北航主要办公科研楼有新主楼、逸夫楼、如心楼、办公楼、图书馆、主楼、一号楼等等;。北航网络中心计划要给相关建筑物间铺设光缆进行网络连通，请给出用料最少的铺设方案。 编写程序输入一个办公区域分布图及建筑物之间的距离，计算出用料最少的铺设方案（只有一组最优解，不用考虑多组解)。要求采用Prim或Kruskal算法实现。 【输入形式】 办公区域分布图的顶点（即建筑物）按照自然数（0，1，2，n-1）进行编号，从标准输入中首先输入两个正整数，分别表示线路图的顶点的数目和边的数目，然后在接下的行中输入每条边的信息，每条边占一行，具体形式如下： <n> <e> <id> <vi> <vj> <weight> ... 即顶点vi和vj之间边的权重是weight，边的编号是id。

以下是用Prim算法实现的最小生成树代码，其中采用了邻接矩阵存储边的信息：

INF = float('inf')

n, e = map(int, input().split())  # n为顶点数，e为边数
graph = [[INF] * n for _ in range(n)]  # 邻接矩阵存储边的信息

for i in range(e):
    id, vi, vj, weight = map(int, input().split())
    graph[vi][vj] = graph[vj][vi] = weight  # 无向图，需要将vi和vj之间的边权重相同

# Prim算法
visited = [False] * n
min_dist = [INF] * n
min_dist[0] = 0  # 从任意一个顶点开始都可以，这里从0开始
for _ in range(n):
    # 找到未访问过的距离最小的顶点
    min_v = -1
    for i in range(n):
        if not visited[i] and (min_v == -1 or min_dist[i] < min_dist[min_v]):
            min_v = i
    visited[min_v] = True
    # 更新与min_v相邻的顶点的距离
    for j in range(n):
        if not visited[j] and graph[min_v][j] < min_dist[j]:
            min_dist[j] = graph[min_v][j]

# 计算最小生成树的权值和
total_weight = sum(min_dist)
print(total_weight)

代码思路如下：

首先输入顶点数和边数，然后创建邻接矩阵存储边的信息。接下来依次输入每条边的信息，并将无向图中两个顶点之间的边权重相同。

然后使用Prim算法计算最小生成树的权值和。首先将所有顶点标记为未访问过，将从任意一个顶点开始，这里选择了编号为0的顶点。然后循环n次，每次找到未访问过的距离最小的顶点min_v，并将其标记为已访问。接着更新与min_v相邻的顶点的距离，如果距离更小则更新min_dist数组。最后计算最小生成树的权值和，即min_dist数组中所有元素的和。

注意：以上代码只给出了Prim算法的实现，如需使用Kruskal算法，需要另外实现并查集等数据结构。