最小生成树

张学习鱼

于 2022-12-13 23:45:48 发布

阅读量355

点赞数

文章标签：数据结构

本文链接：https://blog.csdn.net/AaliyahShylock/article/details/128279511

版权

一、概念

二、如何构建最小生成树

三、克鲁斯卡尔python代码实现

一、概念

1、Without any cycle，不能形成闭环；

2、Connect all the vertices，必须连接图结构中的每个顶点，意思是每个顶点，都能通过某种方法连接起来；

3、N Vertices, N-1 Edges，N个顶点数，边的个数是N-1；

最小的概念：

把边对应的全值数相加，称为全值和，不同的树对应不同的全值和。最小生成树对应的就是全值树对应的那棵树。

二、如何构建最小生成树

1、克鲁斯卡尔算法（Kruskal）

2、普里姆算法（Prim）

既然目标是全值和达到最小值，所以每一步都优先选择权值最小的边，这一点两个算法相同。但两个算法在达到这一目标的方法不同。克鲁斯卡尔是直接选择权值最小的边，而普里姆算法是从顶点出发，选择与顶点相邻、权值最小的边。

1、克鲁斯卡尔算法（Kruskal）

图1

将图中所有的边都取出放入一个列表中，并按照权值由小到大的排列。按列表的顺序，将每一条边回贴到图中，每回贴一条边，就判断每条边的状态，看看是否能形成环，如果没有形成环，这条边就会被保留，如果形成环，这条边就会被放弃，继续判断列表中的下一条边。直到选择了N-1条边，这时最小生成树就完成。

如何判断欲加入的一条边是否与生成树中已保留的边形成回路呢？有一个方法是：并查集（标号法）（合并并查找集合）（不是一家人，不进一家门）。

并查集（下方第二个链接，6：56）：

S1：将图各边按照权值进行排序；并且给每个顶点都加上一个序号（表示该顶点属于标号所示的联通分量）；接下来就要按权值大小的顺序选边，然后看这个边对应的两个顶点，看这两个顶点的序号是否一样。

S2：选中处于同一条边上的两个顶点（按照权值排序从小到大选择），如果两个顶点的标号值不同，则将标号修改为同一个类的标号值（把大的标号改为小的标号）；

S3：如果标号值相同，表示回路出现，需要把这一条边舍去，选择下一条权重对应的边。直到所有顶点的标号值一直为止，有n-1条边为止。

2、普里姆算法（Prim）

同样优先选择权值小的边，但是从顶点出发，优先选择连接两个顶点集合的所有边中权值最小的。

图2

这两个顶点集合，一个是已选顶点集合（已经确定最小生成树连接方式的顶点，图2左边绿色区域），一个时是未选顶点集合（未确定顶点连接方式的所有顶点构成的未选顶点集）。普里姆算法就是在连接这两个集合之间的所有边中连接最小的边。如图2，接下来连接蓝色和绿色的线就是7-6之间权重为1的这条，随后图2变为图3.

图3

具体实现过程，就是通过不断更新三个列表信息。第一个列表，存储该顶点是否已被选取的信息，如果该顶点以确定了最小生成树的连接方式，则为T，否则为F，列表中所有为T的顶点，就构成了前面所说的已选顶点，初始状态下，所有顶点都为F；第二个列表，存储某一时刻连接已选顶点连接未选顶点中，所有边中权值最小的那一条边，初始状态下都为无穷大（inf）；最小权值边，两端顶点信息就存储在第三个列表中，由于两个顶点确定一条边，所以初始状态都为-1，表示不存在的一条线。

图4

具体操作过程如下，直接看后面括号部分吧：

以顶点0为起点（确定一个起点，执行下面的三个操作），

1、Update ，更新信息，当已选顶点中每加入一个新的顶点，更新所有与该顶点相连的顶点信息，如果连接边的权值小于对应顶点列表（minDist）中的值，则更新列表值为该边的权值，同时更新（parent）记录改边，反之则不变（找到与此时起点相连的点，在表中更新它的信息，第二列表写两点间线的权值，第三列表写此时起点对应的数字）

2、Scan，扫描minDist，找到最小值对应的顶点（找到该起点连接其他点对应的最小权值边，通过扫描第二列表）

3、Add，将找到的最小权值边的点，与此时对应的点在图中连接起来，创建最小生成树的一条边（将第二列表扫描到的点与此时起点连接起来，作图就连接成了一条最小生成树，这三步走完，这个点对应的数列就会变化，第一行变作T，第二行变作-，第三行变作此时起点对应的数值；当然，变化了后的扫描，当然只在第一行为F的地方扫啦。接着，用这个被选中的顶点，继续第一步重复（？也有更复杂的情况，比如图5，此时这个被选中的顶点为8，但是8明显不能作下一个起点，所以就莫名变成了3为起点））。

图5

三、克鲁斯卡尔python代码实现

# 找这个顶点的标号
def find(x, pres): # x是这条边的一个顶点,pres是它的标号集

    root = pres[x]  
    return root

# 更改顶点的标点
def change(x, y, pres):
    """
    合并两个元素（合并两个集合）
    :return: None
    """
    h1, h2 = find(x, pres), find(y, pres)
    # 当两个元素不是同一组的时候才合并
    if h1 != h2:
        if pres[h1] < pres[h2]:  # 把标号往小的改
            pres[h2] = pres[h1]
        else:
            pres[h1] = pres[h2]
  


def kruskal(n, edges):
    """
    kruskal算法
    :param n: 结点数
    :param edges: 带权边集
    :return: 构成最小生成树的边集
    """
    # 初始化：标点集pres = [0, 1, 2, 3, 4, 5];  
    pres = [e for e in range(n)]  
    # 边从小到大排序
    edges = sorted(edges, key=lambda x: x[-1]) # sorted用于排序
    print("edges = ")
    print(edges)
    mst_edges, num = [], 0
    
    for edge in edges:
        if find(edge[0], pres) != find(edge[1], pres):
            mst_edges.append(edge)  # 如果两个顶点的标号不相同，那么就把这条边加入树中
            change(edge[0], edge[1], pres) # 更改顶点的标点
            num += 1
        else:
            continue
        if num == n-1:
            break
    return mst_edges

# ！！数据 采用mst图，需要更改
edges = [
    [0, 1, 6], 
    [0, 2, 1],
    [0, 3, 5],
    [2, 1, 5],
    [2, 3, 5],
    [2, 4, 5],
    [2, 5, 4],
    [1, 4, 3],
    [4, 5, 6],
    [5, 3, 2]
]


# ！！结点数(顶点数)，需要更改
n = 6
mst_edges = kruskal(n, edges)
print('edges:')
for e in mst_edges:
    print(e)
print('Total cost of MST:', sum([e[-1] for e in mst_edges]))
print('Maximum cost of MST:', max([e[-1] for e in mst_edges]))


# std print
#
# edges:
# [0, 2, 1]
# [5, 3, 2]
# [1, 4, 3]
# [2, 5, 4]
# [2, 1, 5]
# Total cost of MST: 15
# Maximum cost of MST: 5

学习对象：

【最小生成树(Kruskal(克鲁斯卡尔)和Prim(普里姆))算法动画演示】 https://www.bilibili.com/video/BV1Eb41177d1/?share_source=copy_web&vd_source=98fbab4e0ff3ef4e18cd477db479634d

【图的最小生成树克鲁斯卡尔(Kruskal)算法-理论+代码】 https://www.bilibili.com/video/BV1d34y1R7xA/?share_source=copy_web&vd_source=98fbab4e0ff3ef4e18cd477db479634d