对于加权、连通、无向图,最小生成树(MST) 或最小权重生成树是权重小于或等于其他所有生成树权重的生成树。
Kruskal算法简介:
在这里,我们将讨论Kruskal 算法来查找给定加权图的 MST。
在 Kruskal 算法中,按升序对给定图的所有边进行排序。然后,如果新添加的边不形成循环,它会继续在 MST 中添加新边和节点。它首先选择最小权重边,最后选择最大权重边。因此,我们可以说它在每一步中都做出局部最优选择以找到最优解。因此,这是一种贪婪算法。
如何使用 Kruskal 算法查找 MST?
以下是使用 Kruskal 算法查找 MST 的步骤:
1.按照权重的非递减顺序对所有边进行排序。
2.选择最小的边。检查它是否与目前形成的生成树形成一个循环。如果没有形成循环,则包括这条边。否则,丢弃它。
3.重复步骤#2,直到生成树中有 (V-1) 条边。
第 2 步使用并查集算法来检测循环。
因此,我们建议先阅读以下文章:
并查表算法 | 集合 1(检测图中的循环)
javascript 不相交集简介(并查集算法):https://blog.csdn.net/hefeng_aspnet/article/details/142524938
C# 不相交集简介(并查集算法):https://blog.csdn.net/hefeng_aspnet/article/details/142524824
python 不相交集简介(并查集算法):https://blog.csdn.net/hefeng_aspnet/article/details/142524698
java 不相交集简介(并查集算法):https://blog.csdn.net/hefeng_aspnet/article/details/142524698
c++ 不相交集简介(并查集算法):https://blog.csdn.net/hefeng_aspnet/article/details/142523025
并查集算法 | 集合 2(按秩并集和路径压缩)
c语言 并查集算法中的按秩联合和路径压缩:https://blog.csdn.net/hefeng_aspnet/article/details/142526674
javascript 并查集算法中的按秩联合和路径压缩:https://blog.csdn.net/hefeng_aspnet/article/details/142526517
C# 并查集算法中的按秩联合和路径压缩:https://blog.csdn.net/hefeng_aspnet/article/details/142526449
python 并查集算法中的按秩联合和路径压缩:https://blog.csdn.net/hefeng_aspnet/article/details/142526387
java 并查集算法中的按秩联合和路径压缩:https://blog.csdn.net/hefeng_aspnet/article/details/142526336
c++ 并查集算法中的按秩联合和路径压缩:https://blog.csdn.net/hefeng_aspnet/article/details/142525945
Kruskal 寻找最小成本生成树的算法采用贪婪方法。贪婪选择是选择迄今为止构建的 MST 中不会引起循环的最小权重边。让我们通过一个例子来理解它:
插图:
下面是上述方法的说明:
输入图:
该图包含 9 个顶点和 14 条边。因此,形成的最小生成树将具有 (9 - 1) = 8 条边。
排序后:
Weight | Source | Destination |
1 | 7 | 6 |
2 | 8 | 2 |
2 | 6 | 5 |
4 | 0 | 1 |
4 | 2 | 5 |
6 | 8 | 6 |
7 | 2 | 3 |
7 | 7 | 8 |
8 | 0 | 7 |
8 | 1 | 2 |
9 | 3 | 4 |
10 | 5 | 4 |
11 | 1 | 7 |
14 | 3 | 5 |
现在从排序的边列表中逐一选择所有边
步骤 1:选取边 7-6。未形成循环,将其包括在内。
步骤 2:拾取边 8-2。未形成循环,将其包括在内。
步骤 3:选取边 6-5。未形成循环,将其包括在内。
步骤 4:选取边 0-1。没有形成循环,将其包括在内。
步骤 5:选取边 2-5。未形成循环,将其包括在内。
步骤 6:选择边 8-6。由于包含此边会导致循环,因此将其丢弃。选择边 2-3:未形成循环,因此将其包括在内。
步骤 7:选择边 7-8。由于包含此边会导致循环,因此将其丢弃。选择边 0-7。未形成循环,因此将其包括在内。
步骤 8:选择边 1-2。由于包含此边会导致循环,因此将其丢弃。选择边 3-4。未形成循环,因此将其包括在内。
注意:由于MST中包含的边数等于(V-1),因此算法在此停止
下面是上述方法的实现:
// JavaScript implementation of the krushkal's algorithm.
function makeSet(parent,rank,n)
{
for(let i=0;i<n;i++)
{
parent[i]=i;
rank[i]=0;
}
}
function findParent(parent,component)
{
if(parent[component]==component)
return component;
return parent[component] = findParent(parent,parent[component]);
}
function unionSet(u, v, parent, rank,n)
{
//this function unions two set on the basis of rank
//as shown below
u=findParent(parent,u);
v=findParent(parent,v);
if(rank[u]<rank[v])
{
parent[u]=v;
}
else if(rank[u]<rank[v])
{
parent[v]=u;
}
else
{
parent[v]=u;
rank[u]++;//since the rank increases if the ranks of two sets are same
}
}
function kruskalAlgo(n, edge)
{
//First we sort the edge array in ascending order
//so that we can access minimum distances/cost
edge.sort((a, b)=>{
return a[2] - b[2];
})
//inbuilt quick sort function comes with stdlib.h
//go to https://www.geeksforgeeks.org/comparator-function-of-qsort-in-c/
//if there is any doubt regarding the function
let parent = new Array(n);
let rank = new Array(n);
makeSet(parent,rank,n);//function to initialize parent[] and rank[]
let minCost=0;//to store the minimun cost
document.write("Following are the edges in the constructed MST");
for(let i=0;i<n;i++)
{
let v1=findParent(parent,edge[i][0]);
let v2=findParent(parent,edge[i][1]);
let wt=edge[i][2];
if(v1!=v2)//if the parents are different that means they are in
//different sets so union them
{
unionSet(v1,v2,parent,rank,n);
minCost+=wt;
document.write(edge[i][0] + " -- " + edge[i][1] + " == " + wt);
}
}
document.write("Minimum Cost Spanning Tree:",minCost);
}
//Here 5 is the number of edges, can be asked from the user
//when making the graph through user input
//3 represents the no of index positions for storing u --> v(adjacent vertices)
//and its cost/distance;
let edge = [
[0,1,10],
[0,2,6],
[0,3,5],
[1,3,15],
[2,3,4]
];
kruskalAlgo(5,edge);
// The code is contributed by Arushi Jindal.
输出
以下是构建的 MST 中的边
2 -- 3 == 4
0 -- 3 == 5
0 -- 1 == 10
最小成本生成树:19
时间复杂度: O(E * logE)或O(E * logV)
1.边的排序需要 O(E * logE) 时间。
2.排序后,我们遍历所有边并应用查找并集算法。查找和并集操作最多需要 O(logV) 时间。
3.因此总体复杂度为 O(E * logE + E * logV) 时间。
4.E 的值最多为 O(V 2 ),因此 O(logV) 和 O(logE) 相同。因此,总体时间复杂度为 O(E * logE) 或 O(E*logV)
辅助空间: O(V + E),其中 V 是图中顶点的数量,E 是边的数量。
标签:查集,Algorithm,parent,Kruskal,MST,rank,算法,https,hefeng From: https://blog.csdn.net/hefeng_aspnet/article/details/142527442