C语言数据结构与算法---最小生成树（克鲁斯卡尔算法）

一.克鲁斯卡尔（Kruskal）算法

1.算法思想

1. 设连通网 N = (V,E) ，令最小生成树初始状态为只有 n 个顶点而无边的非连通图 T=（V,{}），每个顶点自成一个连通分量
   
2. 在 E 中选取代价最小的边，若该边依附的顶点落在 T 中不同的分量上（即：不能成环），则将此边加入到 T 中；否则，舍去此边，选取下一条代价最小的边

3. 依次类推，直至 T 中所有顶点都在同一连通分量上为止



此时会发现，权值为5的有3条边，但是有两条边不符合（会构成回路）故：

2. 克鲁斯卡尔算法的实现

边集数组的结构:

typedef struct
{
	int begin;
	int end;
	int weight;
}Edge

将邻接矩阵转化为边集数组：

void OperationEdge(Graph G, Edge* edges)
{
	int i, j,k;
	k = 0;
	//无向图对称，只需转换一半即可
	for (i = 0; i < G.numv; i++)
	{
		for (j = i+1; j < G.numv; j++)
		{
			if (G.edge[i][j] != INTMAX && G.edge[i][j] != 0)
			{
				edges[k].begin = i;
				edges[k].end = j;
				edges[k].weight = G.edge[i][j];
				k++;
			}
		}
	}
	//将weight从小到大交换排序
	Edge tmp;
	for (i = 0; i < k-1; i++)
	{
		for (j = i + 1; j < k; j++)
		{
			if (edges[i].weight > edges[j].weight)
			{
				tmp = edges[i];
				edges[i] = edges[j];
				edges[j] = tmp;
			}
		}
	}
}

克鲁斯卡尔算法：

void MinSpanTree_Kruskal(MGraph G)
{
	int i, n, m;
	Edge edges[MAXSIZE];  //定义边集数组
	int parent[MAXSIZE];  //用来判断边与边是否会成环
	OperationEdge(G, edges);
	for (i = 0; i < G.numv; i++)
	{
		parent[i] = 0;  //初始化数组值为 0
	}

	//循环每一条边
	for (i = 0; i < G.nume; i++)
	{
		n = Find(parent, edges[i].begin);
		m = Find(parent, edges[i].end);
		if (n != m)  //n!=m,说明没有成环，加入生成树
		{
			//将此边的结尾顶点放入下标为起点的parent中（n是起始顶点，m是结尾顶点）
			//n---m 这条边符合条件
			//表示该顶点已经在生成树集合中
			parent[n] = m;
			printf("（%d,%d）,weight = %d", edges[i].begin,edges[i].end, edges[i].weight);
		}
	}
}

//查找连线顶点的尾部下标
int Find(int *parent，int f)
{
	while(parent[f] > 0)
	{
		f = parent[f]; 
	}
	return f;
}

对Find函数的理解：
整个算法执行的过程相当于是将多个树组成一个树，Find 函数中的 while 相当于是找到每棵小树的根结点，也就是说返回的 n 和 m 的值其实就相当于两棵小树的根节点，如果根结点相同，肯定就是同一棵树即图连通了；如果不相等，就将两棵小树连成一棵树即 parent[n] = m。若 while 没有找到根结点，即没有连通，那么这条边就重新建立一棵小树，并以一头为根即 f = parent[f]。
parent 数组中的 f 位置的值为0，其实也就是找到根结点了

对parent数组的理解：
parent[n] = m，就是说在 n 的位置上添加数值 m。
起初，parent 数组里面都为 0，进入Find函数都是直接返回。
parent[0] = 1，相当于下标为 0 的结点的根为1

二. 普利姆算法与克鲁斯卡尔算法的比较

1. 时间复杂度

普利姆算法： O(n²) （ n为顶点数 ）

克鲁斯卡尔算法：O(eloge) （e为边数）

2.适应范围

普利姆算法：稠密图
克鲁斯卡尔算法：稀疏图