最小生成树算法—Kruskal算法和Prim算法

Kruskal算法：

        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。