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:
// C++ program for the above approach
#include <bits/stdc++.h>
using namespace std;
// DSU data structure
// path compression + rank by union
class DSU {
int* parent;
int* rank;
public:
DSU(int n)
{
parent = new int[n];
rank = new int[n];
for (int i = 0; i < n; i++) {
parent[i] = -1;
rank[i] = 1;
}
}
// Find function
int find(int i)
{
if (parent[i] == -1)
return i;
return parent[i] = find(parent[i]);
}
// Union function
void unite(int x, int y)
{
int s1 = find(x);
int s2 = find(y);
if (s1 != s2) {
if (rank[s1] < rank[s2]) {
parent[s1] = s2;
}
else if (rank[s1] > rank[s2]) {
parent[s2] = s1;
}
else {
parent[s2] = s1;
rank[s1] += 1;
}
}
}
};
class Graph {
vector<vector<int> > edgelist;
int V;
public:
Graph(int V) { this->V = V; }
// Function to add edge in a graph
void addEdge(int x, int y, int w)
{
edgelist.push_back({ w, x, y });
}
void kruskals_mst()
{
// Sort all edges
sort(edgelist.begin(), edgelist.end());
// Initialize the DSU
DSU s(V);
int ans = 0;
cout << "Following are the edges in the "
"constructed MST"
<< endl;
for (auto edge : edgelist) {
int w = edge[0];
int x = edge[1];
int y = edge[2];
// Take this edge in MST if it does
// not forms a cycle
if (s.find(x) != s.find(y)) {
s.unite(x, y);
ans += w;
cout << x << " -- " << y << " == " << w
<< endl;
}
}
cout << "Minimum Cost Spanning Tree: " << ans;
}
};
// Driver code
int main()
{
Graph g(4);
g.addEdge(0, 1, 10);
g.addEdge(1, 3, 15);
g.addEdge(2, 3, 4);
g.addEdge(2, 0, 6);
g.addEdge(0, 3, 5);
// Function call
g.kruskals_mst();
return 0;
}
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,hefeng,Algorithm,int,Kruskal,MST,算法,net From: https://blog.csdn.net/hefeng_aspnet/article/details/142526944