图论 | 算法实现 | 最小生成树 min spanning tree

应用案例

来自机械工业出版社出版的《运筹学》教材第二版的应用案例10-8

荒地能源（WE）是一家天然气钻井公司，钻井位置位于其控制的一块荒地，公司目前想要修建连接各钻井之间的道路，下图展示了7个钻井的位置，以及两个钻井之间可能的道路线形与预期的构建费用（单位：千美元 ）。只有位置1能够将其他位置与外界相连。WE希望选择一个总费用最小的道路集合，以生成一个每对位置间都存在一条路的网络。

该问题的最优解由粗线表示，其总费用为80k美元。

荒地能源需要的是如上图所示的一个最小生成树，它不包括任何环，但却能覆盖所有节点，同时这样的生成树还需要满足边权重的总和最小。

贪心算法可以用来寻找图中的最小生成树。而又可以根据出发点的不同，将贪心算法分为 “加边法” 和 “加点法”。

下面分别介绍两种求解最小（最大）生成树的贪心算法。

Kruskal’s Algorithm

Kruska’s Algorithm 的流程为：

1. 将图中各边按照费用由小到大排列（求最大生成树时，费用需要由大到小排列），初始化生成树T=Ø
2. 按照顺序遍历所有边，依次选择一条不会与生成树T里的其他边生成圈的边加入到当前生成树T中；如果当前边不满足要求，则跳过。

由上述算法流程可知，该算法的核心是完成“给定边的集合，是否能够组成圈的判断”。

如果从圈的定义（如下）入手进行判断，需要每个节点均搜索一遍，逻辑上会比较复杂。

1. 每条弧和它的前一条弧恰有一个共同节点
2. 没有节点会被重复访问
3. 圈的起点和终止节点相同

因此，可以转换切入角度，从边和点的数量上进行判断。根据以下定理，只需要比较当前T∪arc之后的边数和顶点数，相等即为含圈，需要跳过当前arc。

在一个连通图G中，如果边数e等于顶点数v，那么图G中最多有一个圈

具体证明过程可以参考这里

python 实现

案例数据如下：

arcSet = {
   
    (1,2):22,
    (1,4):30,
    (2,3):41,
    (2,4):32,
    (2,7):40