q是无向图G中所有点V的权值优先队列,key可看作u到下一个节点v的距离 r.key = 0 Q = G,V while(Q != ∅) { //取出Q中权值最小值的点u u = extractMin(Q) //取点u连接的所有节点(即无向图G的邻接表中的第u个链表) for each v ∈ G.Adj[u] { if (v ∈ Q) and (w(u, v) < key) { //若该节点仍在Q中且权值w(w,v)小于其原始权值,则进行松弛操作! v.parent = u v.key = w(u, v) } } } }
异
【通过找不同,两个伪算法的差别只在于最后循环体内的松弛操作。
最小生成树只关心所有边的和最小,所以有v.key = w(u, v),即每个点直连其他点的最小值(最多只有两个节点之间的权值和)
最短路径树只搜索权值最小,所以有v.key = w(u, v) + u.key,即每个点到其他点的最小值(最少是两个节之间的权值和)
简单总结就是,Dijkstra的松弛操作加上了到起点的距离,而Prim只有相邻节点的权值。
同
思想
都是使用贪心和线性规划,每一步都是选择权值/花费最小的边。
贪心:一个局部最有解也是全局最优解;
线性规划:主问题包含n个子问题,而且其中有重叠的子问题。
Dijkstra算法通过线性规划缓存了最优子路径的解,每一步也通过贪心算法来选择最小的边。
Prim算法通过贪心来选择最小的边,而Prim的每个子树都是最小生成树说明满足线性规划的两个条件。
时间复杂度
Time = θ( V * T1 + E * T2)
其中T1为取出键值最小点的时间,T2为降低键值的时间,取决于数据结构。
数组
T1= O(V), T2 = O(1), TIME = O(V * V + E) = O(V * V)
二叉堆
T1 = O(lgV), T2 = O(lgV), TIME = O(V * lgV + E * lgV)
斐波那契堆
T1 = O(lgV), T2 = O(1), TIME = O(V * lgV + E) = O(V * lgV)
对于稀疏图来说,E远小于V*V,所以二叉堆比较好;
而对于密集图来说,E=V*V,所以数组比较好;
斐波那契堆是最好的情况。