最小生成树之（克鲁斯卡尔算法）和（普里姆算法）python实现

克鲁斯卡尔算法（Kruskal）：

设有一个有n个顶点的连通网N={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, E},图中每个顶点自成一个连通分量。当在E中选到一条具有最小权值的边时,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；否则将此边舍去，重新选择一条权值最小的边。如此重复下去，直到所有顶点在同一个连通分量上为止。

普里姆算法的基本思想：

普里姆算法是另一种构造最小生成树的算法，它是按逐个将顶点连通的方式来构造最小生成树的。

从连通网络 N = { V, E }中的某一顶点 u0 出发，选择与它关联的具有最小权值的边(u0, v)，将其顶点加入到生成树的顶点集合U中。以后每一步从一个顶点在U中，而另一个顶点不在U中的各条边中选择权值最小的边(u, v),把该边加入到生成树的边集TE中，把它的顶点加入到集合U中。如此重复执行，直到网络中的所有顶点都加入到生成树顶点集合U中为止。

假设G=(V，E)是一个具有n个顶点的带权无向连通图，T(U，TE)是G的最小生成树，其中U是T的顶点集，TE是T的边集，则构造G的最小生成树T的步骤如下：

（1）初始状态，TE为空，U={v0}，v0∈V；

（2）在所有u∈U，v∈V-U的边(u，v) ∈E中找一条代价最小的边(u′，v′)并入TE，同时将v′并入U；

重复执行步骤（2）n-1次，直到U=V为止。

克鲁斯卡尔算法和普里姆算法不同的是其寻找顺序不同，克鲁斯卡尔算法是先从边开始找，普里姆算法是先从点开始寻找，二者都是寻找图中最小生成树的方式。

下面用图来说明两种算法：
克鲁斯卡尔算法寻找最小生成树过程：

普里姆算法寻找最小生成树过程：

由此我们可以看出，两种算法得到的最小生成树是相同的，仅仅是过程不一样而已。

下面我们来通过代码实现：
克鲁斯卡尔算法实现过程：
那么我们如何判断生成树中没有环产生呢？
判断方式是这样的，判断要加入的该边的终点否在生成树中，如果没在生成树中，那么就可以加入，如果在生成树中，那么就不能加入。例如：

比如上图中如果生成树中已经包含了AB边，BC边，如果要加入AC边的话，那一定会构成环，为什么呢，那是因为加入AC边时，从该边的起点A出发，在已经构建好的生成树中已经有从A到C点的边A-B-C,那在加入AC边时就会产生环，所以我们的判断条件就是判断加入改边时，已经构建好的生成树中是否和该边有共同的终点，如果有，那么就不能加入改边，直到生成树中存在n-1条边时终止。

下面代码进行实现：

import sys


class GMap(object):
    def __init__(self, vertex_data: [], matrix: []):  # 传入顶点数组
        self.edge_num = 0  # 边的个数
        # self.vertex_data = vertex * [0]  # 顶点数组
        self.vertex_data = vertex_data
        # self.matrix = [[0 for row in range(len(vertex_data))] for col in range(len(vertex_data))]  # 邻接矩阵
        self.matrix = matrix
        # 使用 INF 表示两个顶点不能连通
        self.inf = float('inf')  # 获取浮点型最大值
        # self.inf = sys.maxsize # 获取整形最大值
        # 统计边的条数
        for i in range(len(vertex_data)):
            for j in range(i + 1, len(vertex_data)):
                if self.matrix[i][j] != self.inf:
                    self.edge_num += 1
        # print(self.edge_num)

    def print_test(self):  # 打印测试
        for i in range(len(self.vertex_data)):
            for j in range(len(self.vertex_data)):
                print(self.matrix[i][j], end=' ')
            print()

    # 对边进行排序处理，这里使用一下冒泡排序，其他排序方式都可以
    def sort_edges(self, edges: []):
        for i in range(len(edges) - 1):
            flag = False
            for j in range(len(edges) - 1 - i):
                if edges[j].weight > edges[j + 1].weight:
                    edges[j], edges[j + 1] = edges[j + 1], edges[j]
                    flag = True
            if not flag:
                break

    # 查找传入顶点的位置
    def get_position(self, ver_data: str):
        """
        :param ver_data: 传入顶点的值，例如:"A""B"
        :return: 找到返回ch顶点对应的下标，如果没找到，返回-1
        """
        for i in range(len(self