算法过程:
1、将各条边按照权值从大到小排列
2、从权值最低的边开始建立最小成本生成树,依次加入边,如果加入的边会造成回路则舍弃不用
3.递归重复步骤2,直到找出n-1条边为止(设图有n个结点,则最小生成树的边数应为n-1条),算法结束。得到的就是此图的最小生成树
Kruskal算法需要对图的边进行访问,所以克鲁斯卡尔算法的时间复杂度只和边又关系,可以证明其时间复杂度为O(E*logE)
Prim算法:
算法过程:
1、首先以一个结点作为最小生成树的初始结点
2、然后以迭代的方式找出与最小生成树中各结点权重最小边,并加入到最小生成树中,加入之后如果产生回路则跳过这条边,选择下一个结点
3、重复上一个步骤,当所有结点都加入到最小生成树中之后,就找出了连通图中的最小生成树了
注意: 若候选轻边集中的轻边不止一条,可任选其中的一条扩充到T中
连通图的最小生成树不一定是惟一的
算法特点
该算法的特点是当前形成的集合T始终是一棵树。将T中U和TE分别看作红点和红边集,V-U看作蓝点集。算法的每一步均是在连接红、蓝点集的紫边中选择一条轻边扩充进T中。MST性质保证了此边是安全的。T从任意的根r开始,并逐渐生长直至U=V,即T包含了 C中所有的顶点为止。MST性质确保此时的T是G的一棵MST。因为每次添加的边是使树中的权尽可能小,因此这是一种"贪心"的策略
算法分析
该算法的时间复杂度为O(n2)。与图中边数无关,该算法适合于稠密图
Kruskal算法和Prim算法比较:
Kruskal算法因为只与边相关,所以适合求稀疏图的最小生成树。而prime算法因为只与顶点有关,所以适合求稠密图的最小生成树
无疑,Kruskal算法在效率上要比Prim算法快,因为Kruskal只需要对权重边做一次排序,而Prim算法则需要做多次排序。尽管Prim算法每次做的算法涉及的权重边不一定会涵盖连通图中的所有边,但是随着所使用的排序算法的效率的提高,Kruskal算法和Prim算法之间的差异将会清晰的显性出来。