Day10（最小生成树）

最小生成树

①是一棵树
无回路
n个顶点一定有n-1条边

②是生成树
包含全部顶点
n-1条边都在图里

③边的权重和最小

定义

给定一张边带权的无向联通图G = (V,E), n = |V|,m=|E|。由V中全部顶点和E中n-1条边构成的无向联通子图被称为G的一棵生成树。边的权值之和最小的的生成树被称为无向图G的最小生成树（Minimum Spanning Tree,MST）。

Kruskal算法

其基本思想是：假设连通网G=（V，E），令最小生成树的初始状态为只有N个顶点而无边的非连通图T=（V，{}），图中每个顶点自成一个连通分量。在E中选择代价最小的边，若该边依附的顶点分别在T中不同的连通分量上，则将此边加入到T中；否则，舍去此边而选择下一条代价最小的边。依此类推，直至T中所有顶点构成一个连通分量为止。

通俗点讲：KRUSKAL算法在找最小生成树结点之前，需要对边权重从小到大进行排序。将排序好的权重边依次加入到最小生成树中（如果加入时产生回路就跳过这条边，加入下一条边），当加入的边数为N - 1条后，就找到了这个连通图的最小生成树。

判断加入一条边后是否会成环需要用到并查集。
1.get, 查询一个元素属于哪一个集合。

int get(int x){
return x==fa[x]?x:fa[x]=get(fa[x]);
}

2. merge, 合并两个集合。

void merge(int x,int y){
fa[get(x)] = get(y);
}

1.建立并查集，每个点各自构成一个集合。
2.把所有边按照权值从小到大排序，依次扫描每条边（X,Y, Z）。
3.若X,Y属于同一个集合（X,Y已联通），则忽略这条边，继续扫描下一条。
4.否则，合并X,Y所在的集合，并把Z累加到答案中。
5.所有边扫描完成后，第4步中处理过的边就构成最小生成树。
时间复杂度为O(m log m)

PRIM算法

在任意时刻，设已经确定属于最小生成树的结点集合为T,剩余节点集合为S,每次找到最小的一条边（X,Y,Z）,满足X∈S,Y∈T。即两个端点分别属于S,T的权值最小的边，然后把点X从S中删除加入到集合T中，并把Z累加到答案中。

通俗点讲：PRIM算法从任意一个顶点开始生成最小生成树，每次选择一个与当前小树最近的一个顶点，并将这个顶点加入到小树中。然后更新这棵小树到其他点的最近距离。

1.选用图中的任意一个顶点V0,从V0开始生成最小生成树：
2.初始化d[v0]=0,其他点的距离值d[i]=正无穷；其中d [ i ] 表示当前这棵小树到其他点的最小距离值。
3. 经过N次如下步骤操作，最后得到一个含N个顶点，N-1条边的最小生成树:
1>选择一个未标记的点K，并且d [ k ] 的值是最小的；
2>标记点K进入这棵小树;
3>以K为中间点，更新这棵小树到未标记点的距离的最小值；
4.得到最有生成树T。
时间复杂度为O(n^2)，可以用二叉堆优化到O(m log n).主要用于稠密图（边数特别多的）。

PRIM算法和KRUSKAL算法的区别对比

从策略上来说，Prim算法是直接查找，多次寻找邻边的权重最小值，而Kruskal是需要先对权重排序后查找的。 所以说，Kruskal在算法效率上是比Prim快的，因为Kruskal只需一次对权重的排序就能找到最小生成树，而Prim算法需要多次对邻边排序才能找到。