最小生成树可视化代码

最小生成树是一种图论中的概念，它指的是在一个加权无向图中，连接所有顶点的树，其总权重之和最小。常见的算法有Prim算法和Kruskal算法。对于最小生成树的可视化，通常会用编程语言如Python结合一些图形库，例如NetworkX和matplotlib或Plotly等来实现。

以下是一个使用Python和NetworkX库创建简单最小生成树并可视化的简单例子：

import networkx as nx
import matplotlib.pyplot as plt

# 创建一个加权无向图
G = nx.Graph()
G.add_edge('A', 'B', weight=1)
G.add_edge('A', 'C', weight=4)
G.add_edge('B', 'C', weight=2)
G.add_edge('B', 'D', weight=3)
G.add_edge('C', 'D', weight=5)
G.add_edge('C', 'E', weight=1)
G.add_edge('D', 'E', weight=2)
G.add_edge('D', 'F', weight=4)

# 使用Prim算法找到最小生成树
mst = nx.minimum_spanning_tree(G, algorithm='prim')

# 绘制原图和最小生成树
pos = nx.spring_layout(G)  # 位置布局
nx.draw_networkx(G, pos, with_labels=True, font_weight='bold')
plt.title("Original Graph")
plt.show()

pos_mst = nx.kamada_kawai_layout(mst)  # 小生成树的特殊布局
nx.draw_networkx_nodes(G, pos_mst, nodelist=mst.nodes(), node_color='red', node_size=1000)
nx.draw_networkx_edges(mst, pos_mst, width=2, edge_color='blue')
plt.title("Minimum Spanning Tree")
plt.show()

在这个例子中，我们首先创建了一个简单的图，然后使用Prim算法找出最小生成树，并分别绘制了原始图和最小生成树。`kamada_kawai_layout`是为最小生成树设计的一种特定布局。