news 2026/6/11 0:26:31

实现最小生成树算法的Qt项目:可动态展示prim和kruskal算法的执行过程,附带报告和源代码

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
实现最小生成树算法的Qt项目:可动态展示prim和kruskal算法的执行过程,附带报告和源代码

算法最小生成树Qt项目 包含prim算法和kruskal算法 其中二者的执行过程可以动态展示 包含报告和源代码

最近在Qt框架下搞了个最小生成树的可视化项目,把Prim和Kruskal这两个经典算法从黑盒子里拽出来晒太阳。这个项目的核心是要让算法执行过程像看动画片一样直观——边选边动,树苗长成大树的过程尽收眼底。

先说说Prim算法的实现。核心在于维护两个阵营:已占领的节点和待攻克的节点。这里用了个取巧的边容器,每次只关注连接两个阵营的最短边:

// 这个结构体专门记录搞对象失败的边(雾) struct TempEdge { int from; int to; float weight; bool operator<(const TempEdge& other) const { return weight > other.weight; // 故意反着来,为了优先队列 } }; // 算法主循环片段 while (!minHeap.empty()) { TempEdge current = minHeap.top(); if (visited[current.to]) { minHeap.pop(); continue; } // 把这条幸运边加入MST全家福 mstEdges.append(current); // 更新占领区域 updateVisited(current.to); // 触发界面重绘信号 emit stepUpdated(); // 这里故意卡个300ms让观众看清楚 QThread::msleep(300); }

这里有个骚操作:优先队列用最大堆但是按边的权值升序排列。因为标准库的优先队列默认是最大堆,通过反转比较运算符就能白嫖这个特性。每次弹出堆顶元素时,如果目标节点已经被收编,就直接跳过,避免形成环路。

转头看看Kruskal算法的实现。这货的核心是并查集,用来判断两个节点是不是一伙的。代码里整了个PathFinder类专门干这事:

class PathFinder { QVector<int> parent; public: PathFinder(int size) : parent(size) { for(int i=0; i<size; ++i) parent[i] = i; } // 找祖宗十八代 int find(int x) { while(parent[x] != x) { parent[x] = parent[parent[x]]; // 路径压缩 x = parent[x]; } return x; } // 撮合两个帮派 bool unite(int x, int y) { int rootX = find(x); int rootY = find(y); if(rootX == rootY) return false; parent[rootX] = rootY; return true; } };

边排序这里有个坑:Qt的qSort对自定义结构不太友好,得先给边容器做个大保健:

qSort(edges.begin(), edges.end(), [](const Edge& a, const Edge& b){ return a.weight < b.weight; });

可视化部分用QGraphicsScene搭台唱戏。每个算法步骤触发信号,让视图层更新当前选中的边。比如当某条边被临幸时,会变成基佬紫并闪烁三下:

// 在图形项中处理选中状态 void EdgeItem::setState(EdgeState state) { if(state == Selected) { animation = new QPropertyAnimation(this, "color"); animation->setDuration(500); animation->setLoopCount(3); animation->setStartValue(QColor(Qt::darkMagenta)); animation->setEndValue(QColor(Qt::cyan)); animation->start(); } // 其他状态处理... }

为了让观众不睡着,算法每走一步都会通过信号槽通知界面线程更新。这里有个细节:算法跑在独立线程,通过跨线程信号触发UI刷新,避免界面假死。

项目结构上,核心代码分三大块:

  • Algorithms/里蹲着Prim和Kruskal的实现
  • Views/管图形项的绘制和动画
  • Utils/塞着并查集、优先队列这些工具人

测试时发现个邪门bug:当节点数量超过50个时,Kruskal的动画会抽风。后来发现是排序后的边容器被多个线程同时访问,加了个QMutex才镇住场子。

代码仓库里除了源码,还有个20页的报告文档,详细记录了从算法复杂度分析到Qt信号槽的线程安全注意事项。不过说实在的,最实用的还是那个能拖拽节点动态生成拓扑图的演示模式——拿这个去给学妹讲算法,效果拔群。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/10 21:12:14

Open-AutoGLM部署资源占用过高?专家级调优策略限时分享

第一章&#xff1a;Open-AutoGLM第三方部署概述Open-AutoGLM 是一个基于 AutoGLM 架构的开源自动化推理框架&#xff0c;支持在第三方环境中进行灵活部署&#xff0c;适用于私有化服务、边缘计算和多云协同等场景。其核心优势在于模块化解耦与协议兼容性设计&#xff0c;允许开…

作者头像 李华
网站建设 2026/6/10 20:56:09

使用JWT认证保护你的TensorFlow镜像API接口

使用JWT认证保护你的TensorFlow镜像API接口 在企业级AI系统日益普及的今天&#xff0c;一个训练好的机器学习模型被部署上线只是第一步。真正考验工程能力的是&#xff1a;如何让这个模型安全、稳定、可扩展地对外提供服务&#xff1f;尤其是在金融、医疗等高敏感领域&#xff…

作者头像 李华
网站建设 2026/6/10 19:07:08

Open-AutoGLM上云怎么选?阿里云 vs 其他平台:3项指标一决高下

第一章&#xff1a;Open-AutoGLM上云选型的核心挑战在将Open-AutoGLM这一开源大语言模型推理框架部署至云端的过程中&#xff0c;面临诸多技术与架构层面的挑战。这些挑战不仅影响系统性能和成本控制&#xff0c;更直接关系到服务的可用性与可扩展性。异构计算资源的适配难题 O…

作者头像 李华
网站建设 2026/6/10 19:11:48

从零搭建AI编程助手,Open-AutoGLM vs OpenAI:谁更适合中国开发者?

第一章&#xff1a;从零搭建AI编程助手的背景与意义 人工智能正以前所未有的速度重塑软件开发的范式。传统编程依赖开发者手动编写每一行逻辑&#xff0c;而AI编程助手则能通过理解上下文自动生成代码、优化结构甚至发现潜在缺陷。从零搭建一个专属的AI编程助手&#xff0c;不仅…

作者头像 李华
网站建设 2026/6/10 18:01:23

为什么顶级团队都在用阿里云部署Open-AutoGLM?背后隐藏的5大优势

第一章&#xff1a;Open-AutoGLM 阿里云部署在阿里云环境中部署 Open-AutoGLM 模型&#xff0c;能够充分利用云端弹性计算资源实现高效推理与扩展。该过程涵盖实例选择、环境配置、模型拉取与服务启动等关键步骤。准备工作 注册并登录阿里云控制台&#xff0c;确保账户具备ECS实…

作者头像 李华
网站建设 2026/6/10 20:37:32

安全审计必备:检查TensorFlow镜像是否存在CVE漏洞

安全审计必备&#xff1a;检查TensorFlow镜像是否存在CVE漏洞 在金融风控模型上线前的最后一次部署中&#xff0c;运维团队突然收到安全告警——某台推理服务容器因 OpenSSL 漏洞被外部扫描器标记为高危目标。调查发现&#xff0c;问题源头竟是几个月前构建的一个 tensorflow/…

作者头像 李华