Kruskal算法
Kruskal算法是一种经典的贪心算法,用于求解无向图的最小生成树(Minimum Spanning Tree,MST)。
最小生成树是一个边权值之和最小的树,它包含了原图的所有节点,并且通过连接一些边来使得这些节点形成一棵树。
Kruskal算法的基本思路是从边的角度来考虑最小生成树。具体步骤如下:
-
将图中的所有边按照边权值从小到大排序。
-
依次取出排好序的边,如果该边的两个端点不在同一个连通分量中,则将该边加入最小生成树中,并将这两个节点合并到同一个连通分量中。
-
重复步骤2,直到最小生成树中包含了所有的节点或者所有的边都已经被考虑了。
Kruskal算法的时间复杂度为O(E log E),其中E为边的数量。这是因为Kruskal算法需要对所有的边进行排序,排序的时间复杂度为O(E log E),并且在算法执行过程中需要进行并查集的操作,每次操作的时间复杂度为O(log* N),其中N为节点的数量。因此,总的时间复杂度为O(E log E + E log* N)。
下面是Kruskal算法的Java代码实现:
import java.util.*;
class Edge implements Comparable<Edge> {
int start;
int end;
int weight;
public Edge(int start, int end, int weight) {
this.start = start;
this.end = end;
this.weight = weight;
}
@Override
public int compareTo(Edge other) {
return Integer.compare(this.weight, other.weight);
}
}
class UnionFind {
int[] parent;
int[] rank;
public UnionFind(int size) {
parent = new int[size];
rank = new int[size];
for (int i = 0; i < size; i++) {
parent[i] = i;
rank[i] = 1;
}
}
public int find(int x) {
if (parent[x] != x) {
parent[x] = find(parent[x]);
}
return parent[x];
}
public boolean union(int x, int y) {
int rootX = find(x);
int rootY = find(y);
if (rootX == rootY) {
return false;
}
if (rank[rootX] > rank[rootY]) {
parent[rootY] = rootX;
} else if (rank[rootX] < rank[rootY]) {
parent[rootX] = rootY;
} else {
parent[rootY] = rootX;
rank[rootX]++;
}
return true;
}
}
public class Kruskal {
public static List<Edge> minimumSpanningTree(List<Edge> edges, int n) {
Collections.sort(edges);
UnionFind uf = new UnionFind(n);
List<Edge> result = new ArrayList<>();
for (Edge edge : edges) {
if (uf.union(edge.start, edge.end)) {
result.add(edge);
}
if (result.size() == n - 1) {
break;
}
}
return result;
}
}
这段代码中,Edge类表示一条边,UnionFind类表示并查集。Kruskal类中的minimumSpanningTree方法接受一个边的列表和节点数量作为参数,并返回一个最小生成树的边列表。在方法中,首先对边进行排序,然后依次取出边进行处理,如果两个节点不在同一个连通分量中,则将它们合并到同一个连通分量中,并将该边加入最小生成树中。最后,如果最小生成树中包含了所有的节点,则结束算法。