Kruskal算法的原理和本质:Kruskal算法直接以边为目标去构建,因为权值是在边上,直接去找最小权值的边来构建生成树也是很自然的想法,只不过构建时要考虑是否会形成环路而已。Kruskal算法是基于贪心的思想得到的。首先把所有的边按照权值先从小到大排列,接着按照顺序选取每条边,如果这条边的两个端点不属于同一集合,那么就用并查集算法将它们合并,直到所有的点都属于同一个集合为止。换言之,Kruskal算法的本质就是基于并查集的贪心算法。
Kruskal算法的时间复杂度:Kruskal算法的时间复杂度是。循环每一条边复杂度e,Find函数就是不断查找f的根节点,树的查找时间复杂度是
,所以最终时间复杂度是
。
Kruskal算法与Prim算法的比较:
1、Kruskal算法主要是针对边来展开的,边数少时效率会非常高,所以对于稀疏图有很大的优势;而Prim算法对于稠密图,即边数非常多的情况会更好一些。
2、Prime算法像是走一步看一步的思维方式,逐步生成最小生成树;Kruskal算法更有全局意识,直接从图中最短权值的边入手,找寻答案。
#include<iostream>
using namespace std;
#define MaxVex 100 //定义最大顶点数
#define MaxArc 100*99/2 //定义最大边数
#define Inf 65535 //定义无穷大
typedef char VertexType; //定义顶点数据类型
typedef int EdgeType; //定义边上权值数据类型
//边集数组存储图的结构
typedef struct
{
int begin;
int end;
EdgeType weight;
}Edge;
//邻接矩阵存储图的结构
typedef struct Graph
{
VertexType vex[MaxVex]; //一维数组存储顶点信息
EdgeType arc[MaxVex][MaxVex]; //二维数组存储边的权值信息,也就是邻接矩阵
int numVex,numArc; //记录图中当前顶点数、边数
}MatrixGraph;
//建立无向网图的邻接矩阵表示
void CreateMatrixGraph(MatrixGraph *G)
{
int i,j,k,weight;
//输入顶点数和边数
cin>>G->numVex>>G->numArc;
//输入顶点信息,建立顶点表
for(i=0;i<G->numVex;i++)
cin>>G->vex[i];
//初始化邻接矩阵
for(i=0;i<G->numVex;i++)
for(j=0;j<G->numVex;j++)
G->arc[i][j]=Inf;
//输入边信息,建立邻接矩阵
for(k=0;k<G->numArc;k++)
{
cin>>i>>j>>weight;
G->arc[i][j]=weight;
G->arc[j][i]=G->arc[i][j]; //无向图,矩阵对称
}
}
void Change(int *x,int *y)
{
int temp;
temp=*x;
*x=*y;
*y=temp;
}
//并查集算法里的Find函数,查找节点f所在树的根节点
int Find(int *parent,int f)
{
while(parent[f]!=f) //如果f的上级不是f自己,不断向上查找直到找到f所在树的根节点
f=parent[f];
return f; //返回f所在树的根节点
}
//Kruskal算法求最小生成树
void Kruskal(MatrixGraph G)
{
int i,j,n,m;
Edge edges[MaxArc]; //边集数组存储图中边的信息,包括两个端点及权值
int parent[MaxVex]; //parent数组存储当前下标顶点所在树结构中的上级连接顶点,可以通过不断向上查找找到树的根节点
for(i=0;i<G.numVex;i++)
parent[i]=i; //初始化parent数组值都为自己,表示目前每个顶点都是独立的,自己是自己的根节点
int edgeNum=0;
//将邻接矩阵转换为边集数组
for(i=0;i<G.numVex-1;i++)
{
for(j=i+1;j<G.numVex;j++)
{
if(G.arc[i][j]!=Inf)
{
edges[edgeNum].begin=i;
edges[edgeNum].end=j;
edges[edgeNum].weight=G.arc[i][j];
edgeNum++;
}
}
}
//对边集数组按权值从小到大排序,贪心算法的思想
for(i=0;i<edgeNum-1;i++)
{
for(j=i+1;j<edgeNum;j++)
{
if(edges[i].weight>edges[j].weight)
{
Change(&edges[i].weight,&edges[j].weight);
Change(&edges[i].begin,&edges[j].begin);
Change(&edges[i].end,&edges[j].end);
}
}
}
//合并集算法的思想,找到一条边的两个端点的根节点,如果不连通就合并起来
for(i=0;i<G.numArc;i++)
{
n=Find(parent,edges[i].begin);
m=Find(parent,edges[i].end);
if(n!=m) //如果边的两个端点所在树的根节点不相等,说明两个端点不在同一个树里面(不连通),就把它们所在的连通分支合并起来
{
parent[n]=m; //并查集算法里面的Join函数,合并两个端点的根节点,使得两个端点的连通分支合并起来
cout<<edges[i].begin<<edges[i].end<<edges[i].weight<<endl; //打印最小生成树的一条边
}
}
}
int main()
{
//邻接矩阵法创建图并转换为边集数组表示图,用Kruskal算法构建最小生成树
MatrixGraph G;
CreateMatrixGraph(&G);
Kruskal(G);
return 0;
}