最小生成树的两个算法之二：kruskal算法

介绍kruskal算法之前需要了解一个很重要的数据结构：并查集  参考博文：https://www.cnblogs.com/yoke/p/6697013.html

基本概念

树（Tree）：如果一个无向连通图中不存在回路，则这种图称为树。
生成树 （Spanning Tree）：无向连通图G的一个子图如果是一颗包含G的所有顶点的树，则该子图称为G的生成树。
生成树是连通图的极小连通子图。这里所谓极小是指：若在树中任意增加一条边，则将出现一条回路；若去掉一条边，将会使之变成非连通图。
最小生成树（Minimum Spanning Tree，MST）：或者称为最小代价树Minimum-cost Spanning Tree:对无向连通图的生成树，各边的权值总和称为生成树的权，权最小的生成树称为最小生成树。
构成生成树的准则有三条：
<1> 必须只使用该网络中的边来构造最小生成树。
<2> 必须使用且仅使用n-1条边来连接网络中的n个顶点
<3> 不能使用产生回路的边。
构造最小生成树的算法主要有：克鲁斯卡尔（Kruskal）算法和普利姆（Prim）算法他们都遵循以上准则。

Kruskal算法（并查集+贪心）

Kruskal算法的基本思想是以边为主导地位，始终选择当前可用（所选的边不能构成回路）的最小权植边。所以Kruskal算法的第一步是给所有的边按照从小到大的顺序排序。接下来从小到大依次考察每一条边（u，v）。
具体实现过程如下：
<1>　设一个有n个顶点的连通网络为G（V,E），最初先构造一个只有n个顶点，没有边的非连通图T={V,空}，图中每个顶点自成一格连通分量。
<2>　在Ｅ中选择一条具有最小权植的边时，若该边的两个顶点落在不同的连通分量上，则将此边加入到Ｔ中；否则，即这条边的两个顶点落到同一连通分量上，则将此边舍去（此后永不选用这条边），重新选择一条权植最小的边。
<3>　如此重复下去，直到所有顶点在同一连通分量上为止。

把所有边排序，记第i小的边为e[i] (0<=i<m, m为边的个数) 
初始化MST为空 (MST为装载边的容器，选中的边会添加进MST)
初始化连通分量，使每个点各自成为一个独立的连通分量(用并查集实现)
for (int i = 0; i < m; i++){
    if (e[i].u和e[i].v不在同一连通分量){
       把边e[i]加入MST
       合并e[i].u和e[i].v所在的连通分量 
    } 
} 

并查集只需要一个parent数组、rank数组，和两个函数：合并、查询来构成。与之前介绍的有点细微不同的时，我们的parent数组进行了一个小小的改进。在原先的并查集介绍中，对于根节点，它的父节点就是本身，这样查询时可以判断该节点是否为根节点，但这个根节点的父节点本身的值没什么意义。这样很浪费资源，我们可以在保证查询操作能辨别它是根节点的同时，用根节点的父节点来存储更有用的信息！于是我们规定：对于所有的根节点，他们的父节点值是个负值，且负值的绝对值大小代表该树的节点数量。负值使得根节点和非根节点有所区别，而负值的大小则存储了树节点总数这一个很有用的信息。