DSAA之图论Kruskal算法（七）

1. 回顾

Kruskal算法需要使用并查集，所以记录该篇前需要回顾DSAA之THE DISJOINT SET ADT（一）和DSAA之THE DISJOINT SET ADT（二）。不相交集合的概念和实现都是比较简单。

2. Kruskal’s Algorithm

• A second greedy strategy is continually to select the edges in order of smallest weight and accept an edge if it does not cause a cycle.我们假定连通为一个等价关系，那么两个点不连通就一定不成环。在这里是指当两个点不存在连通这个关系时，选择这两个点所形成的边。如果这两个点已经连通了，那么添加这条边一定形成环
• Formally, Kruskal’s algorithm maintains a forest – a collection of trees.
• Initially, there are |V| single-node trees. Adding an edge merges two trees into one. When the algorithm terminates, there is only one tree, and this is the minimum spanning tree.
• The algorithm terminates when enough edges are accepted. It turns out to be simple to decide whether edge (u,v) should be accepted or rejected.

• The edges could be sorted to facilitate the selection, but building a heap in linear time is a much better idea. Then delete_mins give the edges to be tested in order. Typically, only a small fraction of the edges needs to be tested before the algorithm can terminate, although it is always possible that all the edges must be tried. 这里还是需要稍微想下，最小生成树的边为V-1，而无向图连通图的|E|>=|V|，所以算法可能遍历所有的边而终止。

刚开始学习不相交子集的时候，真的不知道会用在什么场合，现在图论的最小生成树中就用到了。Kruskal原理虽然不复杂，但如果没有不相交集合的概念，恐怕很难实现。
　　总结下上面的内容：首先Kruskal每次选择一条权值最小的边加到树中，如果该边的两个节点已经属于同一个树（集合），那么直接舍弃该边。否则，将该边的两个顶点合并（相当于两个子树合并成一个树）。经过$|V|-1$次的合并（当然不代表delete_min了这么多次），最终S（不相交集合）只有一个树，该树就是最小生成树。

3. 伪代码实现

DSAA给出了伪代码的实现，如下：

void kruskal( graph G ){
	unsigned int edges_accepted;
	DISJ_SET S;
	PRIORITY_QUEUE H;
	vertex u, v;
	set_type u_set, v_set;
	edge e;
	//每个节点都是一个子集，（子集都是树）
	initialize( S );
	//heap以前记录过有O（n）的构建方式
	read_graph_into_heap_array( G, H );
	//这里就是O（n）,可以查看以前的记录篇，有比较具体的分析
	build_heap( H );
	//记录当前最小生成树的边数
	edges_accepted = 0;
	while( edges_accepted < NUM_VERTEX-1 ){
		//权重最小的边
		//特别的，heap中元素的数目一直在减少
		e = delete_min( H ); /* e = (u, v) */
		u_set = find( u, S );
		v_set = find( v, S );
		if( u_set != v_set ){
		 /* accept the edge */
			edges_accepted++;
			set_union( S, u_set, v_set );
		}
   } 
}

4. 时间复杂度

The worst-case running time of this algorithm is $O(|E|log|E|)$, which is dominated by the heap operations. Notice that since $|E|=O(|V{|}^2)$, this running time is actually $O(|E|log|V|)$.

虽然书中没有解释为啥，但是我们可以自己推一下：假设使用的不相交集合的merge时间复杂度为$O(1)$，find（不考虑路径压缩）时间复杂度为$O(logn)$，delete_min的时间复杂度为$O(1)$。
　　kruskal算法的最坏时间复杂度为$O(|V|+|E|\ast 2log|V|)=O(|E|log|V|),|E|>=|V|$。笔者在图论上一直使用伪代码，其实比较虚的。之后不会着急记录DFS算法，**将稍微讨论下图的表示实现，及完整的kruskal算法的实现（因为其包含不相交集合和图）。**等到DFS记录完之后，选择几个leetcode题来看下有些特殊的图可以用更加简洁的方式表示。