![8a8d100c5968e71557a0972bfb5cc44b.png](https://i-blog.csdnimg.cn/blog_migrate/f3fb697fbe8a51a4c3d16f730620e5df.png)
克鲁斯卡尔(Kruskal)算法
克鲁斯卡尔(Kruskal)算法 是求最小生成树的 了解最小生成树
普利姆(Prime)算法是以 点 为基础,挑选与 已有点 相连的最小边。
克鲁斯卡尔(Kruskal)算法是以 边 为基础,先将边从小到大排列,从小到大的添加不构成「环路」的边。
判断「环路」使用的是 并查集 的数据结构 学习并查集
1.要点
- 核心:先将边从小到大排列,从小到大的添加不构成「环路」的边
- 判断「环路」:使用 并查集 的数据结构 学习并查集
- 时间复杂度:O(n log n) (这是由排序方式实现的)
2.图解
求下面图的最小生成树
![0266fd62ee3791a8375f157df8a80221.png](https://i-blog.csdnimg.cn/blog_migrate/a7608d23efc6c6e1a8a6de0f9aac5820.jpeg)
首先将边从小到大排列 如下表所示。
| 边 | from | to | weight | | ---------- | ---- | ---- | ------ | | edges[0]
| B
| C
| 2 | | edges[1]
| A
| C
| 3 | | edges[2]
| A
| B
| 3 | | edges[3]
| B
| D
| 4 | | edges[4]
| C
| D
| 6 | | edges[5]
| A
| D
| 7 |
选取最小的边 BC,
- 通过 并查集
find()
找到 root 根节点,判断 B、C 不为同一颗子树 - 通过 并查集
union()
将 B、C 合并为一颗树
![324672c8172efc061045b875fe789b65.png](https://i-blog.csdnimg.cn/blog_migrate/8de71e206bb41a7e961047bc15c45be2.jpeg)
选取第二小的边 AC,
- 通过 并查集
find()
找到 root 根节点,判断 A、C 不为同一颗子树 - 通过 并查集
union()
将 A、{'B','C'}
合并为一颗树
![5eb971241aa870951a5d14c7e944c825.png](https://i-blog.csdnimg.cn/blog_migrate/bb483eea5f51e3d4d591445de4b8ae51.jpeg)
选取第三小的边 AB,
- 通过 并查集
find()
找到 root 根节点,判断 A、B 为同一颗子树(被红色线连接的点) - 不进行合并操作
选取第四小的边 BD,
- 通过 并查集
find()
找到 root 根节点,判断 B、D 不为同一颗子树 - 通过 并查集
union()
将 D、{'A',B','C'}
合并为一颗树
![65cc721464dac4bd543e9e33d6c86edd.png](https://i-blog.csdnimg.cn/blog_migrate/435438b978827678eb57d9bf0313471e.jpeg)
我们得到了这个无向图的 最小生成树 (如上图所示)
3.代码
public ArrayList<Integer> kruskal(){
//已经连接的点
ArrayList<Integer> connectedVertices = new ArrayList<>();
//获取图中的所有的边
List<Edge> edges = getAllEdges();
//将所有的边进行排序
sortEdges(edges);
//这里使用并查集寻找出最小生成树
for (int i = 0; i < edges.size(); i++) {
int fromVertexIndex = edges.get(i).from;
int toVertexIndex = edges.get(i).to;
boolean sameTree = find(fromVertexIndex) == find(toVertexIndex);
//如果不是同一个树
if (sameTree == false){
System.out.println(vertices[fromVertexIndex] + " --> " + vertices[toVertexIndex] + " weight:" +graph[fromVertexIndex][toVertexIndex]);
//合并为同一个树
union(find(fromVertexIndex),find(toVertexIndex));
//包含 to 点就添加 from 点
if (connectedVertices.contains(toVertexIndex)) {
connectedVertices.add(fromVertexIndex);
}
//包含 from 点 就添加 to 点
else if (connectedVertices.contains(fromVertexIndex)){
connectedVertices.add(toVertexIndex);
}
// 2 个都不包含就都添加
else {
connectedVertices.add(fromVertexIndex);
connectedVertices.add(toVertexIndex);
}
}
//如果全部点都已经连接就退出循环
if (connectedVertices.size() == vertices.length){
break;
}
}
return connectedVertices;
}
例如getAllEdges()
、sortEdges()
、find()
、union()
个方法上面就不赘述了,你可以 点击连接查看完整 Kruskal 代码
测试效果
B --> C weight:2
A --> C weight:3
B --> D weight:4克鲁斯卡尔(Kruskal)算法
普利姆(Prime)算法,克鲁斯卡尔(Kruskal)算法 是求最小生成树的,阅读之前请先了解
了解最小生成树
了解并查集
普利姆(Prime)算法 是以 点 为基础,挑选与 已有点 相连的最小边。
克鲁斯卡尔(Kruskal)算法是以 边 为基础,先将边从小到大排列,从小到大的添加不构成「环路」的边。
判断「环路」使用的是 并查集 的数据结构
1.要点
- 核心:先将边从小到大排列,从小到大的添加不构成「环路」的边
- 判断「环路」:使用 并查集 的数据结构
- 时间复杂度:O(n logn) (这是由排序方式实现的)
2.图解
求下面图的最小生成树
![0266fd62ee3791a8375f157df8a80221.png](https://i-blog.csdnimg.cn/blog_migrate/a7608d23efc6c6e1a8a6de0f9aac5820.jpeg)
首先将边从小到大排列 如下表所示。
![310f287ad55b404ba48d5857a00e8722.png](https://i-blog.csdnimg.cn/blog_migrate/2800caf862044049820de6897b279d80.jpeg)
选取最小的边 BC,
- 通过 并查集
find()
找到 root 根节点,判断 B、C 不为同一颗子树 - 通过 并查集
union()
将 B、C 合并为一颗树
![324672c8172efc061045b875fe789b65.png](https://i-blog.csdnimg.cn/blog_migrate/8de71e206bb41a7e961047bc15c45be2.jpeg)
选取第二小的边 AC,
- 通过 并查集
find()
找到 root 根节点,判断 A、C 不为同一颗子树 - 通过 并查集
union()
将 A、{'B','C'}
合并为一颗树
![5eb971241aa870951a5d14c7e944c825.png](https://i-blog.csdnimg.cn/blog_migrate/bb483eea5f51e3d4d591445de4b8ae51.jpeg)
选取第三小的边 AB,
- 通过 并查集
find()
找到 root 根节点,判断 A、B 为同一颗子树(被红色线连接的点) - 不进行合并操作
选取第四小的边 BD,
- 通过 并查集
find()
找到 root 根节点,判断 B、D 不为同一颗子树 - 通过 并查集
union()
将 D、{'A',B','C'}
合并为一颗树
![65cc721464dac4bd543e9e33d6c86edd.png](https://i-blog.csdnimg.cn/blog_migrate/435438b978827678eb57d9bf0313471e.jpeg)
我们得到了这个无向图的 最小生成树 (如上图所示)
3.代码
/** 顶点 */
private static Character[] vertices;
/** Graph 邻接矩阵 */
private static int[][] graph;
/** 定义最大值 */
private static final int MAX = Integer.MAX_VALUE;
//初始化数据
static{
vertices = new Character[]{'A', 'B', 'C', 'D'};
graph = new int[][]{
{0,3,3,7}
,{3,0,2,4}
,{3,2,0,6}
,{7,4,6,0}};
};
/** 定义边 Edge */
class Edge implements Comparator<Edge> {
int from;
int to;
int weight;
public Edge(int from, int to, int weight) {
this.from = from;
this.to = to;
this.weight = weight;
}
}
/** kruskal */
public ArrayList<Integer> kruskal(){
//已经连接的点
ArrayList<Integer> connectedVertices = new ArrayList<>();
//获取图中的所有的边
List<Edge> edges = getAllEdges();
//将所有的边进行排序
sortEdges(edges);
//这里使用并查集寻找出最小生成树
for (int i = 0; i < edges.size(); i++) {
int fromVertexIndex = edges.get(i).from;
int toVertexIndex = edges.get(i).to;
boolean sameTree = find(fromVertexIndex) == find(toVertexIndex);
//如果不是同一个树
if (sameTree == false){
System.out.println(vertices[fromVertexIndex] + " --> " + vertices[toVertexIndex] + " weight:" +graph[fromVertexIndex][toVertexIndex]);
//合并为同一个树
union(find(fromVertexIndex),find(toVertexIndex));
//包含 to 点就添加 from 点
if (connectedVertices.contains(toVertexIndex)) {
connectedVertices.add(fromVertexIndex);
}
//包含 from 点 就添加 to 点
else if (connectedVertices.contains(fromVertexIndex)){
connectedVertices.add(toVertexIndex);
}
// 2 个都不包含就都添加
else {
connectedVertices.add(fromVertexIndex);
connectedVertices.add(toVertexIndex);
}
}
//如果全部点都已经连接就退出循环
if (connectedVertices.size() == vertices.length){
break;
}
}
return connectedVertices;
}
getAllEdges()
、sortEdges()
、find()
、union()
个方法上面就不赘述了,你可以
点击连接查看完整Kruskal代码
测试效果
B --> C weight:2
A --> C weight:3
B --> D weight:4
总结:
Kruskal算法先将所有的边进行排序
然后依次添加边上的节点(但是不能形成「环路」)
判断是否为「环路」使用的是 并查集 的数据结构
拓展
克鲁斯卡尔(Kruskal)算法属于贪心算法的一种(贪心算法还有 Kruskal克鲁斯克拉算法、Dijkstra迪克斯特拉算法、哈夫曼树、编码算法等)