最小生成树 —— Kruskal 克鲁斯卡尔算法

目录

一、Kruskal 算法简介

1.1 Kruskal 算法思想

1.2 Kruskal 过程图解

1.3 Kruskal 两个核心问题

1.4 适用场景(Kruskal 与 Prime 的比较)

二、Kruskal 的实现

2.1 头文件

2.2 函数文件

2.3 主函数(数据测试)

---

一、Kruskal 算法简介

1.1 Kruskal 算法思想

Kruskal（克鲁斯卡尔）算法是一种用来在加权连通图中寻找最小生成树的算法，其操作对象是边。

Kruskal 思想：

        1. 从加权图中找出所有的边；初始时，所有边都不属于最小生成树，最小生成树为。

        2. 从不属于最小生成树的边中找到权值最小的边，判断最小边及其连接的两个顶点加入到最小生成树是否会形成环路。

         a)若不形成环路，则将此最小边及其连接的顶点并入最小生成树；

         b)若形成环路，则永远不再看此边，然后从剩下的且不属于最小生成树的边中，寻找权值最小的边。

        3. 重复上述步骤，直至所有顶点均连接在一起，并没有形成环路时，最小生成树就找到了。

1.2 Kruskal 过程图解

举例：

 

  

 

 

1.3 Kruskal 两个核心问题

问题1  如何寻找权值最小的边

        应对策略：对图的所有边按照权值大小进行排序，然后按从小到大的顺序取出边。

                *在这里，通常定义一种存储边及其连接的顶点的结构体数组。

问题2  如何判断边及其顶点加入最小生成树是否会形成回路。

        应对策略：每条边机及其相连的顶点都视作一颗子树，然后判断这课子树的根是否和最小生成树的根相同；若相同，则会形成回路；若不同，则不会形成回路，将子树并入最小生成树。

1.4 适用场景(Kruskal 与 Prime 的比较)

1. Kruskal 算法 是将边作为操作对象，当加权图的边越多，要处理的边也越多，则算法的时间复杂度就越高；而顶点的数量对算法的时间复杂度无影响。所以，Kruskal 算法适合处理稀疏图(边较少的图)。时间复杂度：O(