数据结构之图的应用：最小生成树MST（prime算法和Kruskal算法）

本文链接：https://blog.csdn.net/qq_41587740/article/details/104248796

图的应用：最小生成树

最小生成树的定义：
最小生成树的性质：
Prime算法：（贪心算法思想）
Kruskal算法：（贪心算法思想）
算法性能对比：

最小生成树的定义：

在这里插入图片描述

最小生成树的性质：

1、不唯一性：
在这里插入图片描述

Prime算法：（贪心算法思想）

在这里插入图片描述

要点:

1、具有最小权值
2、无回路
3、初始结果集为空

在这里插入图片描述

Prime算法的代码实现原理：

min_weight[n]:表示定点数量的大小，已挑选顶点到未挑选顶点权值最小的边
adjvex[n]:表示是哪个顶点将这条边引入的
在这里插入图片描述

Prime算法的实现代码：

void MST_Prime(Graph G){
	//俩个辅助数组
	int min_weight[G.vexnum];
	int adjvex[G.vexnum];
	//初始化俩个辅助数组
	for(int i=0;i<G.vexnum;i++){
		min_weight[i] = G.Edge[0][i];
		adjvex[i] = 0;
	}
	
	int min_arc;						//表示挑选的最小边
	int min_vex;						//表示挑选边的另一个顶点(数组下标)
	for(int i=1;i<G.vexnum;i++){		//循环n-1次，将剩下的n-1个顶点加入结果树
		min_arc = MAX;					//将最小边的长度置为无穷大，用于比较
		for(int j=1;j<G.vexnum;j++)		//挑选满足条件的边，以及此边的顶点
			if(min_weight[j] != 0 && min_weight[j] < min_arc){
				min_arc = min_weight[j];
				min_vex = j;
			}
		min_weight[min_vex] = 0;		//加入后给此边长度置0
		for(int j=0;j<G.vexnum;j++){	//加入新节点后修改其他数组的值
			if(min_weight[j] != 0 && G.Edge[min_arc][j] < min_weight[j]){
				min_weight[j] = G.Edge[min_arc][j];
				adjvex[j] = min_arc;
			}
		}
	}
}

Prime算法的性能：

在这里插入图片描述

时间复杂度：O(|V|2)
适用于稠密图，因为时间复杂度与边无关

Kruskal算法：（贪心算法思想）

在这里插入图片描述
ps： numS表示连通分量，当其大于1不是一颗最小生成树

在这里插入图片描述
要点：

1、具有最小权值
2、无回路
3、初始结果集为所有节点

在这里插入图片描述

Kruskal算法的实现原理：

堆排序sort() + 并查集
在这里插入图片描述

Kruskal算法的代码实现：

typedef struct Edge{
	int a,b;		//边的俩个顶点下标 
	int weight;		//权重 
};
void MST_Kruskal(Graph G,Edge* edges,int* parent){		//图，边的集合，辅助变量 
	heap_sort(edges);									//堆排序	
	Initial(parent);									//初始化parent=-1	
	for(int i=0;i<G.arcnum;i++){						//边的数量 
		int a_root = Find(parent,edges[i].a);			//求第一个端点的根节点 
		int b_root = Find(parent,edges[i].b);			//求第二个端点的根节点 
		if(a_root != b_root)
			Union(parent,a_root,b_root);				//不相等加入结果集 
	}
}