The minimum spanning tree of a graph(图的最小生成树)

Q： minimum spanning tree 的定义

A： 给定一幅图G = （V,E）， 找到E的一个能够连接起G中所有的节点（vertices）的边子集T， 并且边子集的权重之和最小， 这就是我们所说的最小生成树。

由于T是无环的， 并且联通所有的节点， 所以T然是一棵树。 我们称T为图G的 minimum spanning tree。 

上图（graph）的minimum spanning tree（即T） 为：

所以现在问题是 ， 给定一个具有weighted edges 的graph G, 找到G的最小生成树T。

解决这个问题的有两个算法。 一个是prim's algorithm, 以前的博客已经介绍到。 还有一个算法是Kruskal Algorithm 来找到图G的minimum spanning tree.下面主要介绍Kruskal‘s algorithm. 

 Kruskal's algorithm 使用到了disjoint-set 的概念。算法伪代码如下：

下面对于上述图， 使用Kruskal's algorithm 的运算过程。

  由于Disjoint set 具有2 个重要的operations, 即Find 和 Union， Kruskal‘s algorithm 利用了Disjoint-set 的知识。   Find 的作用是take an item, 返回的是代表这个    item 所在集合的代表。 

Union take 2 disjoint-set,  and merge them into one disjoint set。

根据上面的伪代码， 下面给出解释。

首先，  集合A存储是是MST（最小生成树）的边的集合。 所以initially， A 被初始化为空集∅。 eventually， Kruskal’s Algorithm 返回的也是A（此时A中含有MST的所有的边）。

然后， 对于图中的每一个vertex， 我们都创建 具有一个元素的Disjoint-set（single vertex Disjoint set）。

然后对于图中的所有边E， 按照边权重， 对其按照从小到达的顺序排序。 所以， 对于上图， edge with the smallest weight will be in the front , 此例子中， 权重最小的边为1的那个. 具有最大权重的边在最后（为6）等等。

接下来， 从排好序的边集合中选择边。 当然， 首先选择排在最前面的边， 即1。 等等。

如果这个边的两个顶点v1 和v2 不再同一个Disjoint-set 中， 我们就push that edge into A， and then merge the two disjoint-set（ie, v1, v2） into one。

循环完成之后， 最终返回A。

现在讨论分析下图运用Kruskal‘s algorithm 的算法 如下。

step1： 选中具有最小权重的边（当然1（即（c, f）边）在最前面）， 即为连接c和f 的边。 由于c和f 属于不同的Disjoint-set, 所以我们merge them, and then push the edge into A:

step2: 下一个具有权重为2的边， 例如先选中a f。 由于二者属于不同的Disjoint-set, 所以我们merge them, and then push the edge into A:

等等， 依次类推， 有如下各个图：

step3：

step4:

step5:

接下来， 假如说首先选中边e, f(权重为4)， 但是由于e, f 属于同一个Disjoint-set， 所以we will not push this edge in to A。

step6:

最终， 我们得到个这个图的MST（当然具有minimum weight）。

代码见下个博客。