kruskal算法_算法设计结课超精简总结

线性结构（排序）
树形结构
图形结构
更多数据结构
算法设计相关（分治、贪心、递归回溯、动态规划）

线性问题（排序）

O(n*n) 选择排序、 插入排序
（O(n*n) 并非一无是处，如插入排序在很多高级排序算法中都是一个很好的优化）O(n*logn) 归并排序、快速排序
归并排序可以快速求解每个数组中逆序数个数
快速排序时partition->随机化->大量重复元素时的优化 其中三路快排挺知名；快速排序还可求解k-selection问题（在无序数组中找到第k大的元素）

树形问题

①堆

堆排序是堆的很小的应用，他更重要的应用是构建优先队列。另外，索引堆也是比较重要且高级的数据结构，它能大大降低prim最小生成树算法和dijkstra算法的时间复杂度。

②另外对于树形问题，还有一种二叉查找树的树形结构，它能解决查找问题。如二分查找法，帮助我们利用排序算法对一个排好序的数组进行快速查找。二叉查找树的意义在于可以动态维护数据：我们不仅可以用它查找数据，还可快速进行插入、删除、查找、遍历及解决一些顺序相关问题（如最大值最小值、next、previous等等）。

③并查集

基于rank我们可以一步步优化并查集；路径压缩也是一种很好的优化算法。
用kruskal思想解决最小生成树问题就是使用并查集的典型例子。

图论问题

更多数据结构

比如对堆来说，除了最大堆最小堆，还有索引堆、斐波那契堆这些更加高级的堆可以加速我们的操作。
而在树这个概念下，我们介绍了二叉搜索树，但二叉搜索树可能会退化成一个链表，类似还有不少比较平衡的解决方式，如红黑树

算法设计相关

分治、贪心（选最大/选最小）、递归回溯（如树和图的遍历/搜索）、动态规划（基于最优子结构）