图的应用--最小生成树(Kruskal算法和Prime算法)

最小生成树往往用于解决图的连通性问题，树上任意一个结点可以到达另一个结点。假设一个情景：有n个城市，每个城市之间的距离不同，请问最短修多少米的路可以把这些城市连通起来。这就是最基本的一个最小生成树问题。最小生成树主要有两种算法，一种是Prime算法，还有一种是Kruskal算法，思想都是贪心。相较于前者，我更加习惯用后者解决算法问题，或许是这种算法较容易理解也便于实现。说一下两种算法的大致思想。

Prime算法：

第一步：先假设图上的所有点位于集合A中，从图上随机选取一个点，加入到集合B。

第二步：找到集合A中和集合B中相距最短的两个点，将集合A中的那个点，加入到集合B中，重复上述操作，直到集合A中的点全部进入集合B。

大家可以发现这个算法有一些抽象，也不是特别好实现，下面来讲述Kruskal算法：

先将图中所有可以连接边，存储起来，从小到大排序。按顺序从边集中选取边构造最小树，这个过程中要注意的是新加入的和已加入的边不能形成环。那么怎么判断图中是否有环呢，用并查集解决就可以了。所以Kruskal算法实现的核心就是写一个并查集操作。并查集主要包含find和Union两个函数，在此笔者不再赘述，代码解释放注释中了。

#include<iostream>
#include<algorithm>
using namespace std;
int n, m;
const int N = 2e5 + 5;
struct edge
{
	int x, y, z;  //构造一个边的结构体
};
edge k[N];

//并查集操作判断是否有环
int fa[5005];

int find(int x)
{
	if (fa[x] == x) return x;   //找这个点的祖先是谁
	return fa[x] = find(fa[x]);
}

bool judge(int x, int y)   //判断两个点是否已经连通，如果已经连通，则这两个点不再连接
{
	int xx = find(x);
	int yy = find(y);
	return (xx == yy) ? 0 : 1;
}

void Union(int x, int y)
{
	fa[find(x)] = find(y);  //连通两个点
}

bool cmp(edge a, edge b)
{
	return a.z < b.z;   //sort函数的排序规则
}
int main()
{
	cin >> n >> m;
	for (int i = 1;i <= m;i++)
	{
		int x, y, z;
		cin >> x >> y >> z;
		k[i].x = x;
		k[i].y = y;
		k[i].z = z;
	}   //存储边集
	for (int i = 1;i <= n;i++)
	{
		fa[i] = i;   //并查集的初始化操作，每个点祖先都是自己
	}
	sort(k + 1, k + m + 1, cmp);  //对边从小到大进行排序
	int cnt = 0;   //用于记录加入的边数 
	int flag = 0;  //用于判断是否成功构造出最小生成树
	int sum = 0;   //记录最小生成树的路劲长度之和
	for (int i = 1;i <= m;i++)
	{
		if (judge(k[i].x, k[i].y))  
		{
			Union(k[i].x, k[i].y);
			sum += k[i].z;
			cnt++;
		}
		if (cnt == n - 1)  //最小生成树的边数是n-1
		{
			flag = 1;
			break;
		}
	}
	if (flag)
	{
		cout << sum;  //如果构造出最小生成树了，打印路径之和
	}
	else
	{
		cout << "无法构造出最小生成树";
	}
	return 0;
}