CS61B 数据结构与算法笔记 20 最小生成树

热身：

给定一个无向图，寻找它是否有一个环。

方法1：从某个节点开始做深度优先搜索。

• 如果在搜索的过程中发现已经搜索过的节点则有环。
• 不要算上刚刚路过的节点。
• 最坏情况运行时间：Θ(V+E)。

方法2：用加权快速联合对象(Quick weighed union-find)

对于每一条边，检查两端点是否相连。

• 如果不相连，就把他们union。
• 如果相连，就说明有环。

例如4-5，5-6，6-4，将4-5，5-6union后，4和6就被连接，遍历到6-4边的时候发现已经连接，说明图中有环。

最小生成树

最小生成树包含无向图的所有顶点，没有环，且所有边的权重之和最小。

割集

边割集：将图的节点分配给两个非空集。

交叉边：将一个集合中的节点连接到另一个集合中的节点的边。

定理(切割属性)：最小权重的交叉边在最小生成树(MST)中。

证明如下： 假设（为了矛盾起见）最小交叉边缘 e 不在 MST 中。由于它不是 MST 的一部分，如果我们添加该边缘，将创建一个循环。因为存在循环，这意味着其他一些边 f 也必须是交叉边（对于一个循环，如果 e 从一个集合交叉到另一个集合，则必须有另一条边交叉回第一个集合）。因此，我们可以删除 f 并保持 e，这将给我们一个权重更低的生成树。但这是一个矛盾，因为我们应该从 MST 开始，但现在我们有一个边的集合，它是一个生成树，但重量更轻，因此最初的 MST 实际上并不是最小的。因此，切割属性必须成立。

prim's算法

prim's算法可用于在图中查找最短生成树。

步骤如下：

1. 从某个任意的起始节点开始。
2. 重复添加连接在已遍历子图和未遍历子图之间的最短边。
3. 重复，直到有 V-1 条边。

实现：类似于Dijkstra's，用优先队列。

CS61B 19 最短路-CSDN博客

实现如下：

开始和Dijkstra's完全相同：

一开始，随便找一个初始节点，距离设为0，其他节点距离为正无穷，且将所有节点存到优先队列fringe中。不同的是distTo和Fringe的“距离”是节点距离已遍历的树的最短距离：

接下来和Dijkstra's一样，对两个可选边分别做relax。1，2两节点更新。2优先级最低，将2弹出fringe，标记1-0为已遍历（有distTo，有edgeTo），同时标记2-0边作为最小生成树的边（无distTo， 有edgeTo）：

三个边需要relax，然后4和5需要更新，而1不需要更新。将4弹出，标记4-2：

relax四个边，更新三个顶点，弹出3，标记3-4:

接下来面临一个问题：有两个距离2的边都为最小，该弹出哪个？答案是随便弹哪个都可以，最后得到的结果都是最小生成树。不妨弹出1，标记1-0：

没有更短的边可relax，直接弹出3，标记3-4：

得到最小生成树：1-0，2-0，3-4，4-2，5-6，6-3。

Prim's算法时间复杂度：

插入：V次，每次花费O(logV)

删除最小：V次，每次花费O(logV)

降低优先级：O(E)次，每次花费O(logV)。

总时间：O(V*log(V)+V*log(V)+E*log(V)).

        假设E>V,则结果为O(ElogV).

Kruskal's算法

Prim's算法只是众多最小生成树算法之一。

算法如下：
1.将所有边从低权重到高权重排序。
2.每次取一条边（按排序顺序），如果加入边后不会产生环的话，就将其添加到正在构建的 MST 中，否则跳过该边看下一条边。
3.重复上述步骤，直到最小生成树有V-1条边为止。

实现如下：

使用优先队列和加权快速联合(WQU)来实现。

fringe存储所有边及其权重，从权重最低开始，fringe将边挨个弹出，存入WQU。WQU用于判断加入该边是否有环，只需调用isConnected(x,y)就能判断。如果无环就存入MST，MST用于存储最终的最小生成树的边。

0-2不生成环，存入。按照fringe的权重从小到大顺序挨个遍历即可，非常简单，后面步骤略。

运行时间：

O(ElogE)