NetworkX之Prim算法(實(shí)例講解)
引言
Prim算法與Dijkstra的最短路徑算法類(lèi)似,它采用貪心策略。算法開(kāi)始先把圖中權(quán)值最小的邊添加到樹(shù)T中,然后不斷把權(quán)值最小的邊E(E的一個(gè)端點(diǎn)在T中,另一個(gè)在G-T中)。當(dāng)沒(méi)有符合條件的E時(shí)算法結(jié)束,此時(shí)T就是G的一個(gè)最小生成樹(shù)。
NetworkX是一款Python的軟件包,用于創(chuàng)造、操作復(fù)雜網(wǎng)絡(luò),以及學(xué)習(xí)復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)、動(dòng)力學(xué)及其功能。 本文借助networkx.Graph類(lèi)實(shí)現(xiàn)Prim算法。
正文
Prim算法的代碼
Prim

def prim(G, s):
dist = {} # dist記錄到節(jié)點(diǎn)的最小距離
parent = {} # parent記錄最小生成樹(shù)的雙親表
Q = list(G.nodes()) # Q包含所有未被生成樹(shù)覆蓋的節(jié)點(diǎn)
MAXDIST = 9999.99 # MAXDIST表示正無(wú)窮,即兩節(jié)點(diǎn)不鄰接
# 初始化數(shù)據(jù)
# 所有節(jié)點(diǎn)的最小距離設(shè)為MAXDIST,父節(jié)點(diǎn)設(shè)為None
for v in G.nodes():
dist[v] = MAXDIST
parent[v] = None
# 到開(kāi)始節(jié)點(diǎn)s的距離設(shè)為0
dist[s] = 0
# 不斷從Q中取出“最近”的節(jié)點(diǎn)加入最小生成樹(shù)
# 當(dāng)Q為空時(shí)停止循環(huán),算法結(jié)束
while Q:
# 取出“最近”的節(jié)點(diǎn)u,把u加入最小生成樹(shù)
u = Q[0]
for v in Q:
if (dist[v] < dist[u]):
u = v
Q.remove(u)
# 更新u的鄰接節(jié)點(diǎn)的最小距離
for v in G.adj[u]:
if (v in Q) and (G[u][v]['weight'] < dist[v]):
parent[v] = u
dist[v] = G[u][v]['weight']
# 算法結(jié)束,以雙親表的形式返回最小生成樹(shù)
return parent
測(cè)試數(shù)據(jù)
| 從~到 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|
| 1 | 1.3 | 2.1 | 0.9 | 0.7 | 1.8 | 2.0 | 1.8 |
| 2 | 0.9 | 1.8 | 1.2 | 2.8 | 2.3 | 1.1 | |
| 3 | 2.6 | 1.7 | 2.5 | 1.9 | 1.0 | ||
| 4 | 0.7 | 1.6 | 1.5 | 0.9 | |||
| 5 | 0.9 | 1.1 | 0.8 | ||||
| 6 | 0.6 | 1.0 | |||||
| 7 | 0.5 |

測(cè)試代碼
import matplotlib.pyplot as plt import networkx as nx g_data = [(1, 2, 1.3), (1, 3, 2.1), (1, 4, 0.9), (1, 5, 0.7), (1, 6, 1.8), (1, 7, 2.0), (1, 8, 1.8), (2, 3, 0.9), (2, 4, 1.8), (2, 5, 1.2), (2, 6, 2.8), (2, 7, 2.3), (2, 8, 1.1), (3, 4, 2.6), (3, 5, 1.7), (3, 6, 2.5), (3, 7, 1.9), (3, 8, 1.0), (4, 5, 0.7), (4, 6, 1.6), (4, 7, 1.5), (4, 8, 0.9), (5, 6, 0.9), (5, 7, 1.1), (5, 8, 0.8), (6, 7, 0.6), (6, 8, 1.0), (7, 8, 0.5)] def draw(g): pos = nx.spring_layout(g) nx.draw(g, pos, \ arrows=True, \ with_labels=True, \ nodelist=g.nodes(), \ style='dashed', \ edge_color='b', \ width=2, \ node_color='y', \ alpha=0.5) plt.show() g = nx.Graph() g.add_weighted_edges_from(g_data) tree = prim(g, 1) mtg = nx.Graph() mtg.add_edges_from(tree.items()) mtg.remove_node(None) draw(mtg)
運(yùn)行結(jié)果

以上這篇NetworkX之Prim算法(實(shí)例講解)就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
基于Python實(shí)現(xiàn)一鍵批量查詢(xún)郵編
這篇文章主要為大家詳細(xì)介紹了如何利用Python快速實(shí)現(xiàn)查詢(xún)excel表格里所有郵編對(duì)應(yīng)的地址信息,將輸出的省市縣信息分開(kāi)放在不同的單元格中,感興趣的可以了解下2023-08-08
pytorch 實(shí)現(xiàn)計(jì)算 kl散度 F.kl_div()
這篇文章主要介紹了pytorch 實(shí)現(xiàn)計(jì)算 kl散度 F.kl_div(),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-05-05
Python利用裝飾器實(shí)現(xiàn)類(lèi)似于flask路由
這篇文章主要為大家詳細(xì)介紹了Python如何利用裝飾器實(shí)現(xiàn)類(lèi)似于flask路由,文中的示例代碼講解詳細(xì),對(duì)我們深入了解Python有一點(diǎn)的幫助,感興趣的可以了解一下2023-02-02
matplotlib調(diào)整子圖間距,調(diào)整整體空白的方法
今天小編就為大家分享一篇matplotlib調(diào)整子圖間距,調(diào)整整體空白的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-08-08
python使用adbapi實(shí)現(xiàn)MySQL數(shù)據(jù)庫(kù)的異步存儲(chǔ)
這篇文章主要為大家詳細(xì)介紹了python使用adbapi實(shí)現(xiàn)MySQL數(shù)據(jù)庫(kù)的異步存儲(chǔ),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-03-03
python網(wǎng)絡(luò)編程學(xué)習(xí)筆記(二):socket建立網(wǎng)絡(luò)客戶(hù)端
看了這一節(jié),突然之間對(duì)python網(wǎng)絡(luò)編程學(xué)習(xí)筆記(1)中的一些不理解的問(wèn)題有了認(rèn)識(shí),至少明白了socket是怎么回事。這里關(guān)于socket的起源等問(wèn)題就不做筆記記錄了,直接進(jìn)入主題2014-06-06
Python三十行代碼實(shí)現(xiàn)簡(jiǎn)單人臉識(shí)別的示例代碼
這篇文章主要介紹了Python三十行代碼實(shí)現(xiàn)簡(jiǎn)單人臉識(shí)別的示例代碼,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
解決python-docx打包之后找不到default.docx的問(wèn)題
今天小編就為大家分享一篇解決python-docx打包之后找不到default.docx的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02
Python XML轉(zhuǎn)Json之XML2Dict的使用方法
今天小編就為大家分享一篇Python XML轉(zhuǎn)Json之XML2Dict的使用方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01

