最小生成树算法

Prim算法

$Prim$算法和$Dijkstra$最短路算法十分相似。我们从$1$号节点出发，不断地向生成树里加最小权值边。

假设我们已有一颗树$T$，满足$T$为一颗最小生成树的子图。令$X$为$T$的点集，$e$为连接$X$和$V\setminus X$的最小权值边，我们要证明存在一棵生成树包含了$T$和$e$。

同样，假设包含$T$的最小生成树不包含$e$，那么将$e$加到这颗树里之后一定会形成一个环，且此时除$e$以外还有另一条边$f$连接着$X$和$V\setminus X$。根据定义$w_f\ge w_e$，所以我们将$f$从树中删去，然后加上$e$就可以得到一颗新的生成树且权值和不超过原来的生成树。

所以我们不断地加入最小权值边，直到$X=V$，由于存在一颗生成树满足$T$是它的子图，于是就求得了一颗最小生成树$T$。

时间复杂度：$O(|E|\log |V|)$。

空间复杂度：$O(|V|+|E|)$。

代码

int n, m;
vector<Edge> e[N];

LL d[N];
bool used[N];
LL Prim(){                                  // 默认图联通
    rep1(i, n + 1) d[i] = inf;
    d[1] = 0;
    priority_queue<pair<LL, int> > pq;
    pq.push(MP(-d[1], 1));
    used[1] = true;
    LL ret = 0;
    while (!pq.empty()){
        int cur = pq.top().second;
        LL curdis = -pq.top().first;
        pq.pop();
        if (curdis > d[cur]) continue;
        ret += curdis;
        used[cur] = true;
        for (Edge u : e[cur]) if (u.len < d[u.to] && !used[u.to]){
            d[u.to] = u.len;
            pq.push(MP(-d[u.to], u.to));
        }
    }
    return ret;
}

Kruskal算法

$Kruskal$是一个非常简单实用的最小生成树算法，代码难度比$Prim$低很多，而且跑得和$Prim$一样快，一般情况下还有推荐使用$Kruskal$。

$Kruskal$算法的核心思想就是将所有边按权值从小到大排序，不断地判断当前边加入后会不会使生成树出现环，如果不会形成环，那么就将当前边加入生成树。判环操作其实就等价于判断当前边的两个端点是否已属于同一集合，这可以用并查集很方便地维护。

时间复杂度：$O(|E|\log |V|)$。

空间复杂度：$O(|E|)$。

代码

int n, m;
vector<Edge> edges;

LL Kruskal(){      // 默认图联通
    sort(edges.begin(), edges.end(), [&](Edge x, Edge y){ return x.len < y.len; });
    dsu.init();
    int cnt = 0;
    LL ret = 0;
    rep(i, edges.size()){
        if (cnt == n - 1) break;
        if (dsu.find(edges[i].from) == dsu.find(edges[i].to)) continue;
        cnt ++;
        ret += edges[i].len;
        dsu.merge(edges[i].from, edges[i].to);
    }
    return ret;
}