最小生成树 Kruskal算法及聚类场景应用

最近在轨迹规划模块需要用到一些聚类算法，于是了解到了最小生成树Kruskal算法+Prim算法，本次先给大家讲一下我对Kruskal算法的理解和Kruskal算法在聚类问题上的应用

1 前置基础

1.1 无向图

图论中的一种基本概念。它由顶点（Vertices）和边（Edges）组成，其中边没有方向性，即一条边连接两个顶点时，表示这两个顶点是相互连接的，彼此之间的连接没有方向。

• 顶点：图中的每个节点称为顶点（Vertex），用集合V表示，V = {v1, v2, v3, ..., vn}，其中n是顶点的数量。
• 边：顶点之间的连接称为边（Edge），用集合E表示。无向图的边没有方向性，即边(u, v)和边(v, u)表示的是同一条边。

1.2 无向图中的环

在无向图中，一个环（Cycle）是一条起点和终点相同的路径，并且在路径中除了起点和终点，其他所有的顶点和边都只能经过一次。

• 举例：设顶点集V = {A, B, C, D}，如果存在边集E = {(A, B), (B, C), (C, D), (D, A)}，这就形成了一个环A-B-C-D-A，因为从顶点A开始，经过若干边后最终又回到了A，并且没有重复经过任何边或中间顶点。

1.3 连通分量

在一个无向图中，如果两个顶点之间存在至少一条路径能够连接这两个顶点，则称这两个顶点是连通的。如果一组顶点是两两连通的，并且它们包含的所有边和顶点构成一个子图，这个子图就是图的一个连通分量。

• 无向图的连通分量：在无向图中，连通分量是指图中最大的连通子集，每个连通分量中的任意两个顶点是连通的，但这个连通分量与图中其他连通分量没有连接。
• 有向图的连通分量：在有向图中，连通性有更多复杂性。一个强连通分量是指在有向图中，对于一个连通子集中的任意两个顶点 uuu 和 vvv，都存在一条从 uuu 到 vvv 的路径以及从 vvv 到 uuu 的路径。

连通分量的性质：

• 不交性：不同的连通分量