【数学与算法】Kruskal算法 - 寻找无向图中最小生成树

链接
Kruskal算法 ，也是一种寻找无向图中最小生成树的算法。

1.基本思想：

维持一个森林，森林是很多树的集合。

• 初始的时候，一共有n棵树，每个节点是一棵树。初始的时候，森林里没有边。
• 每一轮循环会检查一条边。如果这条边满足某些性质，那么就选中这条边。让两棵树合并起来。每合并一次会减少一棵树。
• 当只剩下一棵树的时候，终止循环。
• 每一次循环研究一条边。所以最终循环次数最多不会超过图中边的数量。

2.实例：

算法的输入是图，如下，7个节点和12条边：

创建一个队列queue，里面存储所有的边edge，所有的边都按照权重weight做排序，权重小的在上面，权重大的在下面：

用集合T表示被选中的边。

• 初始的时候：
  集合T是空集，没有边。当前一共有7棵树，每个节点都是一棵树，这些树里面一条边也没有。
  每一次循环研究一条边。

• 第1轮循环：

  • 取队列顶端的元素，边$e_{1,4}$权重为1,在图中找到这条边;
  • 判断这条边$e_{1,4}$的两个节点v1和v4是否在同一棵树里面：
    节点v1和v4之间没有红色路径，所以节点v1和v4不在同一棵树里面，就接受节点v1和v4之间的这条边$e_{1,4}$，在图中用红色标出这条边$e_{1,4}$，并且把这条边$e_{1,4}$放进集合T；

• 第2轮循环：
  • 取队列顶端的元素，边$e_{6,7}$权重为1,在图中找到这条边;
  • 判断这条边$e_{6,7}$的两个节点v6和v7是否在同一棵树里面：
    节点v6和v7之间没有红色路径，所以节点v6和v7不在同一棵树里面，就接受节点v6和v7之间的这条边$e_{6,7}$，在图中用红色标出这条边$e_{6,7}$，并且把这条边$e_{6,7}$放进集合T；
    
• 第3轮循环：
  • 取队列顶端的元素，边$e_{1,2}$权重为2,在图中找到这条边;
  • 判断这条边$e_{1,2}$的两个节点v1和v2是否在同一棵树里面：
    节点v1和v2之间没有红色路径，所以节点v1和v2不在同一棵树里面，就接受节点v1和v2之间的这条边$e_{1,2}$，在图中用红色标出这条边$e_{1,2}$，并且把这条边$e_{1,2}$放进集合T；

• 第4轮循环：
  • 取队列顶端的元素，边$e_{3,4}$权重为2,在图中找到这条边;
  • 判断这条边$e_{3,4}$的两个节点v3和v4是否在同一棵树里面：
    节点v3和v4之间没有红色路径，所以节点v3和v4不在同一棵树里面，就接受节点v3和v4之间的这条边$e_{3,4}$，在图中用红色标出这条边$e_{3,4}$，并且把这条边$e_{3,4}$放进集合T；
    
• 第5轮循环：
  • 取队列顶端的元素，边$e_{2,4}$权重为3,在图中找到这条边;
  • 判断这条边$e_{2,4}$的两个节点v2和v4是否在同一棵树里面：
    节点v2和v4之间有红色路径可以到达，所以节点v2和v4在同一棵树里面，拒绝接受节点v2和v4之间的这条边$e_{2,4}$，否则会创造出一条回路；
    所以本次循环并没有增加边和节点，如下：
    
• 同理，第6次循环，第7次循环，第8次循环，第9次循环，最终得到，如下：
  
  上面的图，有7个节点，6条边，所有节点都是连通的，任意两条节点之间都有路径，因此终止程序，返回集合T。

---

3.Kruskal算法总结如下：

---

4.How to maintain the forest?

我们需要一种数据结构来维持很多棵树，每一轮循环都需要判断两个节点是否属于相同的树，有时候还需要合并两棵树。

4.1 判断两个节点是否属于相同的树

有很多算法都可以判断两个节点之间是否存在一条红色的路径，但是寻找路径的算法都很慢。
最好的办法是使用并查集 - Disjoint Sets。

下面是一个无向图，可以看出，该图有三棵树：

把同一棵树的节点都放在同一个集合里面，当前有三棵树，就用三个集合来存三棵树的节点，如下：

使用并查集的话，可以快速的判断两个节点是否在同一个集合里面。做一次判断的时间复杂度非常低，接近常数时间，时间复杂度为O(1).

4.2 如何合并两棵树？

举个例子：
如果算法接受了节点v3与v4之间的这条边，那么我们就需要把这条边连接的两棵树合并起来，只需要对紫色和绿色部这两个集合做Union操作。

用并查集的好处在于可以快速合并集合。Union操作之后，两棵树就合并成了一棵树。
Union操作的时间复杂度接近常数时间，时间复杂度为O(1).

---

5. Kruskal算法 时间复杂度

该算法的时间复杂度为$O(m\ast logm)$,其中，m是边的数量。

• 算法一开始需要对图中的边做排序，排序需要时间$O(m\ast logm)$；

• 然后开始做循环，每一轮循环都会从队列里取出一条边，所以循环的次数不会超过边的总数m；

• 每一轮循环的时间复杂度都接近常数，$O(1)$，实际上是比常数稍微高一点，但是小于对数。
  每一轮循环的代价主要有两个来源：

  • 1.一个代价是判断两个节点是不是属于同一棵树；
  • 2.另一个代价是合并两棵树。

  这两种操作的时间复杂度都接近常数。

综上所述：算法的时间复杂度是：$O(m\ast logm)+m\ast O(1)$，也就是$O(m\ast logm)$。