图论（九）最小生成树-Kruskal算法

前面说过，Kruskal是从最短边着手构建最小生成树的。其基本过程是：先对图中的所有边按照权重值从小到大进行排序，然后着手选取边构建最小生成树。如果直接从小到大按顺序选取，有可能形成了环，所以对环的处理就成了核心问题。

我们还是以前面的乡镇假设光纤网络为例：

Kruskal算法工作步骤如下：

（1） 将边进行排序。

Begin	End	Weight
e	i	7
c	h	8
a	b	10
a	f	11
b	g	12
b	h	12
d	i	16
f	g	17
b	d	18
g	i	19
d	e	20
d	h	21
c	d	22
d	g	24

（2） 按权重依次从小到大将边加入最小生成树。

 

我们依次将边e-i(7),c-h(8),a-b(10),a-f(11),b-g(12),b-h(12),d-i(16)加入最小生成树中（图中标绿色的边），到目前为止，没有任何问题。

（3） 检查新加入的边是否构成了环。

下面，按照顺序需要将边f-g(17)加入最小生成树。

 

很不幸，这时a-b-g-f-a构成了环。于是f-g(17)被排除，不能被加入最小生成树。

下面按顺序加入的边是b-c(18)，同样b-c-g-b也构成了环，所以边b-c(18)也被排除。如此依次类推，最后得到的最小生成树是：

 

好了，算法介绍完了。就这么简单！

 

当然，这里有个核心问题还没有清楚的描述，即怎样判断构成了环？

判断原理也很简单：最小生成树加入一条边从而构成环，那么这条边的两个顶点除了这条边外，必然还有另一条路径，即这两个顶点在加入这个边之前，就是连通的，或者在一个连通子图上。

因此，在G=(V,E)中，我们令最小生成树的初始状态为只有n个顶点，0条边的非连通图T=(V,{})，图中每个顶点都是一个连通子图，即有n个连通子图。依次从E中按顺序从小到大选择边，若该边的两个顶点落在T中不同的连通子图上，则将次变加入到T中，否则舍去此边，依次类推，直到T中所有顶点都在同一个连通子图上为止。

光说不练假把式。上代码：

# -*- coding: utf-8 -*-

# 构建图G，使用了邻接矩阵表示法，9999代表非直连
G =[[0,10,9999,9999,9999,11,9999,9999,9999],  # a的邻居表
     [10,0,18,9999,9999,9999,12,12,9999],  # b的邻居表
     [9999,18,0,22,9999,9999,9999,8,9999],  # c的邻居表
     [9999,9999,22,0,20,9999,24,21,16],  # d的邻居表
     [9999,9999,9999,20,0,26,9999,9999,7],  # e的邻居表
     [11,9999,9999,9999,26,0,17,9999,9999],  # f的邻居表
     [9999,12,9999,24,9999,17,0,9999,19],  # g的邻居表
     [9999,12,8,21,9999,9999,9999,0,9999],  # h的邻居表
     [9999,9999,9999,16,7,9999,19,9999,0]]  # i的邻居表

# 构建顶点序号与符号对应集
v_dict ={}
v_strdict ={}
v_str ='abcdefghi'
for iin range(len(G)):
    v_dict[i]= v_str[i]
for i, valuein enumerate(v_str):
    v_strdict[value]= i

# 构建边集
E =[(v_dict[u], v_dict[v], G[u][v]) for uin range(len(G))for vin range(len(G[u]))if 0< G[u][v]< 9999and u< v]

# 对边集进行排序
E =sorted(E,key=lambdax:x[2])

# 构建最小生成树
T =set()

# 构建顶点连通子图
V =[0]* len(G)

# 判断是否属于同一连通子图
def find_connect(V,v):
    whileV[v]> 0:
        v= V[v]
    returnv

# 循环边
for ein E:
    #边的两个顶点是否已连通
    v1, v2= find_connect(V, v_strdict[e[0]]), find_connect(V, v_strdict[e[1]])
    ifv1 !=v2:
        V[v1]= v2
        T.add(e) #将边加入最小生成树

# 输出最小生成树
print(T)
# 输出代价
print(sum([t[2]for tin T]))

 

输出结果：

{('e', 'i', 7), ('g', 'i', 19), ('c', 'h', 8), ('a', 'f', 11), ('b', 'g', 12), ('d', 'i', 16), ('a', 'b', 10), ('b', 'h', 12)}

95

该算法的主要执行过程在最后的for循环处，find_connect函数与顶点的个数V决定，时间复杂度为O(logV)，而外面是边E的循环，因此Kruskal算法的时间复杂度为O(E logV)。