最小生成树(MST)—prim和kruskal算法

最小生成树(MST:minimum-cost spanning tree)

也称最小支撑树，任何只由G的边构成,并包含G的所有顶点的树称为G的生成树(G连通).加权无向图G的生成树的代价是该生成树的所有边的代码(权)的和.最小代价生成树是其所有生成树中代价最小的生成树。

实现最小生成树的算法常用的是Prim,Kruskal学校数据结构的书上讲解了这两大算法的思路及用C++实现,但关于其合理性的证明却略过去了,这里主要加上我自己的一些总结，证明一下，最后写个模版用。

Prim

基本思想:

1.在图G=(V, E)（V表示顶点，E表示边）中，从集合V中任取一个顶点（例如取顶点v0）放入集合 U中，这时 U={v0}，集合T(E)为空。
2. 从v0出发寻找与U中顶点相邻（另一顶点在V中）权值最小的边的另一顶点v1，并使v1加入U。即U={v0,v1 }，同时将该边加入集合T(E)中。
3. 重复2，直到U=V为止。
这时T(E)中有n-1条边，T = (U, T(E))就是一棵最小生成树。

用书上的图来举例...懒得画直接拍了

关键是每一步选取的边起点是已加入集合U中的点,终点是未加入集合U中的点,在所有这样的点中选取权值最小的一条,把未加入U的点加入U,这一条边加入树T上.

对于这一贪心策略的证明:

首先,一定有一个最优解包含了权值最小的边e_0（prim的第一步）,因为如果不是这样，那么最优的解不包含e_0,把e_0加进去会形成一个环,任意去掉环里比e_0权值大的一条边,这样就构造了更优的一个解,矛盾.
用归纳法,假设prim的前k步选出来的边e_0,…, e_k-1是最优解的一部分,用类似的方法证明prim的方法选出的e_k一定也能构造出最优解。

C++实现:

朴素的邻接矩阵...

[cpp]  view plain copy

1. int N,dis[MAX+10][MAX+10];//点的个数及每两个点之间的距离  
2. int prim()  
3. {  
4.     int s=1;//源点,最开始为第一个  
5.     int num=1;//已加入MST的点的个数,用于判断循环是否结束  
6.     int sum_w=0;//MST的权值和  
7.     int min_w;//每次加入MST的边的权值  
8.     int flag;//与MST中点形成符合prim规则的不在MST中的点的序号  
9.     int low_dis[MAX+5];//每个源点到其他味加入MST的点的最短距离  
10.     bool uni[MAX+5];//标记点是否已经加入MST  
11.     memset(uni,false;sizeof(uni));  
12.     memset(low_dis;INF;sizeof(low_dis));  
13.     uni[s]=true;  
14.     while(1)  
15.     {  
16.         if(num==N) break;  
17.         min_w=INF;  
18.         for(int i=2;i<=N;i++)  
19.         {  
20.             if(!uni[i]&&dis[i][s]<low_dis[i])  
21.                 low_dis[i]=dis[i][s];  
22.             if(!uni[i]&&low_dis[i]<min_w)  
23.             {  
24.                 min_w=low_dis[i];  
25.                 flag=i;  
26.             }  
27.         }  
28.         s=flag;//更新源点  
29.         u[s]=true;  
30.         sum_w+=min_w;  
31.         num++;  
32.     }  
33.     return sum_w;  
34. }  

Nocow 上的二叉堆优化(自己写的很挫,以后上)...

[cpp]  view plain copy

1. #include <iostream>  
2. using namespace std;  
3. const int MAXV = 10001, MAXE = 100001, INF = (~0u)>>2;  
4. struct edge{  
5.     int t, w, next;  
6. }es[MAXE * 2];  
7. int h[MAXV], cnt, n, m, heap[MAXV], size, pos[MAXV], dist[MAXV];  
8. void addedge(int x, int y, int z)  
9. {  
10.     es[++cnt].t = y;  
11.     es[cnt].next = h[x];  
12.     es[cnt].w = z;  
13.     h[x] = cnt;  
14. }  
15. void heapup(int k)  
16. {  
17.     while(k > 1){  
18.         if(dist[heap[k>>1]] > dist[heap[k]]){    
19.             swap(pos[heap[k>>1]], pos[heap[k]]);  
20.             swap(heap[k>>1], heap[k]);  
21.             k>>=1;  
22.         }else  
23.             break;  
24.     }  
25. }  
26. void heapdown(int k)  
27. {  
28.     while((k<<1) <= size){  
29.         int j;  
30.         if((k<<1) == size || dist[heap[(k<<1)]] < dist[heap[(k<<1)+1]])  
31.             j = (k<<1);  
32.         else  
33.             j = (k<<1) + 1;  
34.         if(dist[heap[k]] > dist[heap[j]]){  
35.             swap(pos[heap[k]], pos[heap[j]]);  
36.             swap(heap[k], heap[j]);  
37.             k=j;  
38.         }else  
39.             break;  
40.     }  
41. }  
42. void push(int v, int d)  
43. {  
44.     dist[v] = d;  
45.     heap[++size] = v;  
46.     pos[v] = size;  
47.     heapup(size);  
48. }  
49. int pop()  
50. {  
51.     int ret = heap[1];  
52.     swap(pos[heap[size]], pos[heap[1]]);  
53.     swap(heap[size], heap[1]);  
54.     size--;  
55.     heapdown(1);  
56.     return ret;  
57. }  
58. int prim()  
59. {  
60.     int mst = 0, i, p;  
61.     push(1, 0);  
62.     for(i=2; i<=n; i++)  
63.         push(i, INF);  
64.     for(i=1; i<=n; i++){  
65.         int t = pop();  
66.         mst += dist[t];  
67.         pos[t] = -1;  
68.         for(p = h[t]; p; p = es[p].next){  
69.             int dst = es[p].t;  
70.             if(pos[dst] != -1 && dist[dst] > es[p].w){  
71.                 dist[dst] = es[p].w;  
72.                 heapup(pos[dst]);  
73.                 heapdown(pos[dst]);  
74.             }  
75.         }  
76.     }  
77.     return mst;  
78. }  
79. int main()  
80. {  
81.     cin>>n>>m;  
82.     for(int i=1; i<=m; i++){  
83.         int x, y, z;  
84.         cin>>x>>y>>z;  
85.         addedge(x, y, z);  
86.         addedge(y, x, z);  
87.     }  
88.     cout<<prim()<<endl;  
89.     return 0;  
90. }  

算法分析:

使用邻接矩阵来保存图的话，时间复杂度是O(N^2)，观察代码很容易发现，时间主要浪费在每次都要遍历所有点找一个最小距离的顶点，对于这个操作，我们很容易想到用堆来优化，使得每次可以在log级别的时间找到距离最小的点。下面的代码是一个使用二叉堆实现的堆优化Prim算法，代码使用邻接表来保存图。另外，需要说明的是，为了松弛操作的方便， 堆里面保存的顶点的标号，而不是到顶点的距离，所以我们还需要维护一个映射pos[x]表示顶点x在堆里面的位置。
使用二叉堆优化Prim算法的时间复杂度为O((V + E) log(V)) = O(E log(V))，对于稀疏图相对于朴素算法的优化是巨大的，然而100行左右的二叉堆优化Prim相对于40行左右的并查集优化Kruskal，无论是在效率上，还是编程复杂度上并不具备多大的优势。另外，我们还可以用更高级的堆来进一步优化时间界，比如使用斐波那契堆优化后的时间界为O(E + V log(V))，但编程复杂度也会变得更高。

Kruskal

基本思想:

假设WN=(V,{E})是一个含有n个顶点的连通网，则按照克鲁斯卡尔算法构造最小生成树的过程为：先构造一个只含n个顶点，而边集为空的子图，若将该子图中各个顶点看成是各棵树上的根结点，则它是一个含有n棵树的一个森林。之后，从网的边集E中选取一条权值最小的边，若该条边的两个顶点分属不同的树，则将其加入子图，也就是说，将这两个顶点分别所在的两棵树合成一棵树；反之，若该条边的两个顶点已落在同一棵树上，则不可取，而应该取下一条权值最小的边再试之。依次类推，直至森林中只有一棵树，也即子图中含有n-1条边为止。

同样用书上的图...

贪心策略的证明:

如果按Kruskal算法加入的边(u,v)在某一最优解T中不包含,那么T+(u,v)一定有且只有一个环,而且至少有一条边(u'.v')的权值大于等于(u,v).删除该边后,得到新树T'=T+(u,v)-(u',v')不会比T差,所以按Kruskal算法加入的边是最优的.

C++实现:

...