#问题
无向图最小生成树的Prim算法
#思路说明
假设点A,B,C,D,E,F，两点之间有连线的，以及它们的距离分别是：(A-B:7);(A-D:5);(B-C:8);(B-D:9);(B-E:7);(C-E:5);(D-E:15);(D-F:6);(E-F:8);(E-G:9);(F-G:11)
关于Prim算法的计算过程，参与维基百科的词条：普里姆算法
将上述点与点关系以及两点之间距离（边长，有的文献中称之为权重）写成矩阵形式（在list中，每两个点及其之间的距离组成一个tuple)
edges = [ ("A", "B", 7), ("A", "D", 5), ("B", "C", 8), ("B", "D", 9), ("B", "E", 7), ("C", "E", 5), ("D", "E", 15), ("D", "F", 6), ("E", "F", 8), ("E", "G", 9), ("F", "G", 11) ]
在下面的解决方法中，要计算出与已经选出的若干个点有相邻关系的点中，相应边长最短的点。这本质上是排序之后取出最小的，因为这种排序是动态的，如果用sorted或者list.sort()之类的方法对list排序，一则速度慢（python中的sort方法对大数据时不是很快),二则代码也长了。幸好python提供了一个非常好用的模块：heapq。这个模块是堆排序方法实现排序，并能够随时取出最小值。简化代码，更重要是提升了速度。
就用这个来解决Prim算法问题了。
#解决（Python）
#! /usr/bin/env python
#coding:utf-8
from collections import defaultdict
from heapq import *
def prim( vertexs, edges ):
adjacent_vertex = defaultdict(list)
"""
注意：defaultdict(list)必须以list做为变量，可以详细阅读：[collections.defaultdict](https://docs.python.org/2/library/collections.html#collections.defaultdict)
"""
for v1,v2,length in edges:
adjacent_vertex[v1].append((length, v1, v2))
adjacent_vertex[v2].append((length, v2, v1))
"""
经过上述操作，将edges列表中各项归类成以某点为dictionary的key，其value则是其相邻的点以及边长。如下：
defaultdict(<type 'list'>, {'A': [(7, 'A', 'B'), (5, 'A', 'D')],
'C': [(8, 'C', 'B'), (5, 'C', 'E')],
'B': [(7, 'B', 'A'), (8, 'B', 'C'), (9, 'B', 'D'), (7, 'B', 'E')],
'E': [(7, 'E', 'B'), (5, 'E', 'C'), (15, 'E', 'D'), (8, 'E', 'F'), (9, 'E', 'G')],
'D': [(5, 'D', 'A'), (9, 'D', 'B'), (15, 'D', 'E'), (6, 'D', 'F')],
'G': [(9, 'G', 'E'), (11, 'G', 'F')],
'F': [(6, 'F', 'D'), (8, 'F', 'E'), (11, 'F', 'G')]})
"""
mst = [] #存储最小生成树结果
chosed = set(vertexs[0])
"""
vertexs是顶点列表，vertexs = list("ABCDEFG")===>vertexs=['A', 'B', 'C', 'D', 'E', 'F', 'G']
>> chosed=set(vertexs[0])
>> chosed
set(['A'])
也就是，首先选一个点（这个点是可以任意选的），以这个点为起点，找其相邻点，以及最短边长。
"""
#得到adjacent_vertexs_edges中顶点是'A'（nodes[0]='A')的相邻点list，即adjacent_vertexs['A']=[(7,'A','B'),(5,'A','D')]
adjacent_vertexs_edges = adjacent_vertex[vertexs[0]]
#将usable_edges加入到堆中，并能够实现用heappop从其中动态取出最小值。关于heapq模块功能，参考python官方文档
heapify(adjacent_vertexs_edges)
while adjacent_vertexs_edges:
#得到某个定点（做为adjacent_vertexs_edges的键）与相邻点距离（相邻点和边长/距离做为该键的值）最小值，并同时从堆中清除。
w, v1, v2 = heappop(adjacent_vertexs_edges)
if v2 not in chosed:
#在used中有第一选定的点'A'，上面得到了距离A点最近的点'D',举例是5。将'd'追加到used中
chosed.add(v2)
mst.append((v1,v2,w)) #将v1,v2,w，第一次循环就是('A','D',5) append into mst
#再找与d相邻的点，如果没有在heap中，则应用heappush压入堆内，以加入排序行列
for next_vertex in adjacent_vertex[v2]:
if next_vertex[2] not in chosed:
heappush( adjacent_vertexs_edges,next_vertex)
return mst
#test
vertexs = list("ABCDEFG")
edges = [ ("A", "B", 7), ("A", "D", 5),
("B", "C", 8), ("B", "D", 9),
("B", "E", 7), ("C", "E", 5),
("D", "E", 15), ("D", "F", 6),
("E", "F", 8), ("E", "G", 9),
("F", "G", 11)]
print "edges:",edges
print "prim:", prim( vertexs, edges )
##运行结果
edges: [('A', 'B', 7), ('A', 'D', 5), ('B', 'C', 8), ('B', 'D', 9), ('B', 'E', 7), ('C', 'E', 5), ('D', 'E', 15), ('D', 'F', 6), ('E', 'F', 8), ('E', 'G', 9), ('F', 'G', 11)]
prim: [('A', 'D', 5), ('D', 'F', 6), ('A', 'B', 7), ('B', 'E', 7), ('E', 'C', 5), ('E', 'G', 9)]