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排序。
(2) 按顺序(边权由小到大的顺序)考虑每条边,只要这条边和我们已经选择的边不构成圈,就保留这条边,否则放弃这条边。
算法 成功选择(n-1)条边后,形成一棵最小生成树,当然如果算法无法选择出(n-1)条边,则说明原图不连通。以下图为例:
边排序后为: 1 AF 12 DE 43 BD 54 BC 65 CD 106 BF 117 DF 148 AE 169 AB 1710 EF 33算法处理过程如下:
处理边AF,点A与点F不在同一个集合里,选中AF。
处理边DE,点D与点E不在同一个集合里,选中DE
处理边BD,点B与点D不在同一个集合里,选中BD
处理边BC,点B与点C不在同一个集合里,选中BC
处理边CD,点C与点D在同一个集合里,放弃CD。处理边BF,点B与点F不在同一个集合里,选中BF。 至此,所有的点都连在了一起,剩下的边DF,AE,AB,EF不用继续处理了,算法执行结束。Kruskal算法的证明。假设图连通,我们证明Krusal算法得到一棵最小生成树。我们假设Kruskal算法得到的树是K (注意我们已经假设Kruskal算法一定可以得到生成树)。假设T是一棵最小生成树,并且K ≠T, K中显然至少有一条边。我们找到在K中,而不在T中最小权值的边e。
把e加入T中,则形成一个圈,删掉这个圈中不在K中的边f,得到新的生成树T’。
f的存在性,如果全里面所有的边都在K中,则K包含圈,矛盾。
考虑边权值关系:
(1) 若w(f) > w(e), 则T’的权值和小于T的权值和,与T是最小生成树矛盾。
(2) 若w(f) < w(e), 说明Kruskal算法在考虑加入e之前先考虑了边f,之所以没加入f是因为f和之前加入的边形成圈,之前加入的边权值显然不超过w(f) (因为加边是从小到大的顺序加入的),所以之前加入的边权值一定小于w(e)。而根据e的定义,K中权值小于w(e)的边都在T中,这说明T中的边会和f构成圈,矛盾。
所以只能w(f) = w(e)。T’仍然是最小生成树,而T’和K相同的边多了一条。
这样下去有限步之后,最终可以把T变为K,从而K也是最小生成树。 N个点M条边的无向连通图,每条边有一个权值,求该图的最小生成树。最后,我们来提供输入输出数据,由你来写一段程序,实现这个算法,只有写出了正确的程序,才能继续后面的课程。 输入
第1行:2个数N,M中间用空格分隔,N为点的数量,M为边的数量。(2 <= N <= 1000, 1 <= M <= 50000) 第2 - M + 1行:每行3个数S E W,分别表示M条边的2个顶点及权值。(1 <= S, E <= N,1 <= W <= 10000)
输出
输出最小生成树的所有边的权值之和。
输入示例
9 14 1 2 4 2 3 8 3 4 7 4 5 9 5 6 10 6 7 2 7 8 1 8 9 7 2 8 11 3 9 2 7 9 6 3 6 4 4 6 14 1 8 8
输出示例
37
点击数:124