设计实现⽆向⽹结构，针对随机⽆向⽹实例和随机起点，利用Prim算法和Kruskal算法求解出所有的最小生成树，并给出求解过程的动态图形演⽰。 可考虑在不同存储结构上的实现。

好的，这是一个非常具体的问题，需要较长的回答。我会尽力回答你的问题。

首先，需要明确Prim算法和Kruskal算法的基本思想。Prim算法是一种贪心算法，从一个起点开始，每次选择一个离已有树最近的点加入树中，直到所有点都在树中。Kruskal算法是一种基于边的贪心算法，按照边的权值从小到大依次加入边，直到所有点都在同一个连通块中。

对于无向图的存储结构，可以采用邻接矩阵或邻接表。邻接矩阵是一个二维数组，其中第i行第j列的元素表示点i和点j之间的边的权值。邻接表则是一个链表数组，其中每个链表存储与该点相邻的点以及对应的边的权值。

下面是Prim算法和Kruskal算法的具体实现步骤：

Prim算法：

1. 初始化一个空的树和一个集合S，将起点加入集合S中。
2. 选择距离S中最近的点v，并将v加入树中。
3. 更新集合S，将v的所有邻居加入集合S中。
4. 重复步骤2和3直到所有点都在树中。

Kruskal算法：

1. 初始化一个空的树和一个并查集，将所有点分别放入不同的连通块中。
2. 将边按照权值从小到大排序。
3. 依次选择边，如果该边连接的两个点不在同一个连通块中，则将这条边加入树中，并将这两个点合并到同一个连通块中。
4. 重复步骤3直到所有点都在同一个连通块中。

动态图形演示可以采用Python的matplotlib库实现。具体实现步骤如下：

1. 使用networkx库生成随机无向图，并使用matplotlib展示。
2. 在每次加入点或边的时候，修改图的数据结构，并使用matplotlib重新展示图的变化过程。

采用邻接矩阵和邻接表实现的Prim算法和Kruskal算法的时间复杂度分别为O(V^2)和O(ElogE)，其中V为点的个数，E为边的个数。邻接表实现的算法更适合稀疏图，而邻接矩阵实现的算法适用于密集图。