Prime,Kruskal,Dijkstra算法

最短路径问题旨在寻找图中两节点之间的最短路径，常用的算法有：floyd算法和dijkstra算法。

构造最小生成树一般使用贪心策略，有prime算法和kruskal算法

prime算法的基本思想

1.清空生成树，任取一个顶点加入生成树

2.在那些一个端点在生成树里，另一个端点不在生成树里的边中，选取一条权最小的边，将它和另一个端点加进生成树

3.重复步骤2，直到所有的顶点都进入了生成树为止，此时的生成树就是最小生成树

kruskal算法基本思想：构造一个只含n个顶点，而边集为空的子图，若将该子图中各个顶点看成是各棵树的根节点，则它是一个含有n棵树的森林 。之后，从网的边集中选取一条权值最小的边，若该边的两个顶点分属不同的树 ，则将其加入子图，也就是这两个顶点分别所在的 两棵树合成一棵树；反之，若该边的两个顶点已落在同一棵树上，则不可取，而应该取下一条权值最小的边再试之。依次类推，直至森林只有一棵树。kruskal算法能够在并查集的基础很快的实现。

  

    .

    .

    .

Dijkstra算法基本思想：构造一个 在图形应用中，常常需要求从图中某个结点至其余各结点的最短路径，如对于一个物流配送系统计算从配送中心到各订货点的最短路径。

Dijkstra's Algorithm 基本思想：

若给定带权有向图G=(V,E)和源顶点v0，构筑一个源集合S，将v0加入其中。

① 对差集V\S中 个顶点vi，逐一计算从v0 至它的距离 D(v0 , vi ),若该两顶点之间没有边，则其距离为无穷大。求出其中距离最短      的顶点w，将其加入到集合 S 中。

② 重新计算 v0 至差集 V\S 中各顶点的距离 D（v0, vi ）= Min(D(v0, vi ), D(v0, w ) + C(w, vi )).其中C（w, vi ）是顶点w 与 vi 之      间边上的费用。

③ 重复 步骤①②。直至所有的顶点都加到集合S 中为止。

算法求解过程图式：

把该图看成是物流配送系统，边上的数字是各地间距离，配送中心位于结点1处，根据该算法就可以设计出从结点 1 至其他各个结点线路最短的配送线路。 

步骤：

小结：

Dijkstra's 算法与最小生成树的区别在于：

① 最小生成树是对全图而言的，而Dijkstra's算法是对某个结点而言的。

② 最小生成树是连接所有结点的最短路径，但是如果从某个结点出发，沿着最小生成树到另一个结点的路径不一定是最短的。      而在Dijkstra's树中，从根结点到各叶子结点的路径都是最短的。

③ 若Dijkstra's算法依次应用于每个顶点，最后可以得到任意两个顶点之间的最短路径，这就是通常所说的任意顶点对之间的最短路径问题（all-pairs shortest paths,APAP）

参考博客：

http://blog.csdn.net/luomingjun12315/article/details/47700237

http://blog.csdn.net/lqcsp/article/details/14118871

http://blog.csdn.net/leaf_130/article/details/50668868