1月2日 MyBatis联动查询+Prim算法

来源：互联网发布：4g网络优化工作编辑：程序博客网时间：2024/05/18 01:54

MyBatis联动查询：

一对一映射（注解版）：

 /**     * @Interface:CompanyMapper     */    @Select({        "select",        "cid, name, address, pro, city, price",        "from company",        "where cid = #{cid,jdbcType=INTEGER}"    })    @Results({        @Result(column="cid", property="cid", jdbcType=JdbcType.INTEGER, id=true),        @Result(column="name", property="name", jdbcType=JdbcType.VARCHAR),        @Result(column="address", property="address", jdbcType=JdbcType.VARCHAR),        @Result(column="pro", property="pro", jdbcType=JdbcType.VARCHAR),        @Result(column="city", property="city", jdbcType=JdbcType.VARCHAR),        @Result(column="price", property="price", jdbcType=JdbcType.INTEGER)    })    Company selectComByPrimaryKey(Integer cid);

/**     * @Interface:EmpMapper     */    @Select({            "select",            "eid, name, sex, email, salary, cid",            "from emp",            "where eid = #{eid,jdbcType=INTEGER}"    })    @Results({            @Result(column="eid", property="eid", jdbcType=JdbcType.INTEGER, id=true),            @Result(column="name", property="name", jdbcType=JdbcType.VARCHAR),            @Result(column="sex", property="sex", jdbcType=JdbcType.VARCHAR),            @Result(column="email", property="email", jdbcType=JdbcType.VARCHAR),            @Result(column="salary", property="salary", jdbcType=JdbcType.INTEGER),            @Result(column="cid", property="cid", jdbcType=JdbcType.INTEGER),            @Result(column="cid",property="company",one = @One(select = "com.MyBatis.mapper.CompanyMapper.selectComByPrimaryKey"))    })    Emp selectComByEid(Integer eid);

一对多映射（注解版）

/**     * @Interface:CompanyMapper     */    @Select({            "select",            "cid, name, address, pro, city, price",            "from company",            "where cid = #{cid,jdbcType=INTEGER}"    })    @Results({            @Result(column="cid", property="cid", jdbcType=JdbcType.INTEGER, id=true),            @Result(column="name", property="name", jdbcType=JdbcType.VARCHAR),            @Result(column="address", property="address", jdbcType=JdbcType.VARCHAR),            @Result(column="pro", property="pro", jdbcType=JdbcType.VARCHAR),            @Result(column="city", property="city", jdbcType=JdbcType.VARCHAR),            @Result(column="price", property="price", jdbcType=JdbcType.INTEGER),            @Result(property = "elist",javaType = List.class,column = "cid",                    many = @Many(select = "com.MyBatis.mapper.EmpMapper.selectEmpByCid"))    })    Company selectEmpByPrimaryKey(Integer cid);

 /**     * @Interface:EmpMapper     */    @Select({        "select",        "eid, name, sex, email, salary, cid",        "from emp",        "where cid = #{cid,jdbcType=INTEGER}"    })    @Results({        @Result(column="eid", property="eid", jdbcType=JdbcType.INTEGER, id=true),        @Result(column="name", property="name", jdbcType=JdbcType.VARCHAR),        @Result(column="sex", property="sex", jdbcType=JdbcType.VARCHAR),        @Result(column="email", property="email", jdbcType=JdbcType.VARCHAR),        @Result(column="salary", property="salary", jdbcType=JdbcType.INTEGER),        @Result(column="cid", property="cid", jdbcType=JdbcType.INTEGER)    })    List <Emp> selectEmpByCid(Integer cid);

Prim算法：

1.概览

普里姆算法（Prim算法），图论中的一种算法，可在加权连通图里搜索最小生成树。意即由此算法搜索到的边子集所构成的树中，不但包括了连通图里的所有顶点（英语：Vertex (graph theory)），且其所有边的权值之和亦为最小。该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克（英语：Vojtěch Jarník）发现；并在1957年由美国计算机科学家罗伯特·普里姆（英语：Robert C. Prim）独立发现；1959年，艾兹格·迪科斯彻再次发现了该算法。因此，在某些场合，普里姆算法又被称为DJP算法、亚尔尼克算法或普里姆－亚尔尼克算法。

2.算法简单描述

1).输入：一个加权连通图，其中顶点集合为V，边集合为E；

2).初始化：V_new = {x}，其中x为集合V中的任一节点（起始点），E_new = {},为空；

3).重复下列操作，直到V_new = V：

a.在集合E中选取权值最小的边<u, v>，其中u为集合V_new中的元素，而v不在V_new集合当中，并且v∈V（如果存在有多条满足前述条件即具有相同权值的边，则可任意选取其中之一）；

b.将v加入集合V_new中，将<u, v>边加入集合E_new中；

4).输出：使用集合V_new和E_new来描述所得到的最小生成树。

下面对算法的图例描述

图例说明不可选可选已选（V_new）

此为原始的加权连通图。每条边一侧的数字代表其权值。---

顶点D被任意选为起始点。顶点A、B、E和F通过单条边与D相连。A是距离D最近的顶点，因此将A及对应边AD以高亮表示。C, GA, B, E, FD

下一个顶点为距离D或A最近的顶点。B距D为9，距A为7，E为15，F为6。因此，F距D或A最近，因此将顶点F与相应边DF以高亮表示。C, GB, E, FA, D

算法继续重复上面的步骤。距离A为7的顶点B被高亮表示。CB, E, GA, D, F

在当前情况下，可以在C、E与G间进行选择。C距B为8，E距B为7，G距F为11。E最近，因此将顶点E与相应边BE高亮表示。无C, E, GA, D, F, B

这里，可供选择的顶点只有C和G。C距E为5，G距E为9，故选取C，并与边EC一同高亮表示。无C, GA, D, F, B, E

顶点G是唯一剩下的顶点，它距F为11，距E为9，E最近，故高亮表示G及相应边EG。无GA, D, F, B, E, C

现在，所有顶点均已被选取，图中绿色部分即为连通图的最小生成树。在此例中，最小生成树的权值之和为39。无无A, D, F, B, E, C, G

3.简单证明prim算法

反证法：假设prim生成的不是最小生成树

1).设prim生成的树为G₀

2).假设存在G_min使得cost(G_min)<cost(G₀) 则在G_min中存在<u,v>不属于G₀

3).将<u,v>加入G₀中可得一个环，且<u,v>不是该环的最长边(这是因为<u,v>∈G_min)

4).这与prim每次生成最短边矛盾

5).故假设不成立，命题得证.

4.算法代码实现

#include<cstdio>#include<iostream>#include<algorithm>#include<cstring>using namespace std;const int Maxn = 505;const int Inf = 1 << 9;int vis[Maxn];int dis[Maxn];int map[Maxn][Maxn];int n;void init(){    for(int i=0;i<n;i++)    {        vis[i] = 0;        dis[i] = map[0][i];    }}int Prim(){    init();    int ans = 0;    dis[0] = 0;    vis[0] = 1;    for(int i=0;i<n-1;i++)    {        int temp = Inf;        int flag = 0;        for(int j=0;j<n;j++)        {            if(!vis[j] && dis[j] < temp)            {                temp = dis[j];                flag = j;            }        }        vis[flag] = 1;        ans += temp;        for(int j=0;j<n;j++)        {            if(!vis[j] && map[flag][j] < dis[j])            {                dis[j] = map[flag][j];            }        }    }    return ans;}int main(){    while(~scanf("%d",&n))    {        for(int i=0;i<n;i++)        {            for(int j=0;j<n;j++)            {                scanf("%d",&map[i][j]);            }        }        int ans = Prim();        printf("%d\n",ans);    }    return 0;}

5.时间复杂度

这里记顶点数v，边数e

邻接矩阵:O(v²) 邻接表:O(elog₂v)

0 0