Prim算法适合稠密图，从起始点扩展，用优先队列优化实现O((V+E)logV)；Kruskal算法适合稀疏图，按边权排序并用并查集避免环，实现O(E log E)。
在C++中实现最小生成树（Minimum Spanning Tree, MST）主要有两种经典算法：Prim算法和Kruskal算法。它们适用于不同场景，下面分别介绍其实现方法和适用情况。
Prim算法实现最小生成树
Prim算法适合稠密图（边数较多），基于贪心策略，从一个起始点开始逐步扩展生成树。
核心思想： 维护一个已加入生成树的顶点集合，每次选择连接该集合与外部顶点的最小权边。
实现方式： 使用优先队列（堆）优化可提升效率。
立即学习“C++免费学习笔记（深入）”；
- 初始化距离数组dist[]为无穷大，dist[0] = 0
- 使用bool数组标记顶点是否已加入MST
- 用优先队列存储{距离, 顶点}，每次取出最小距离顶点
- 更新其邻接点的距离值
时间复杂度：O((V + E) log V)，适合邻接表存储的图。
Kruskal算法实现最小生成树
Kruskal算法适合稀疏图（边较少），按边权从小到大排序，逐个加入不形成环的边。
核心思想： 将所有边排序，利用并查集判断是否会产生环。
- 将图中所有边按权重升序排列
- 初始化并查集，每个顶点自成一个集合
- 遍历每条边，若两端点不在同一集合，则加入MST，并合并集合
- 直到选中V-1条边为止
时间复杂度：O(E log E)，主要消耗在排序上。
代码实现要点
实际编码时需注意以下几点：
- 图可用vector<pair<int, int>>的数组（邻接表）或边列表存储
- Prim中优先队列用greater实现小根堆：priority_queue<pair<int,int>, vector<...>, greater<...>>
- Kruskal中并查集需实现find和union操作，建议路径压缩+按秩合并
- 边结构体可定义为struct Edge { int u, v, w; };
根据输入规模选择合适的数据结构能显著提升性能。
基本上就这些。Prim更适合点少边多的情况，Kruskal逻辑更清晰易实现。选哪种取决于具体问题特征。
