最小生成树算法
什么是最小生成树
在图中找一棵包含图中所有节点的树, 且权重和最小的那棵树就叫最小生成树.
如下:右侧生成树的权重和显然比左侧生成树的权重和要小。(但是它并不是最小的,这里只是比较一下不同的树)
Kruskal算法
最小生成树是若干条边的集合(称为mst)
最小生成树中我们需要保证几点:
- 包含图中所有节点
- 形成的结构是树结构(不存在环)
- 权重和最小
前面两条很容易利用并查集算法做到
最后一条这里使用了贪心算法的思想:
将所有边按照权重从小到大排序,从权重最小的边开始遍历,如果这条边和mst中其他边不形成边,则称为mst的一部分,否则不加入.
关键代码实现
想学好这个算法有两个关键的点:
- 熟悉掌握并查集算法,对于判定是否成环和连通分量如何计算要熟悉
- 清楚贪心思想和最后如何累积权重并返回.
java
Prim 最小生成树算法
它也是使用贪心思想来让生成树的权重尽可能小,它采用切分的方式去处理.
简单来说呢就是从一个节点开始,看这个节点有几条路径,然后选一条最短.
走到下一个节点的时候,同时考虑之前的节点的路径,然后选一条最短的,然后循环这样.
举例:
这里虽然是在B节点,但是也要考虑A节点的情况.
Prim 算法的逻辑就是这样，每次切分都能找到最小生成树的一条边，然后又可以进行新一轮切分，直到找到最小生成树的所有边为止。
那代码如何实现呢?
我们如何计算横切边有哪些,比如是否可以快速算出 cut({A, B, C})，也就是节点 A, B, C 的所有「横切边」有哪些？
是可以的,因为我们发现:
cut({A, B, C}) = cut({A, B}) + cut({C})
这个特点使我们用我们写代码实现「切分」和处理「横切边」成为可能：
在进行切分的过程中，我们只要不断把新节点的邻边加入横切边集合，就可以得到新的切分的所有横切边。
当然，细心的你肯定发现了，cut({A, B}) 的横切边和 cut({C}) 的横切边中 BC 边重复了。
不过这很好处理，用一个布尔数组 inMST 辅助，防止重复计算横切边就行了。
最后一个问题，我们求横切边的目的是找权重最小的横切边，怎么做到呢？
很简单，用一个
优先级队列 存储这些横切边，就可以动态计算权重最小的横切边了。
所以采用inMST和优先级队列可以帮助我们实现这个算法.
实现如下:
java
class Prim {
// 核心数据结构，存储「横切边」的优先级队列
private PriorityQueue<int[]> pq;
// 类似 visited 数组的作用，记录哪些节点已经成为最小生成树的一部分
private boolean[] inMST;
// 记录最小生成树的权重和
private int weightSum = 0;
// graph 是用邻接表表示的一幅图，
// graph[s] 记录节点 s 所有相邻的边，
// 三元组 int[]{from, to, weight} 表示一条边
private List<int[]>[] graph;
public Prim(List<int[]>[] graph) {
this.graph = graph;
this.pq = new PriorityQueue<>((a, b) -> {
// 按照边的权重从小到大排序
return a[2] - b[2];
});
// 图中有 n 个节点
int n = graph.length;
this.inMST = new boolean[n];
// 随便从一个点开始切分都可以，我们不妨从节点 0 开始
inMST[0] = true;
cut(0);
// 不断进行切分，向最小生成树中添加边
while (!pq.isEmpty()) {
int[] edge = pq.poll();
int to = edge[1];
int weight = edge[2];
if (inMST[to]) {
// 节点 to 已经在最小生成树中，跳过
// 否则这条边会产生环
continue;
}
// 将边 edge 加入最小生成树
weightSum += weight;
inMST[to] = true;
// 节点 to 加入后，进行新一轮切分，会产生更多横切边
cut(to);
}
}
// 将 s 的横切边加入优先队列
private void cut(int s) {
// 遍历 s 的邻边
for (int[] edge : graph[s]) {
int to = edge[1];
if (inMST[to]) {
// 相邻接点 to 已经在最小生成树中，跳过
// 否则这条边会产生环
continue;
}
// 加入横切边队列
pq.offer(edge);
}
}
// 最小生成树的权重和
public int weightSum() {
return weightSum;
}
// 判断最小生成树是否包含图中的所有节点
public boolean allConnected() {
for (int i = 0; i < inMST.length; i++) {
if (!inMST[i]) {
return false;
}
}
return true;
}
}Kruskal 和 Prim 算法的区别
| 特点 | Kruskal算法 | Prim算法 |
|---|---|---|
| 处理方式 | 从边出发，选择最小的边加入生成树 | 从一个节点出发，逐步扩展生成树 |
| 适用图的类型 | 适合稀疏图 | 适合稠密图 |
| 数据结构 | 使用并查集来检测环，处理边集合 | 使用优先队列（最小堆）来选择最小边 |
| 时间复杂度 | (O(E \log E)) | (O(E \log V)) |
| 边的处理方式 | 对所有边进行排序 | 按节点扩展，逐步选择最小边 |
| 图的表示方式 | 边列表 | 邻接矩阵或邻接表 |
为什么Prim算法不需要判断成环,但Kruskal需要
Kruskal算法需要检查是否会成环，因为它是从全局边集合出发逐步加入边，需要判断两个节点是否已经连通。
Prim算法不需要显式检查环，因为它是从节点逐步扩展生成树的过程，保证了每次连接的边都是新增的，不会成环。