2.找出所有已知顶点邻接的未知顶点，其中与任一已知顶点的邻接边权重最小的未知顶点，我们将其标为已知，同时将其preV设为与其邻接边最小的已知顶点，且其distance设为该邻接边的权重（在Dijkstra算法中，我们用的是“指向”，因为要考虑到有向图的情况，此外，Dijkstra算法中，我们将被标为已知的未知顶点的distance设为与其相连的已知顶点的distance加上边的权重）
3.反复执行第二步，直至不存在已知顶点邻接了未知顶点为止。
抽象的说，Prim算法就是随机选一个顶点，将其拉进原先为空的树中，然后不断地通过尽可能小的边将其他顶点拉进这棵树中
老样子，上述说法晦涩难懂 (￣.￣)。所以我们需要实际的走一遍来加深一下理解，以下图为例：
假设我们以v3作为起点，则图初始化后的状态如下（顶点旁有红圈表示该顶点已知，红圈中即该顶点的preV，顶点的distance我们暂不考虑）：
接着，我们找出所有已知顶点（v3）邻接的所有未知顶点：v0、v1、v2、v4、v5、v6。发现与已知顶点邻接边最小的未知顶点是v1、v4，其中未知顶点v1与已知顶点v3的邻接边权重为1，未知顶点v4与已知顶点v3的邻接边权重也为1，我们任选其一即可，比如选择v1，然后将v1设为已知，v1.preV=v3：
继续，我们找出所有已知顶点（v1、v3）邻接的所有未知顶点：v0、v2、v4、v5、v6，发现与已知顶点邻接边最小的未知顶点是v0、v4，其中未知顶点v0与已知顶点v1的邻接边权重为1，未知顶点v4与已知顶点v1或v3的邻接边权重为1，我们任选其一，比如v4，然后将v4设为已知，v4.preV=v1（也可以是v4.preV=v3）：
继续，我们找出所有已知顶点（v1、v3、v4）邻接的所有未知顶点：v0、v2、v5、v6，发现与已知顶点邻接边最小的未知顶点是v0、v6，其中未知顶点v0与已知顶点v1的邻接边权重为1，未知顶点v6与已知顶点v4的邻接边权重为1，我们选v6，将v6设为已知，v6.preV=v4：
继续，我们找出所有已知顶点邻接的所有未知顶点：v0、v2、v5，其中与已知顶点的邻接边最小的是v0，未知顶点v0与已知顶点v1的邻接边权重为1，我们将v0设为已知，v0.preV=v1：
继续，找出所有已知顶点邻接的所有未知顶点：v2、v5，发现其中未知顶点v5与已知顶点v6的邻接边权重最小为2，所以我们将v5设为已知，v5.preV=v6：
继续，找出所有已知顶点邻接的所有未知顶点：v2，其中未知顶点v2与已知顶点v5的邻接边权重最小，所以我们将v2设为已知，v2.preV=v5:
继续，发现已经没有哪个已知顶点邻接了未知顶点，所以算法结束。
接下来，我们只要进行这两步操作就可以得出最小生成树：
1.将每个顶点与其preV相连的边标为已知
2.将非已知的边删去。
将每个顶点与其preV相连的边标为已知（注意，v3的preV是自身，此情况我们不做任何操作即可）：