最小生成树

最小生成树

题目传送门：1584.连接所有点的最小费用

Kruskal算法

Kruskal算法是基于贪心的MST算法。
Step1：把图里的边按照权重从小到大排序
Step2：从小到大遍历每条边，用并查集来确认这条边是否有效（连接两个非联通区域）
Step3：直到所有节点都联通

class Solution:
    def minCostConnectPoints(self, points: List[List[int]]) -> int:
        def find(idx):
            if parent[idx] != idx:
                parent[idx] = find(parent[idx])
            return parent[idx]
        def union(idx1,idx2):
            p1,p2 = find(idx1),find(idx2)
            if p1 < p2:
                parent[p2] = p1
            else:
                parent[p1] = p2
        n = len(points)
        parent = [i for i  in range(n)]
        dist = dict()
        for i in range(n):
            for j in range(i+1,n):
                dist[(i,j)] = abs(points[i][0]-points[j][0])+abs(points[i][1]-points[j][1])
        distance = sorted(dist.items(),key = lambda x:x[1])
        res = 0
        for pair,d in distance:
            i,j = pair
            if sum(parent) == 0:
                return res
            if find(i) != find(j):
                union(i,j)
                res += d
        return res

Prim算法

定义一个数组 $Dist$ 为选中区域到所有节点的距离，如果已选中则置为$-1$（或者新建一个visited数组来存放选中节点

Step1：随机选择一个节点作为起点，遍历它的所有边，更新$Dist$中的值
Step2：从$Dist$中选取最小正数对应的节点，选中该节点，更新$Dist$值
Step3：循环Step2直到所有节点都被选中

Trick：不断找距离最近的下一个节点的过程可以用heap来实现加速。

class Solution:
    def minCostConnectPoints(self, points: List[List[int]]) -> int:
        p1 = points.pop(0)
        visited = [p1]        
        dist = []
        res = 0
        while points:
            for p2 in points:
                heapq.heappush(dist,(abs(p1[0]-p2[0])+abs(p1[1]-p2[1]),p2))
            d,p2 = heapq.heappop(dist)
            while p2 in visited:
                d,p2 = heapq.heappop(dist)
            points.remove(p2)
            visited.append(p2)
            p1 = p2
            res += d
        return res

Dijkstra算法

注意注意，DJ算法跟MST是不一样的，DJ算法的目标是找出某个节点到其他各节点的最短距离。是最短路算法。而MST是在图里找出联通的最小生成树。
具体算法可以参考https://www.zhihu.com/question/20630094/answer/758191548
今天先不写了，累了，ヾ(•ω•`)o拜拜