数据结构——最小生成树Kruskal算法

                       最小生成树Kruskal算法

       上一篇博客讲了最小生成树的Prim算法。而另一种常见的最小生成树算法就是克鲁斯卡尔算法。

       Kruskal算法跟Prim算法的思路不一样，Prim算法还是一种树由根到叶子节点的生成方法，也就是生成树慢慢长大，每次都往生成树中添加新的节点，最后让生成树中包含图中的所有节点。而Kruskal算法则是初始时把所有的节点都当成一棵树，通过树的合并来最终生成一棵包含所有节点的树，也就是图的最小生成树。两棵树如何合并呢？非常简单，就是在两棵树中分别选一个节点出来，把这两个节点用一根线连起来，两棵树就合并成一棵树了，那么要求合并后的权值最小，那么就要求这条新生成的边权值最小。再反过来想，如何取得最小边呢？那就是从图的边集中选择最小权值的边，看这条边的两个节点是不是分别在两棵树中，如果不是，那么说明这边条已经在生成了的树中了，舍去，再从图的边集中取另外一条权值最小的边，直到取到了一条边，它的两个节点分别在两棵树中为止。这时，就让这条边的两个节点所在的两棵树合并成一棵，树集中的两棵树就变为了一棵。这样一直进行下去，当树集中只剩一棵树时，就说明最终的最小生成树完成了。

       如何在边集中选择满足条件且权值最小的一条边呢？这里，可以把图的所有的边放入一个集合中，对这个集合进行排序，因为算法过程中不会对边的权值进行修改，所以不会破坏边集的有序性，整个Kruskal算法过程只需要对边集进行一次排序。排序时按增序列排序。给每条边一个标记，当标记为true是表示这边表已经被用过了，为false表示还没有被用过。这样从边集中选择满足条