最小生成树问题——算法导论

定义：

一个连通无向图G=(V，E)，对于属于E的每条边（u，v）有权重w(u,v)，若能找到一个E的无环子集T，使得T能连接V中所有节点，（由此可知T必然是一棵树）且有最小的权重和，那么T就称为（图G的）最小生成树。而求解该树的问题便成为最小生成树问题。

 

下面主要讨论了解决该问题的两种算法：Kruskal算法和Prim算法。

使用不同的数据结构，将得到不同的时间复杂度。

	Kruskal算法	Prim算法
二叉堆	O(ElgV)	O(ElgV)
斐波那契堆	O(ElgV)	O(E + VlgV)

这两种最小生成树算法都是贪心算法。在算法导论的十六章中指出，贪心算法推荐选择在当前看来最好的选择，但是这种策略一般不能保证找到一个全局最优的解决方案。

在介绍这两种最小生成树算法之前，先明确一些概念。

最小生成树的贪心策略可以由下面的通用方法来表述。

在每个时刻成长最小生成树的一条边，并在整个策略的实施过程中，管理一个遵守下述循环不变式的边集合A：

在每遍循环之前，A是某棵最小生成树的一个子集。

安全边：

在每一步中，选择一条边(u,v)，将其加入到集合A中，使得A不违反循环不变式，即AU{(u,v)}也是某棵最小生成树的子集。由于我们可以安全地将这种边加入到集合A而不会破坏A的循环不变式，因此称这样的边为集合A的安全边。

 

无向图G=(V,E)的一个切割(S,V-S)是结合V的一个划分。如果一条属于E的边(u,v)一端位于集合S，另一端位于V-S，则称该边横跨切割(S,V-S)。如果集合A中不存在横跨该切割的边，则称该切割尊重集合A。在横跨一个切割的所有边中，权值最小的边称为轻量级边。

定理23.1

设G=(V,E)是一个在边E上定义了实数值权重函数w的连通无向图。集合A为E的一个子集，且A包括在图G的某棵最小生成树中，设(S,V-S)是图G中尊重集合A的任意一个切割，又设(u,v)是横跨切割的一条轻量级边。那么(u,v)对于集合A是安全的。

大致思路是：设T是包含子集A的一个最小生成树。

若集合AU{(u,v)}属于T，结论显然正确。

若集合AU{(u,v)}不属于T，我们可以找到另一个最小生成树T'，使得AU{(u,v)}属于T'，因此可知结论同样正确。pg364

由此，我们不难发现对于集合A安全的边，连接的都是GA = {(V,A)}中的不同分量。

推论23.2

设G=(V,E)是一个在边E上定义了实数值权重函数w的连通无向图。集合A为E的一个子集，且A包括在图G的某棵最小生成树中，

并设C=(Vc,Ec)为森林GA = {(V,A)}中的一个连通分量（树）。如果边(u,v)是连接C和GA中某个其他联通分脸的一条轻量级边，则边(u,v)对于集合A是安全的。

 

Kruskal算法和Prim算法

这两种算法都是前一节所讨论的通用算法的细化，每种算法都使用一条具体的规则来确定GENERIC-MST算法第三行所描述的安全边。

Kruskal算法：集合A是一个森林，其结点就是给定图的结点，每次加入集合A的安全边永远是权重最小的连接两个不同分量的边。

Prim算法：集合A是一棵树，每次加入A的安全边永远是连接A和A之外某个结点的边中权重最小的边。

 

Kruskal算法：

使用一个不相交集合数据结构来维护几个互不相交的元素集合，每个集合代表当前森林中的一棵树。可以看出，该算法的实现与21.1节所讨论的计算图的连通分量算法类似。操作FIND-SET(u)用于返回包含元素u的集合的代表元素。操作UNION可看作对两棵树进行合并。每次选择权重最小的边加入到森林中，因此，Kruskal算法显然属于贪心算法。

 

时间复杂度分析：

 

 

 

Prim算法：

Prim算法的工作原理与Dijkstra的最短路径算法相似。对于两者的不同之处，我之前也写过一篇博客展示自己的理解，希望对你有所帮助：https://blog.csdn.net/dutmathjc/article/details/105888831