一、算法介绍

  Kruskal算法是一种用来查找最小生成树的算法,由Joseph Kruskal在1956年发表。用来解决同样问题的还有Prim算法Boruvka算法等。三种算法都是贪心算法的应用。和Boruvka算法不同的地方是,Kruskal 算法在图中存在相同权值的边时也有效。最小生成树是一副连通加权无向图中一棵权值最小生成树(minimum spanning tree,简称MST生成树的权重是赋予生成树的每条边的权重之和。最小生成树具有 (V – 1) 个边,其中 V 是给定图中的顶点数。关于最小生成树,它可以应用在网络设计、NP难题之类的问题,还可以用于聚类分析,还可以间接应用于其他问题。

二、Kruskal算法查找MST的步骤

  1. 按权重的顺序方式来对所有边进行排序

  2. 选择权重最小的边。检查它是否与形成的生成树形成一个循环。如果未形成循环,则包括该边。否则,将其丢弃

  3. 重复步骤2,直到生成树中有(V-1)个边。

  这个算法是贪婪算法。“贪婪的选择”是选择迄今为止不会造成MST成环的最小的权重边。下面来一个例子来理解:

  该图包含9个顶点(V)和14个边(E)。因此,形成的最小生成树将具有(9 – 1)= 8 个边。

  步骤1:每条边按顺序来排序

 1       /**
2 * 排序后:
3 * 权重-src-dest
4 * 1 6 7
5 * 2 2 8
6 * 2 5 6
7 * 4 0 1
8 * 4 2 5
9 * 6 6 8
10 * 7 2 3
11 * 7 7 8
12 * 8 0 7
13 * 8 1 2
14 * 9 3 4
15 * 10 4 5
16 * 11 1 7
17 * 14 3 5
18 */

  步骤2+步骤3::利用按权重排好序的边数组,每次选取最小边,并检测是否成环MST不能有环,所以这里涉及一个并查集的概念,并查集是对这个 Kruskal 算法进行优化的。

  1)数组中一个接一个地选取所有边选取边6-7:不形成循环,将其包括在内。

  2)选取边2-8:不形成循环,将其包括在内。

  3)选取边5-6:不形成循环,将其包括在内。

  4)选取边0-1:不形成循环,将其包括在内。

  5)选取边2-5:不形成循环,将其包括在内。

  6)选取边6-8:由于包括该边会导致成环,因此将其丢弃。

  7)选取边2-3:不形成循环,将其包括在内。

  8)选取边7-8:由于包括该边会导致循环,因此请将其丢弃。

  9)选取边0-7不形成循环,将其包括在内。

   10)选取边1-2:由于包括该边会导致循环,因此请将其丢弃。

    11)选取边3-4:不形成循环,将其包括在内。

  由于包含的边数等于(V – 1),因此算法结束。

三、算法代码

并查集:

  在计算机科学中,并查集是一种树型的数据结构,用于处理一些不交集(Disjoint Sets)的合并及查询问题。有一个联合-查找算法union-find algorithm)定义了两个用于此数据结构的操作:

  • Find:确定元素属于哪一个子集。它可以被用来确定两个元素是否属于同一子集。

  • Union:将两个子集合并成同一个集合。

  并查集树是一种将每一个集合以表示的数据结构,其中每一个节点保存着到它的父节点的引用。

  在并查集树中,每个集合的代表即是集合的根节点。“查找”根据其父节点的引用向根行进直到到底树根。“联合”将两棵树合并到一起,这通过将一棵树的根连接到另一棵树的根。实现这样操作的一种方法是:

  查找元素 i 的集合,根据其父节点的引用向根行进直到到底树根:

1     private int find(Subset[] subsets, int i) {
2 if (subsets[i].parent != i)
3 subsets[i].parent = find(subsets, subsets[i].parent); // 路径压缩,找到最久远的祖先时“顺便”把它的子孙直接连接到它上面
4 return subsets[i].parent;
5 }

  将两组不相交集合 x 和 y 进行并集,找到其中一个子集最父亲的父亲(也就是最久远的祖先),将另外一个子集的最久远的祖先的父亲指向它:

 1     public void union(Subset[] subsets, int x, int y) {
2 int xroot = find(subsets, x);
3 int yroot = find(subsets, y);
4
5 /* 在高秩树的根下附加秩低树(按秩划分合并) */
6 if (subsets[xroot].rank < subsets[yroot].rank) {
7 subsets[xroot].parent = yroot;
8 } else if (subsets[xroot].rank > subsets[yroot].rank){
9 subsets[yroot].parent = xroot;
10 } else { // 当两棵秩同为r的树联合(作并集)时,它们的秩r+1
11 subsets[yroot].parent = xroot;
12 subsets[xroot].rank++;
13 }
14 }

  同时使用路径压缩、按秩(rank)合并优化的程序每个操作的平均时间仅为 O(α (n)),其中α (n) 是 n=f(x)=A(x, x) 的反函数,A 是急速增加的阿克曼函数。因为 α(n) 是其反函数,故 α (n) 在 n 十分巨大时还是小于 5。因此,平均运行时间是一个极小的常数。实际上,这是渐近最优算法。

Kruskal算法

  使用算法的思想来构造MST。

 1     /**
2 * 使用Kruskal算法构造MST
3 */
4 public void kruskalMST() {
5 Edge[] result = new Edge[V]; // 将存储生成的MST
6 int e = 0; // 用于result[]的索引变量
7 int i = 0; // 用于排序的边缘索引变量
8 for (i = 0; i < V; ++i) {
9 result[i] = new Edge();
10 }
11
12 /* 步骤一:对点到点的边的权重进行排序 */
13 Arrays.sort(edges);
14
15 /* 创建V个子集*/
16 Subset[] subsets = new Subset[V];
17 for (i = 0; i < V; i++) {
18 subsets[i] = new Subset();
19 }
20
21 /* 使用单个元素创建V子集 */
22 for (int v = 0; v < V; v++) {
23 subsets[v].parent = v;
24 subsets[v].rank = 0; // 单元素的树的秩定义为0
25 }
26
27 /* 用于挑选下一个边的索引 */
28 i = 0;
29
30 while (e < V-1) {
31 /* 步骤2:选取最小的边缘, 并增加下一次迭代的索引 */
32 Edge next_edge = edges[i++];
33
34 int x = find(subsets, next_edge.src);
35 int y = find(subsets, next_edge.dest);
36
37 /* 如果包括此边不引起mst成环(树本无环),则将其包括在结果中并为下一个边增加结果索引存下一条边 */
38 /* 这里判断两个元素是否属于一个子集 */
39 if (x != y) {
40 result[e++] = next_edge;
41 union(subsets, x, y);
42 }
43 /* 否则丢弃next_edge */
44 }
45
46 /* 打印result[]的内容以显示里面所构造的MST */
47 System.out.println("Following are the edges in the constructed MST");
48 for (i = 0; i < e; ++i) {
49 System.out.println(result[i].src + " -- " + result[i].dest + " == " + result[i].weight);
50 }
51 }

  平均时间复杂度为O (|E|·log |V|),其中 E 和 V 分别是图的边集和点集。

本文源代码:

  1 package algorithm.mst;
2
3 import java.util.Arrays;
4
5 public class KruskalAlgorithm {
6 /* 顶点数和边数 */
7 private int V, E;
8 /* 所有边的集合 */
9 private Edge[] edges;
10
11 /**
12 * 创建一个V个顶点和E条边的图
13 *
14 * @param v
15 * @param e
16 */
17 public KruskalAlgorithm(int v, int e) {
18 V = v;
19 E = e;
20 edges = new Edge[E];
21 for (int i = 0; i < e; i++) {
22 edges[i] = new Edge();
23 }
24 }
25
26 /**
27 * 查找元素i的集合(路径压缩)
28 * 根据其父节点的引用向根行进直到到底树根
29 *
30 * @param subsets
31 * @param i
32 * @return
33 */
34 private int find(Subset[] subsets, int i) {
35 if (subsets[i].parent != i)
36 subsets[i].parent = find(subsets, subsets[i].parent); // 路径压缩,找到最久远的祖先时“顺便”把它的子孙直接连接到它上面
37 return subsets[i].parent;
38 }
39
40 /**
41 * 将两组不相交集合x和y进行并集(按秩合并)
42 * 这个方法找到其中一个子集最父亲的父亲(也就是最久远的祖先),将另外一个子集的最久远的祖先的父亲指向它。
43 * <p>
44 * 并查集树的最基础的表示方法,这个方法不会比链表法好,
45 * 这是因为创建的树可能会严重不平衡。
46 * 所以采用“按秩合并”来优化。
47 * </p>
48 * <p>
49 * 即总是将更小的树连接至更大的树上。因为影响运行时间的是树的深度,
50 * 更小的树添加到更深的树的根上将不会增加秩除非它们的秩相同。
51 * 在这个算法中,术语“秩”替代了“深度”,因为同时应用了路径压缩时秩将不会与高度相同。
52 * </p>
53 *
54 * @param subsets
55 * @param x
56 * @param y
57 */
58 public void union(Subset[] subsets, int x, int y) {
59 int xroot = find(subsets, x);
60 int yroot = find(subsets, y);
61
62 /* 在高秩树的根下附加秩低树(按秩划分合并) */
63 if (subsets[xroot].rank < subsets[yroot].rank) {
64 subsets[xroot].parent = yroot;
65 } else if (subsets[xroot].rank > subsets[yroot].rank){
66 subsets[yroot].parent = xroot;
67 } else { // 当两棵秩同为r的树联合(作并集)时,它们的秩r+1
68 subsets[yroot].parent = xroot;
69 subsets[xroot].rank++;
70 }
71 }
72
73 /**
74 * 使用Kruskal算法构造MST
75 */
76 public void kruskalMST() {
77 Edge[] result = new Edge[V]; // 将存储生成的MST
78 int e = 0; // 用于result[]的索引变量
79 int i = 0; // 用于排序的边缘索引变量
80 for (i = 0; i < V; ++i) {
81 result[i] = new Edge();
82 }
83
84 /* 步骤一:对点到点的边的权重进行排序 */
85 Arrays.sort(edges);
86
87 /* 创建V个子集*/
88 Subset[] subsets = new Subset[V];
89 for (i = 0; i < V; i++) {
90 subsets[i] = new Subset();
91 }
92
93 /* 使用单个元素创建V子集 */
94 for (int v = 0; v < V; v++) {
95 subsets[v].parent = v;
96 subsets[v].rank = 0; // 单元素的树的秩定义为0
97 }
98
99 /* 用于挑选下一个边的索引 */
100 i = 0;
101
102 while (e < V-1) {
103 /* 步骤2:选取最小的边缘, 并增加下一次迭代的索引 */
104 Edge next_edge = edges[i++];
105
106 int x = find(subsets, next_edge.src);
107 int y = find(subsets, next_edge.dest);
108
109 /* 如果包括此边不引起mst成环(树本无环),则将其包括在结果中并为下一个边增加结果索引存下一条边 */
110 /* 这里判断两个元素是否属于一个子集 */
111 if (x != y) {
112 result[e++] = next_edge;
113 union(subsets, x, y);
114 }
115 /* 否则丢弃next_edge */
116 }
117
118 /* 打印result[]的内容以显示里面所构造的MST */
119 System.out.println("Following are the edges in the constructed MST");
120 for (i = 0; i < e; ++i) {
121 System.out.println(result[i].src + " -- " + result[i].dest + " == " + result[i].weight);
122 }
123 }
124
125 public static void main(String[] args) {
126 /**
127 * 排序后:
128 * 权重-src-dest
129 * 1 6 7
130 * 2 2 8
131 * 2 5 6
132 * 4 0 1
133 * 4 2 5
134 * 6 6 8
135 * 7 2 3
136 * 7 7 8
137 * 8 0 7
138 * 8 1 2
139 * 9 3 4
140 * 10 4 5
141 * 11 1 7
142 * 14 3 5
143 */
144 int V = 9;
145 int E = 14;
146 KruskalAlgorithm graph = new KruskalAlgorithm(V, E);
147
148 /* 另一个用例的图:
149 1 --- 2 --- 3
150 / | | \ | \
151 0 | 8 \ | 4
152 \ | / | \ | /
153 7 --- 6 --- 5
154 */
155
156 // 添加边 0-1
157 graph.edges[0].src = 0;
158 graph.edges[0].dest = 1;
159 graph.edges[0].weight = 4;
160
161 // 添加边 0-7
162 graph.edges[1].src = 0;
163 graph.edges[1].dest = 7;
164 graph.edges[1].weight = 8;
165
166 // 添加边 1-2
167 graph.edges[2].src = 1;
168 graph.edges[2].dest = 2;
169 graph.edges[2].weight = 8;
170
171 // 添加边 1-7
172 graph.edges[3].src = 1;
173 graph.edges[3].dest = 7;
174 graph.edges[3].weight = 11;
175
176 // 添加边 2-3
177 graph.edges[4].src = 2;
178 graph.edges[4].dest = 3;
179 graph.edges[4].weight = 7;
180
181 // 添加边 2-5
182 graph.edges[5].src = 2;
183 graph.edges[5].dest = 5;
184 graph.edges[5].weight = 4;
185
186 // 添加边 2-8
187 graph.edges[6].src = 2;
188 graph.edges[6].dest = 8;
189 graph.edges[6].weight = 2;
190
191 // 添加边 3-4
192 graph.edges[7].src = 3;
193 graph.edges[7].dest = 4;
194 graph.edges[7].weight = 9;
195
196 // 添加边 3-5
197 graph.edges[8].src = 3;
198 graph.edges[8].dest = 5;
199 graph.edges[8].weight = 14;
200
201 // 添加边 4-5
202 graph.edges[9].src = 4;
203 graph.edges[9].dest = 5;
204 graph.edges[9].weight = 10;
205
206 // 添加边 5-6
207 graph.edges[10].src = 5;
208 graph.edges[10].dest = 6;
209 graph.edges[10].weight = 2;
210
211 // 添加边 6-7
212 graph.edges[11].src = 6;
213 graph.edges[11].dest = 7;
214 graph.edges[11].weight = 1;
215
216 // 添加边 6-8
217 graph.edges[12].src = 6;
218 graph.edges[12].dest = 8;
219 graph.edges[12].weight = 6;
220
221 // 添加边 7-8
222 graph.edges[13].src = 7;
223 graph.edges[13].dest = 8;
224 graph.edges[13].weight = 7;
225
226 graph.kruskalMST();
227
228 /* 用例通过算法得出的MST如下:
229 1 2 -- 3
230 / | \ \
231 0 8 \ 4
232 \ \
233 7 -- 6 -- 5
234 */
235 }
236
237 /**
238 * 每条边的信息,实现了{@link Comparable}接口,
239 * 可以使用{@link Arrays}的方法随其边的权重的集合进行自然排序。
240 */
241 class Edge implements Comparable<Edge> {
242 /* 这条边的两个顶点和它的权重 */
243 private int src, dest, weight;
244
245 @Override
246 public int compareTo(Edge o) {
247 return this.weight - o.weight;
248 }
249 }
250
251 /**
252 * 联合查找子集的类
253 */
254 class Subset {
255 /* 其祖先和秩 */
256 private int parent, rank;
257 }
258 }

查找最小生成树:克鲁斯克尔算法(Kruskal)算法的更多相关文章

  1. 最小生成树---Prim算法和Kruskal算法

    Prim算法 1.概览 普里姆算法(Prim算法),图论中的一种算法,可在加权连通图里搜索最小生成树.意即由此算法搜索到的边子集所构成的树中,不但包括了连通图里的所有顶点(英语:Vertex (gra ...

  2. 转载:最小生成树-Prim算法和Kruskal算法

    本文摘自:http://www.cnblogs.com/biyeymyhjob/archive/2012/07/30/2615542.html 最小生成树-Prim算法和Kruskal算法 Prim算 ...

  3. 最小生成树——Prim算法和Kruskal算法

    洛谷P3366 最小生成树板子题 这篇博客介绍两个算法:Prim算法和Kruskal算法,两个算法各有优劣 一般来说当图比较稀疏的时候,Kruskal算法比较快 而当图很密集,Prim算法就大显身手了 ...

  4. 最小生成树Prim算法和Kruskal算法

    Prim算法(使用visited数组实现) Prim算法求最小生成树的时候和边数无关,和顶点树有关,所以适合求解稠密网的最小生成树. Prim算法的步骤包括: 1. 将一个图分为两部分,一部分归为点集 ...

  5. 【数据结构】 最小生成树(二)——kruskal算法

    上一期说完了什么是最小生成树,这一期咱们来介绍求最小生成树的算法:kruskal算法,适用于稀疏图,也就是同样个数的节点,边越少就越快,到了数据结构与算法这个阶段了,做题靠的就是速度快,时间复杂度小. ...

  6. 最小生成树Prim算法和Kruskal算法(转)

    (转自这位大佬的博客 http://www.cnblogs.com/biyeymyhjob/archive/2012/07/30/2615542.html ) Prim算法 1.概览 普里姆算法(Pr ...

  7. [贪心经典算法]Kruskal算法

    Kruskal算法的高效实现需要一种称作并查集的结构.我们在这里不介绍并查集,只介绍Kruskal算法的基本思想和证明,实现留在以后讨论. Kruskal算法的过程: (1) 将全部边按照权值由小到大 ...

  8. MST最小生成树及克鲁斯卡尔(Kruskal)算法

    最小生成树MST,英文名如何拼写已忘,应该是min spaning tree吧.假设一个无向连通图有n个节点,那么它的生成树就是包括这n个节点的无环连通图,无环即形成树.最小生成树是对边上权重的考虑, ...

  9. 最小生成树之算法记录【prime算法+Kruskal算法】【模板】

    首先说一下什么是树: 1.只含一个根节点 2.任意两个节点之间只能有一条或者没有线相连 3.任意两个节点之间都可以通过别的节点间接相连 4.除了根节点没一个节点都只有唯一的一个父节点 5.也有可能是空 ...

  10. hdu 1233 还是畅通工程 最小生成树(prim算法 + kruskal算法)

    还是畅通工程                                                                            Time Limit: 4000/2 ...

随机推荐

  1. Linux内核下包过滤框架——iptables&netfilter

    iptables & netfilter 1.简介 netfilter/iptables(下文中简称为iptables)组成Linux内核下的包过滤防火墙,完成封包过滤.封包重定向和网络地址转 ...

  2. 【第八篇】- Git 查看提交历史之Spring Cloud直播商城 b2b2c电子商务技术总结

    ​ Git 查看提交历史 Git 提交历史一般常用两个命令: git log 在使用 Git 提交了若干更新之后,又或者克隆了某个项目,想回顾下提交历史,我们可以使用 git log 命令查看. 针对 ...

  3. 管理后台界面 详细分析(内含代码 |【前端】)RuoYi

    最近在做的一个后台管理 因为关于隐私原因 只方便展示个别页面代码 不会上传项目 注意是前端代码 我把项目代码地址放在最后了 如有需要可自取学习   我会为各位兄弟详细的介绍其中各个属性的含义和用法,记 ...

  4. 在PHP中操作临时文件

    关于文件相关的操作,想必大家已经非常了解了,在将来我们刷到手册中相关的文件操作函数时也会进行详细的讲解.今天,我们先来了解一下在 PHP 中关于临时文件相关的一些内容. 获取 PHP 的默认临时创建文 ...

  5. 2.docker安装及原理

    一. docker的架构 1.1 docker的架构 先来看docker官网给出的docker架构图: 看官网,docker的架构描述: https://docs.docker.com/get-sta ...

  6. git 切换分支

      # 查看git源 git  remote -v git remote set-url origin http://mingzhanghui@xx.xx.xx.xx:8090/r/ENSO/weba ...

  7. PHP-设计模式之-中介者模式

    <?php//中介者模式 -- //抽象中介者abstract class UnitedNationa{ punlic abstract function Declared($message,c ...

  8. solidity 错误

    solidity版本 0.7.5 Member "transfer" not found or not visible after argument-dependent looku ...

  9. Chrome浏览器启动参数大全(命令行参数)

    前言 在开发Web项目当中,浏览器必不可少,而浏览器的启动参数可以帮我们实现很多功能. 常用参数 常用参数请参考下表. 序号 参数 说明 1 --allow-outdated-plugins 不停用过 ...

  10. 5.深入TiDB:Insert 语句

    本文基于 TiDB release-5.1进行分析,需要用到 Go 1.16以后的版本 我的博客地址:https://www.luozhiyun.com/archives/605 这篇文章我们看一下 ...