克鲁斯卡尔算法(Kruskal)详解

应用场景-公交站问题

看一个应用场景和问题:

1) 某城市新增 7 个站点 (A, B, C, D, E, F, G) ,现在需要修路把 7 个站点连通
2) 各个站点的距离用边线表示 ( ) ,比如 A – B 距离 12 公里
3) 问:如何修路保证各个站点都能连通,并且总的修建公路总里程最短 ?
 

克鲁斯卡尔算法介绍

1) 克鲁斯卡尔 (Kruskal) 算法,是用来求加权连通图的最小生成树的算法
2) 基本思想 :按照权值从小到大的顺序选择 n-1 条边,并保证这 n-1 条边不构成回路
3) 具体做法 :首先构造一个只含 n 个顶点的森林,然后依权值从小到大从连通网中选择边加入到森林中,并使森林中不产生回路,直至森林变成一棵树为止

 

克鲁斯卡尔算法图解说明

以城市公交站问题来图解说明 克鲁斯卡尔算法的原理和步骤:

在含有n个顶点的连通图中选择n-1条边,构成一棵极小连通子图,并使该连通子图中n-1条边上权值之和达到最小,则称其为连通网的最小生成树。 

例如,对于如上图G4所示的连通网可以有多棵权值总和不相同的生成树。

 

克鲁斯卡尔算法图解

以上图G4为例,来对克鲁斯卡尔进行演示(假设,用数组R保存最小生成树结果)

 

 

1:将边<E,F>加入R中。 
    
<E,F>的权值最小,因此将它加入到最小生成树结果R中。 
2:将边<C,D>加入R中。 
    
上一步操作之后,边<C,D>的权值最小,因此将它加入到最小生成树结果R中。 
3:将边<D,E>加入R中。 
    
上一步操作之后,边<D,E>的权值最小,因此将它加入到最小生成树结果R中。 
4:将边<B,F>加入R中。 
    
上一步操作之后,边<C,E>的权值最小,但<C,E>会和已有的边构成回路;因此,跳过边<C,E>。同理,跳过边<C,F>。将边<B,F>加入到最小生成树结果R中。 
5:将边<E,G>加入R中。 
    
上一步操作之后,边<E,G>的权值最小,因此将它加入到最小生成树结果R中。 
6:将边<A,B>加入R中。 
    
上一步操作之后,边<F,G>的权值最小,但<F,G>会和已有的边构成回路;因此,跳过边<F,G>。同理,跳过边<B,C>。将边<A,B>加入到最小生成树结果R中。

此时,最小生成树构造完成!它包括的边依次是:<E,F> <C,D> <D,E> <B,F> <E,G> <A,B>

克鲁斯卡尔算法分析

根据前面介绍的克鲁斯卡尔算法的基本思想和做法,我们能够了解到,克鲁斯卡尔算法重点需要解决的以下两个问题: 
问题一 对图的所有边按照权值大小进行排序。 
问题二 将边添加到最小生成树中时,怎么样判断是否形成了回路。

问题一很好解决,采用排序算法进行排序即可。

问题二,处理方式是:记录顶点在"最小生成树"中的终点,顶点的终点是"在最小生成树中与它连通的最大顶点"。然后每次需要将一条边添加到最小生存树时,判断该边的两个顶点的终点是否重合,重合的话则会构成回路。

 

如何判断是否构成回路-举例说明(如图)

 

在将<E,F> <C,D> <D,E>加入到最小生成树R中之后,这几条边的顶点就都有了终点:

(01) C的终点是F 
(02) D
的终点是F 
(03) E
的终点是F 
(04) F
的终点是F

 

关于终点的说明:

  1. 就是将所有顶点按照从小到大的顺序排列好之后;某个顶点的终点就是"与它连通的最大顶点"
  2. 因此,接下来,虽然<C,E>是权值最小的边。但是CE的终点都是F,即它们的终点相同,因此,将<C,E>加入最小生成树的话,会形成回路。这就是判断回路的方式。也就是说,我们加入的两个顶点不能都指向同一个终点,否则将构成回路。【后面有代码说明】

克鲁斯卡尔算法的代码说明

package com.liu.kruskal;

import java.util.Arrays;

public class KruskalCase {
		private int edgeNum; //边的个数
		private char[] vertexs; //顶点数组
		private int[][] matrix; //邻接矩阵
		//使用 INF 表示两个顶点不能连通
		private static final int INF = Integer.MAX_VALUE;
		

		public static void main(String[] args) {
			char[] vertexs = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
			//克鲁斯卡尔算法的邻接矩阵  
		      int matrix[][] = {
		      /*A*//*B*//*C*//*D*//*E*//*F*//*G*/
		/*A*/ {   0,  12, INF, INF, INF,  16,  14},
		/*B*/ {  12,   0,  10, INF, INF,   7, INF},
		/*C*/ { INF,  10,   0,   3,   5,   6, INF},
		/*D*/ { INF, INF,   3,   0,   4, INF, INF},
		/*E*/ { INF, INF,   5,   4,   0,   2,   8},
		/*F*/ {  16,   7,   6, INF,   2,   0,   9},
		/*G*/ {  14, INF, INF, INF,   8,   9,   0}}; 
		      //大家可以在去测试其它的邻接矩阵,结果都可以得到最小生成树.
		      
		      //创建KruskalCase 对象实例
		      KruskalCase kruskalCase = new KruskalCase(vertexs, matrix);
		      //输出构建的
		      kruskalCase.print();
		      kruskalCase.kruskal();
	}
		public KruskalCase(char[] vertexs, int[][] matrix) {
			// TODO Auto-generated constructor stub
			//初始化顶点数和边的个数
			int vlen = vertexs.length;
			
			//初始化顶点, 复制拷贝的方式
			this.vertexs = new char[vlen];
			for(int i = 0; i < vertexs.length; i++) {
				this.vertexs[i] = vertexs[i];
			}
			
			//初始化边, 使用的是复制拷贝的方式
			this.matrix = new int[vlen][vlen];
			for(int i = 0; i < vlen; i++) {
				for(int j= 0; j < vlen; j++) {
					this.matrix[i][j] = matrix[i][j];
				}
			}
			//统计边的条数
			for(int i =0; i < vlen; i++) {
				for(int j = i+1; j < vlen; j++) {
					if(this.matrix[i][j] != INF) {
						edgeNum++;
					}
				}
			}
		}

		private void kruskal() {
			// TODO Auto-generated method stub
			int index=0;//表示最后结果数组的索引
			int ends[]=new int[edgeNum];//用于保存"已有最小生成树" 中的每个顶点在最小生成树中的终点
			//创建结果数组, 保存最后的最小生成树
			Edata[] result=new Edata[edgeNum];
			
			//获取图中 所有的边的集合 , 一共有12边
			Edata[] edges = getEdges();
			System.out.println("图的边的集合=" + Arrays.toString(edges) + " 共"+ edges.length); //12
			//按照边的权值大小进行排序(从小到大)
			Arrays.sort(edges);
			
			//遍历edges 数组,将边添加到最小生成树中时,判断是准备加入的边否形成了回路,如果没有,就加入 rets, 否则不能加入
			for(int i=0;i<edgeNum; i++) {
				//获取到第i条边的第一个顶点(起点)
				int p1=getPosition(edges[i].start);//p1=4
				//获取到第i条边的第2个顶点
				int p2=getPosition(edges[i].end); //p2 = 5
				
				//获取p1这个顶点在已有最小生成树中的终点			
				int n=getEnd(ends,p1);//m = 4
				//获取p2这个顶点在已有最小生成树中的终点
				int m=getEnd(ends, p2);// n = 5
				//是否构成回路
				if(n!=m) {//没有构成回路
					ends[n]=m; // 设置m 在"已有最小生成树"中的终点 <E,F> [0,0,0,0,5,0,0,0,0,0,0,0]
					
					result[index++]=edges[i];//有一条边加入到rets数组
				}
			}
			//<E,F> <C,D> <D,E> <B,F> <E,G> <A,B>。
			//统计并打印 "最小生成树", 输出  rets
			System.out.println("最小生成树为");
			for(int i = 0; i < index; i++) {
				System.out.println(result[i]);
			}
		}
		/**
		 * 功能: 获取下标为i的顶点的终点(), 用于后面判断两个顶点的终点是否相同
		 * @param ends : 数组就是记录了各个顶点对应的终点是哪个,ends 数组是在遍历过程中,逐步形成
		 * @param i : 表示传入的顶点对应的下标
		 * @return 返回的就是 下标为i的这个顶点对应的终点的下标, 一会回头还有来理解
		 */
		private int getEnd(int[] ends, int p1) {// i = 4 [0,0,0,0,5,0,0,0,0,0,0,0]
			// TODO Auto-generated method stub
			while(ends[p1]!=0) {
				p1=ends[p1];
			}
			return p1;
		}
		/**
		 * 
		 * @param ch 顶点的值,比如'A','B'
		 * @return 返回ch顶点对应的下标,如果找不到,返回-1
		 */
		private int getPosition(char ch) {
			for(int i = 0; i < vertexs.length; i++) {
				if(vertexs[i] == ch) {//找到
					return i;
				}
			}
			//找不到,返回-1
			return -1;
		}
		/**
		 * 功能: 获取图中边,放到EData[] 数组中,后面我们需要遍历该数组
		 * 是通过matrix 邻接矩阵来获取
		 * EData[] 形式 [['A','B', 12], ['B','F',7], .....]
		 * @return
		 */
		private Edata[] getEdges() {
			// TODO Auto-generated method stub
			int index = 0;
			Edata[] edges = new Edata[edgeNum];
			for(int i=0;i<vertexs.length;i++) {
				for(int j=i+1;j<vertexs.length;j++) {
					if(matrix[i][j]!=INF) {
						edges[index++] = new Edata(vertexs[i], vertexs[j], matrix[i][j]);
					}
				}
			}
			return edges;
		}
		//打印邻接矩阵
		private void print() {
			// TODO Auto-generated method stub
			System.out.println("邻接矩阵为: \n");
			for(int i = 0; i < vertexs.length; i++) {
				for(int j=0; j < vertexs.length; j++) {
					System.out.printf("%12d", matrix[i][j]);
				}
				System.out.println();//换行
			}
		}
	
}

//创建一个类EData ,它的对象实例就表示一条边
class Edata implements Comparable<Edata>{
	char start;//边的一个点
	char end;//边的另外一个点
	int weight;//边的权值
	public Edata(char start, char end, int weight) {
		super();
		this.start = start;
		this.end = end;
		this.weight = weight;
	}
	@Override
	public String toString() {
		return "Edate [start=" + start + ", end=" + end + ", weight=" + weight + "]";
	}
	@Override
	public int compareTo(Edata o) {
		// TODO Auto-generated method stub
		return this.weight-o.weight;
	}
	
}

 

  • 53
    点赞
  • 270
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
克鲁斯卡尔算法是一种用于求解连通网最小生成树的算法,适用于边稀疏的情况。下面是Python实现克鲁斯卡尔算法的步骤: 1. 首先,根据给定的图构建一个字典表示的图结构,其中键表示顶点,值表示与该顶点相连的边及其权值。 2. 接下来,将所有的边按照权值大小进行排序。这可以通过定义一个距离列表,将每条边的起始顶点、终止顶点和权值存储在列表中,并使用lambda函数对列表进行排序操作。 3. 初始化一个空的集合用于存储已选择的边,这个集合表示最小生成树。 4. 遍历排序后的边列表,依次检查每条边是否符合以下标准: a. 如果选取这条边会导致形成环路,则舍弃该边。 b. 如果选取这条边不会形成环路,则将该边添加到最小生成树的集合中。 5. 继续遍历,直到最小生成树的边数等于图中顶点数减一,即找到了最小生成树。 下面是Python代码实现克鲁斯卡尔算法的示例: ```python def find(parent, i): if parent[i == i: return i return find(parent, parent[i]) def union(parent, rank, x, y): root_x = find(parent, x) root_y = find(parent, y) if rank[root_x < rank[root_y]: parent[root_x = root_y elif rank[root_x > rank[root_y]: parent[root_y = root_x else: parent[root_y = root_x rank[root_x += 1 def kruskal(graph): parent = {} rank = {} result = [] # 初始化parent和rank for v in graph.keys(): parent[v = v rank[v = 0 # 按权值升序遍历边 for u, v, w in graph['distances']: root_u = find(parent, u) root_v = find(parent, v) # 判断是否形成环路 if root_u != root_v: result.append((u, v, w)) union(parent, rank, root_u, root_v) return result ``` 这段代码中,find函数用于查找顶点的根节点,union函数用于合并两个顶点的集合,kruskal函数是主要的算法实现。最终返回的result列表即为最小生成树的边集合。 请注意,上述代码仅为示例,具体的实现可能会根据具体问题而有所调整。同时,还需要根据实际情况定义图的结构和权值的获取方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一只猪的思考

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值