快速生成树算法java_LeetCode 859. 最小生成树之Kruskal(克鲁斯卡尔)算法

题目描述

给定一个n个点m条边的无向图，图中可能存在重边和自环，边权可能为负数。

求最小生成树的树边权重之和，如果最小生成树不存在则输出impossible。

给定一张边带权的无向图G=(V, E)，其中V表示图中点的集合，E表示图中边的集合，n=|V|，m=|E|。

由V中的全部n个顶点和E中n-1条边构成的无向连通子图被称为G的一棵生成树，其中边的权值之和最小的生成树被称为无向图G的最小生成树。

输入格式

第一行包含两个整数n和m。

接下来m行，每行包含三个整数u，v，w，表示点u和点v之间存在一条权值为w的边。

输出格式

共一行，若存在最小生成树，则输出一个整数，表示最小生成树的树边权重之和，如果最小生成树不存在则输出impossible。

数据范围

1≤n≤105,

1≤m≤2∗105,

图中涉及边的边权的绝对值均不超过1000。

输入样例：

4 5

1 2 1

1 3 2

1 4 3

2 3 2

3 4 4

输出样例：

6

算法1

构造最小生成树的算法主要有：克鲁斯卡尔(Kruskal)算法和普利姆(Prim)算法他们都遵循以上准则。

克鲁斯卡尔算法的基本思想是以边为主导地位，始终选择当前可用(所选的边不能构成回路)的最小权植边。所以Kruskal算法的第一步是给所有的边按照从小到大的顺序排序。这一步可以直接使用库函数qsort或者sort。接下来从小到大依次考察每一条边(u，v)。

具体实现过程如下：

1、设一个有n个顶点的连通网络为G(V,E)，最初先构造一个只有n个顶点，没有边的非连通图T={V,空}，图中每个顶点自成一格连通分量。

2、在Ｅ中选择一条具有最小权植的边时，若该边的两个顶点落在不同的连通分量上，则将此边加入到Ｔ中；否则，即这条边的两个顶点落到同一连通分量 上，则将此边舍去(此后永不选用这条边)，重新选择一条权植最小的边。

3、如此重复下去，直到所有顶点在同一连通分量上为止。

最关键的地方在于“连通分量的查询和合并”，需要知道任意两个点是否在同一连通分量中，还需要合并两个连通分量。这个问题正好可以用并查集完美的解决

并查集(Union-Find set)这个数据结构可以方便快速的解决这个问题。基本的处理思想是：初始时把每个对象看作是一个单顶点集合；然后依次按顺序读入连通边，将连通边中的两个顶点合并。在此过程中将重复使用一个查找(Find)，确定一个集合在哪个集合中。当读入一个连通边(ｕ，ｖ)时，先判断ｕ和ｖ是否在同一个集合中，；如果不在同一集合中，把ｕ、ｖ所在集合合并，使得这两个集合中的任意两个元素都连通。因此并查集在处理时，主要用到查找和合并。

为了方便并查集的描述与实现，通常把先后加入到一个集合中的元素表示成一个树结构，并用根结点来代表这个集合。在查找的时候，如果这个结点没有父节点，说明这个结点为根节点。判断顶点a和顶点b能不能连在一起，看顶点a和顶点b是不是在同一个集合中(同一个集合表示这两个顶点通过其他的顶点已连通，如：a->c->b,a和b是连通的，不能直接将a和b连通,否则，形成环，就不能构成最小生成树)

第一组数据通过了，由于我第二组数据中的10个数据只通过了8个数据，希望大家帮忙指正

java代码

import java.util.ArrayList;

import java.util.Collections;

import java.util.HashMap;

import java.util.HashSet;

import java.util.List;

import java.util.Map;

import java.util.Scanner;

import java.util.Set;

public class Main {

public static class Edge implements Comparable {

private T start;

private T end;

private int distance;

public Edge(T start, T end, int distance) {

this.start = start;

this.end = end;

this.distance = distance;

}

public T getStart() {

return start;

}

public void setStart(T start) {

this.start = start;

}

public T getEnd() {

return end;

}

public void setEnd(T end) {

this.end = end;

}

public int getDistance() {

return distance;

}

public void setDistance(int distance) {

this.distance = distance;

}

@Override

//实现边的权值从小到大进行排序

public int compareTo(Edge obj) {

int targetDis = obj.getDistance();

return distance > targetDis ? 1 : (distance == targetDis ? 0 : -1);

}

}

public static class UnionFind {

public static UFNode find(UFNode x) {

UFNode p = x;

Set path = new HashSet();

// 记录向上追溯的路径上的点，找到根节点，

while (p.parent != null) {

path.add(p);

p = p.parent;

}

// 这些点的parent全部指向这个集合的代表(根节点)

for (UFNode ppp : path) {

ppp.parent = p; //直接指向根节点

}

// root

return p; //找到这个顶点所在的根节点代表的集合

}

public static void union(UFNode x, UFNode y) {

find(y).parent = find(x);

}

public static class UFNode {

UFNode parent;

}

}

private final List edgeList;

private final int n;// 总顶点数

private Set T = new HashSet<>();// 生成树的边集

private Map pntAndNode = new HashMap();

public Set getT() {

buildMST();

return T;

}

public Main(List edgeList, int n) {

this.edgeList = edgeList;

//初始化，每一个顶点对应一个集合， //为每个顶点建立一个并查集的集合，用map集合，使顶点与并查集的结点之间形成一种映射关系

for (Edge edge : edgeList) {

pntAndNode.put(edge.getStart(), new UnionFind.UFNode());

pntAndNode.put(edge.getEnd(), new UnionFind.UFNode());

}

this.n = n;

}

public static void main(String[] args) {

Scanner sc = new Scanner(System.in);

List l = new ArrayList<>();

int k = sc.nextInt();

int m = sc.nextInt();

sc.nextLine();

for (int i = 0; i < m; i++) {

int a=sc.nextInt();

int b=sc.nextInt();

int c=sc.nextInt();

l.add(new Edge(a, b, c));

}

List edgeList = l;

Main obj = new Main(edgeList, k);

// obj.buildMST();

long sum = 0;

//顶点个数不等于边数-1，说明没有最小生成树

if (obj.getT().size() != k-1) {

System.out.println("impossible");

}else{

//权值求和

for (Edge e : obj.getT()) {

sum += e.getDistance();

}

System.out.println(sum);

}

}

/* 构建MST的核心方法 */

private void buildMST() {

Collections.sort(edgeList);// 排序

// 迭代

for (Edge e : edgeList) {

//如果构成一个环

if (!ok(e))

continue;

// 确认过了，就把边都加入

T.add(e);

if (T.size() == n - 1)

return; // 生成树的边数==总顶点数-1 =》 形成最小生成树

}

}

// 并查集中查询e 的起点和终点是否在一个集中

private boolean ok(Edge e) {

//

UnionFind.UFNode x = (UnionFind.UFNode) pntAndNode.get(e.getStart());

UnionFind.UFNode y = (UnionFind.UFNode) pntAndNode.get(e.getEnd());

if (UnionFind.find(x) != UnionFind.find(y)) { // 并查集的find方法，查找顶点x和y是否在同一个集和中

UnionFind.union(x, y); // 不在同一个集合中，不会形成环，合并，并返回true

return true;

}

return false;

}

}

参考文献

树(Tree)：如果一个无向连通图中不存在回路，则这种图称为树。

生成树 (Spanning Tree)：无向连通图G的一个子图如果是一颗包含G的所有顶点的树，则该子图称为G的生成树。生成树是连通图的极小连通子图。这里所谓极小是指：若在树中任意增加一条边，则将出现一条回路；若去掉一条边，将会使之变成非连通图。

最小生成树(Minimum Spanning Tree，MST)：或者称为最小代价树Minimum-cost Spanning Tree:对无向连通图的生成树，各边的权值总和称为生成树的权，权最小的生成树称为最小生成树。常用于网络构建等建设性问题的优化。

构成生成树的准则有三条：

1、 必须只使用该网络中的边来构造最小生成树。

2、必须使用且仅使用n-1条边来连接网络中的n个顶点

3、不能使用产生回路的边。