算法题：最小生成树（Kruskal算法，Prim算法）

并查集

思想：用集合中的一个元素代表集合
操作：
合并：把两个不想交的集合合并为一个集合。
查询：查询两个元素是否在同一集合中。

题目：
冗余连接（leetcode 684）
输入一个图，该图由一个有着N个节点（节点不重复1,2，…，N）的树及一条附加的边构成。附加的边的两个顶点包含在1到N中间，这条附加的边不属于树中已存在的边。
结果图是一个以边组成的二维数组。每一个边的元素是一对[u，v]，满足u<v，表示连接顶点u和v的无向图的边。

返回一条可以删去的边，使得结果图是一个有着N个节点的树。如果有多个答案，则返回二维数组中最后出现的边。答案边[u，v]应满足相同的格式u < v。

分析：
如果两个节点有相同的根，则连接这两个节点会导致环的出现，所以我们必须删除这条边。所以我们只需要找到两个根相同的节点，删除它们的边及可。

def findRedundantConnection(self,edges):
	#随机生成多个0，越多越好保存边
	pre = [0] * 1001
	for edge in edges:
		x = self.find(edge[0],pre)
		y = self.find(edge[1],pre)
		#如果它们的根节点不相等，就合并，如果相等就是要删除的边，因为本身x就要指向y
		#然后它们又有相同的节点，所以它们就形成了环
		if x != y:
			pre[y] = x
		else:
			return edge

def find(self,node,pre):
	while pre[node] != 0:
		node = pre[node]
	return node

最小生成树问题

所谓最小生成树，就是一个图的极小连通子图，它包含原图的所有顶点，并且所有边的权值之和尽可能小。（不需要回路的）

例子：
下面绿色加粗的边可以把所有顶点连接起来，又保证了边的权值之和最小保留绿色的边就是一颗最小生成树。
注意：
1.包含所有节点
2.所有边权值和最小
3.图的极小连通子图不需要回路，而是一个树形结构，所以人们才把它叫做最小生成树。图的最小生成树不唯一，可能一个图对应多个最小生成树。
kruskal算法（采用了并查集的思想）：
以图的边为基础
1.新建图G，G中拥有原图中相同的结点，但是没有边。
2.将原图中所有边按照权值从小到大排序。
3.从权值最小的边开始，如果这条边连接的两个节点不在一个连通分量中（也就是不形成环，就跟上面那个一样，如果这条边的两个节点的父节点相同，就会形成环。），则添加这条边到图G中。
4.重复3，直至图G中所有的节点都在同一个连通分量中。

拿上面那个图打比方，先把权值最小的边1拿下来，让4指向2（这个无所谓，只要不在同一个连通分量即可）。然后把权值第二小的边3拿下来，让0指向2。然后把权值第三小的边4拿下来，让1指向0.然后把第四小的边7拿下来，让3指向1。

题目（leetcode 1135，最低成本联通所有城市）：
想象一下你是个城市基建规划者，地图上有 N 座城市，它们按以 1 到 N 的次序编号。
给你一些可连接的选项 conections，其中每个选项 conections[i] = [city1, city2, cost] 表示将城市 city1 和城市 city2 连接所要的成本。（连接是双向的，也就是说城市 city1 和城市 city2 相连也同样意味着城市 city2 和城市 city1 相连）。
返回使得每对城市间都存在将它们连接在一起的连通路径（可能长度为 1 的）最小成本。该最小成本应该是所用全部连接代价的综合。如果根据已知条件无法完成该项任务，则请你返回 -1。

输入：N = 3, conections = [[1,2,5],[1,3,6],[2,3,1]]
输出：6

题解：这就是一个最小生成树的问题。

def minimumCost(self,N,connections):
	if len(connections) < N - 1:
		return -1
	connections.sort(key = lambda a : a[2])
	parent = [i for i in range(N)]
	#找节点的父节点
	def find(x):
		if x != parent[x]:
			parent[x] = find(parent[x])
		return parent[x]
	res,e,k = 0,0,0
	while e < N -1:
		u,v,w = connections[k]
		#k就可以控制舍去在同一个连通分量中
		k += 1
		#因为parent数组是从0开始的
		x,y = find(u-1),find(v-1)
		if x != y:
			e += 1
			res += w
			parent[x] = y
	return res

Prim算法

这个算法是以图的顶点为基础
从一个初始顶点开始，寻找触达其他顶点权值最小的边，并把该顶点加入到已触达顶点的集合中。当全部顶点都加入到集合时，算法的工作就完成了。Prim算法的本质是基于贪心算法。

V表示节点集合，E表示边集合
V1表示最小生成树所包含的节点，V2表示未包含节点
初始化时V1为空，V2 = V（节点集合）
当V2为空，V1 = V时算法结束

步骤：
1.随机选择一个节点v加入到V1，并从V2中删除v
2.选择边权最小的<u,v>，其中u属于V1，v属于V2，将v从V2移动到V1
3.重复2步骤直到V2为空

同一题的解答：

def minimumCost(self,N,connections):
	if len(connections) < N - 1:
		return -1
	graph = {}
	for u,v,w in connections:
		graph[(u,v)] = w
	#随机选了1节点加入到V1（now）
	now = [1]
	res = 0
	#需要把N-1个节点加入到V1（now）中，所以要执行N-1次
	for i in range(N-1):
		minNode = 0
		minDis = float('inf')
		#j就是想要加入到V1中的节点
		for j in range(N+1):
			#在已经加入V1的节点中选出权值最小的那个边，所以要遍历完整个now数组
			for x in now:
				if j not in now and (x,y) in graph.key():
					if graph[(x,j)] < minDis:
						minDis = graph[(x,y)]
						minNode = j
		res += minDis
		now.append(minNode)
	return res