最小生成树算法之KrusKal
在上一章中,我们已经介绍了最小生成树的算法之一Prim算法,该算法是一个贪心算法,主要是随机选一个开始点,在找出与这个点相关的最小边,然后加入到生成树中,然后在一次重复上述过程,直到所有的点都遍历完为止。
今天要介绍的Kruskal算法,也是一种贪心策略,与Prim不一样的是,这里不是使用点来得到最小生成树,而是采用边来生成最小生成树。该算法的主要思想是,将图中所有的边排序后,依次取出边,然后判断边的两端点是否在生成树中,如果在,加入最小生成树将会产生环,如果不在,就可以加入生成树中,依次重复以上步骤,直到n-1步完成。
为啥是n-1步呢?因为图的顶点是n个,最小生成树的边必然是n-1条。接下来是该算法的伪代码形式。
Put the edges in a queue by weight
count =0;
while(count<n-1)
get next edge(v,w)
if(component(v)!=component(w))
add to the tree
meger component(v) and component(w)
对于时间复杂度,可以看出,O(mn).在这里,我们使用了一种很好的数据结构来实现该算法,可以将算法的时间复杂度变成O(mlogm),其中m为边的个数。下面是具体的实现:
struct edge_pair{
int start;
int end;
int weight;
};
struct edgenode{
int y;
int weight;
edgenode * next;
};
struct union_set{
int p[MAX+1];
int size[MAX+1];
int n;
};
void set_union_initialize(union_set *s,int n)
{
for(int i=1;i<=n;i++)
{
s->p[i]=i;//开始时,每一个节点的父节点设置为自己
s->size[i]=1;//每一个节点独立成为一个子集
}
s->n=n;
}
int find(union_set *s,int start){
if(s->p[start]==start)
return start;//找到节点的根节点,并且返回
return find(s,s->p[start]);
}
bool isSameComponent(union_set *s,int s1,int s2)
{
//判断节点是否在同一连通性上面
return find(s,s1)==find(s,s2);
}
void merge(union_set *s,int s1,int s2)
{
int r1=find(s,s1);
int r2=find(s,s2);
//如果在同一节点上,则不做处理
if(r1==r2) return;
if(s->size[s1]>=s->size[s2])
{
//更新子集
s->size[r1]+=s->size[r2];
//更新父节点
s->p[r2]=s->p[r1];
}
else{
s->size[r2]+=s->size[r1];
s->p[r1]=s->p[r2];
}
}
bool cmp(const edge_pair &s1,const edge_pair &s2)
{
if(s1.weight>s2.weight) return false;
else return true;
}
void Kruskal_MST(graph *g)
{
union_set s;
set_union_initialize(&s,g->nvertex);
sort(edgePair.begin(),edgePair.end(),cmp);
for (int i=0; i<g->nvertex; i++) {
if(!isSameComponent(&s, edgePair[i].start, edgePair[i].end))
{
cout<<edgePair[i].start<<"->"<<edgePair[i].end<<endl;
merge(&s,edgePair[i].start, edgePair[i].end);
}
}
}
通过上面的代码,我们可以看出,使用正确的数据结构,可以将算法优化的更好。当然,我们必须清楚的认识到,该算法适用于稀疏图。