展开全部
为了便于选择两组顶点U和VU之间的最小边缘，创建了两个辅助阵列，最近和最低，并将它们分成从U到VU的最小权重的边缘。注册。对于某些j∈VU，最近的[j]存储附加到边缘的U的顶点数，而lowcost[j]存储边缘的权重。
为方便起见，我们假设使用邻接矩阵g存储G图，并且相应的Prim（g，v）算法如下。voidPrim（MatGraphg，intv）//表示获取的最小树的所有边。Entry{intlowcost[MAXVEX]; array lowcostintclosest[MAXVEX]; //创建一个最近的布置，i，j，k。（I = 0; ig。
n; // lowcost[]和close[]设置初始值{lowcost[i]= g。
划线[v][i];（i = 1;最接近ig[i]= v;}）。
n; i ++）//使n-1个边{min = INF; k =？1。（J = 0; jg。
n;（+++）//找到最近的顶点kif（lowcost[j]！in（VU）！
= 0慢维护[j]min）{min =低成本[j]; k = j。// k是最近的顶点数}printf（边（％d，％d），重量％d
，最近[k]，k，min）。低成本[k]= 0。//将k标志添加到Ufor（j = 0; jg。
n;修复低成本和阵列闭合（g。
边界[k][j]！
= 0克。
边界[k][j]低成本[j]）{低成本[j]= g
边界[k][j]; Primm算法有两个循环，因此时间复杂度为O（n 2）。其中n是图中顶点的数量。
由于它与e无关，因此Primm算法特别适用于高密度图形以找到最小生成树。