Kruskal算法和Prim算法

最新推荐文章于 2023-10-13 13:42:36 发布

酉鬼2333

最新推荐文章于 2023-10-13 13:42:36 发布

阅读量1k

点赞数

分类专栏：问题解决文章标签：算法数据结构

本文链接：https://blog.csdn.net/weixin_55835175/article/details/120349155

版权

本文介绍了Kruskal算法和Prim算法在构造无向图最小生成树中的应用。Kruskal算法通过边的权值排序，避免形成环来构建MST；Prim算法则从点出发，逐步拓展生成树。并查集用于优化Kruskal算法中的连通分量查询与合并。Prim算法中，使用堆优化可以降低时间复杂度。

摘要由CSDN通过智能技术生成

Kruskal算法和Prim算法

在无向图中，连通且不含圈的图称为树。给定一个无向图G=(V,E)，连通G中所有点，且边集使E的子集的树称为G的生成树，其中权值最小的生成树称为最小生成树(MST)。构造MST的算法有很多，最常见的即是Kruskal算法和Prim算法。

Kruskal算法

我直接看书，看了一堆坑出来，查资料发现实际上还是听简单的(就处理而言)，书上省略的太多了。

Kruskal算法的第一步是将所有边按照权值从小到大的顺序排列，接下来从小到大依次考察每条边(u,v)：

情况1：u和v在同一个连通分量，那么加入(u,v)后会形成环，因此不能选择。

这一点就说的特别迷，如果u和v不在同一个连通分量，那他们不是都不相连，又怎么是一条边？

事实上，我们在考察之前是要对连通分量初始化的，相当于对整个图重构，每个点独立出来构成一个独立的连通分量。相当于在考察的过程中，将初始化后的图重构成最小生成树。

如果u和v在同一个连通分量，也就是说当前u和v存在一条路径可以使u和v互通，如果此时在u和v之间再连一条边(路径)，那么u和v中存在两条不同路径，即构成了一个环。

情况2：如果u和v在不同的连通分量，那么加入(u,v)一定是最优的。

如果不加入(u,v)也能得到一个最优解T，那么T+(u,v)一定有且只有一个环，由于在情况2时加入(u,v)生成树中不生成环，那么这个环中一定至少存在一条边的权值大于或等于(u,v)的权值。删除该边后，加上(u,v)得到的解一定不会比T差。

如果还是不理解的话，我在别人的博客找到了一个模拟的图文过程：

在这里插入图片描述
对下面这个图进行Kruskal算法：

在这里插入图片描述
对边进行排序，选取边AD加入MST：

在这里插入图片描述
剩余的边中CE最小，于是加入CE：

在这里插入图片描述
不断重复上述过程，就可以得到最小生成树：

在这里插入图片描述

选自博客：最小生成树之Kruskal算法

于是有伪代码：

将所有边排序,记第i小的边为e[i]
初始化MST为空,初始化连通分量,让每个图自成一个独立的连通分量
for (int i=0;i<m;i++){
   
	if (e[i].u和e[i].v不在同一个连通分量){
   
		将边e[i]加入MST
		合并e[i].u和e[i].v所在的连通分量 
	}
}