Kruskal算法

上一篇博客实现了最小生成树的prim算法，prim算法中包含一个二重循环，算法复杂度为O(V^2)，算法复杂度只和图中的节点个数V有关系，与图的稠密度无关，因此对于边很少的稀疏图来说，采用prim算法的效率很低，此时可以采用算法复杂度和边数相关的另一种最小生成树算法，Kruskal算法。

Kruskal算法的执行步骤可以描述为：

1.对图的所有边按照权值进行排序，初始阶段，每个节点自身构成一个连通分量

2.从小到大依次考察每条边的两端节点begin，end是否要加入当前的生成树集中，若begin和end位于同一个连通分量中，那么加入生成树集后会引入环，因此不进行加入操作

若begin，end不处于同一连通分量中，那么加入生成树集当中

3.循环执行第二步，直到所有的边都处理完

连通分量可以采用并查集实现，这里给出上述步骤的C++实现，求出下面给出的图的最小生成树。

C++代码：

// ConsoleApplication3.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;

const int MAX = 7;
int kset[MAX];

struct Edge		//定义edge结构体，
{
	int begin;
	int end;
	int weight;
	Edge(int b, int e, int w) :begin(b), end(e), weight(w){}
	bool operator <(const Edge& e)
	{
		return weight < e.weight;
	}
};
int find(int *kset,int x)
{
	if (x != kset[x])
		return kset[x] = find(kset,kset[x]);	//并查集路径压缩，节省下次查找时间
	return x;
}
void kruskal(vector<Edge> &ve)
{
	for (int i = 0; i < MAX; i++)	//初始化并查集
		kset[i] = i;
	sort(ve.begin(), ve.end());
	vector<Edge> result;
	for (vector<Edge>::iterator iter = ve.begin(); iter != ve.end(); iter++)
	{
	
		int rb = find(kset,iter->begin);		
		int re = find(kset, iter->end);
		if (rb!=re)	//判断边的端点是否位于同一个连通分量中，边的两端点不处于同一连通分量中当中，将边加入最小生成树中
		{
			kset[rb] = re;
			result.push_back(*iter);
		}
	}
	//输出算法结果
	cout << "edge" << "   weight" << endl;
	for (vector<Edge>::iterator iter = result.begin(); iter != result.end(); iter++)
	{
		cout << iter->begin << "--" << iter->end << "  " << iter->weight << endl;
	}
}


void test()
{
	vector<Edge> ve;
	//构造图
	ve.push_back(Edge(0,1,12));
	ve.push_back(Edge(0,6,14));
	ve.push_back(Edge(0,5,16));
	ve.push_back(Edge(1,5,7));
	ve.push_back(Edge(1,2,10)); 
	ve.push_back(Edge(2,5,6));
	ve.push_back(Edge(2,4,5));
	ve.push_back(Edge(2,3,3));
	ve.push_back(Edge(3,4,4));
	ve.push_back(Edge(4,5,2));
	ve.push_back(Edge(4,6,8));
	ve.push_back(Edge(5,6,9));

	kruskal(ve);

}
int _tmain(int argc, _TCHAR* argv[])
{
	test();
	return 0;
}

运行结果：