最小生成树:Kruskal算法(邻接表+最小堆+并查集)

简介: 最小生成树:Kruskal算法(邻接表+最小堆+并查集)

Kruskal算法


概念

将所有边通过最小堆排序。选择不会形成回路的边(通过并查集判断)插入树中,重复直至形成一棵树。



模板

/* 
最小生成树 Kruskal算法
*/
#include <iostream>
#include <queue>
using namespace std;
#define MaxVertexNum 10
#define infinity 1e5
typedef int weightType;  // 权重数据类型
typedef char vertexType; // 顶点数据类型
// 最小堆里需要边的数据
struct MyEdge
{
    int v1;
    int v2;
    int weight;
};
// 优先队列排序函数
class mycomparison
{
public:
    bool operator()(const MyEdge &a, MyEdge &b)
    {
        return a.weight > b.weight;
    }
};
// 邻接表建立
struct EdgeNode
{
    int adjvex;
    weightType weight;
    EdgeNode *next;
};
struct VertexNode
{
    vertexType data;
    EdgeNode *firstedge;
};
struct Graph
{
    int vertexnum;
    int edgenum;
    VertexNode vertexList[MaxVertexNum];
};
void BuildGraph(Graph *G)
{
    int start, end, weight;
    EdgeNode *newnode;
    cout << "Please enter the number of vertices and edges" << endl;
    cin >> G->vertexnum >> G->edgenum;
    // 图的顶点数据
    for (int i = 1; i <= G->vertexnum; i++)
    {
        // 输入顶点名
        // cout << "Please enter the data of vertex" << i << endl;
        // cin >> G->vertexList[i].data;
        G->vertexList[i].firstedge = NULL;
    }
    // 输入权重信息
    for (int i = 1; i <= G->edgenum; i++)
    {
        cout << "Please enter the Start number, end number, weight" << endl;
        cin >> start >> end >> weight;
        //start-->end
        newnode = new EdgeNode;
        newnode->adjvex = end;
        newnode->weight = weight;
        newnode->next = G->vertexList[start].firstedge;
        G->vertexList[start].firstedge = newnode;
        // end-->start
        newnode = new EdgeNode;
        newnode->adjvex = start;
        newnode->weight = weight;
        newnode->next = G->vertexList[end].firstedge;
        G->vertexList[end].firstedge = newnode;
    }
    cout << endl;
}
// 并查集寻找根节点
int Find_set(int *parent, int x)
{
    for (; parent[x] != x; x = parent[x])
    {
        ;
    }
    return x;
}
// Kruskal算法
void Kruskal(Graph *G)
{
    // 初始化收录的边数
    int ECount = 0;
    // 初始化最小堆
    priority_queue<MyEdge, vector<MyEdge>, mycomparison> minheap;
    // 边入堆
    MyEdge N;
    for (int i = 1; i <= G->vertexnum; i++)
    {
        EdgeNode *p = G->vertexList[i].firstedge;
        // 无向图双向边是重复的,所以只收录一条,即v1小于v2的边
        while (p)
        {
            if (i < p->adjvex)
            {
                N.v1 = i;
                N.v2 = p->adjvex;
                N.weight = p->weight;
                // 入堆
                minheap.push(N);
            }
            p = p->next;
        }
    }
    // 初始化并查集
    int parent[G->vertexnum + 1];
    for (int i = 1; i <= G->vertexnum; i++)
    {
        // 每个子集的根节点设为自身
        parent[i] = i;
    }
    // 当收集到的边等于顶点数减一时,就可以构成生成树,要退出循环
    while (ECount < G->vertexnum - 1)
    {
        MyEdge tmp = minheap.top();
        minheap.pop();
        int root1 = Find_set(parent, tmp.v1);
        int root2 = Find_set(parent, tmp.v2);
        // 如果相等,说明二者属于同一集合,会构成回路
        if (root1 == root2)
        {
            continue;
        }
        // 输出选择的边
        cout << tmp.v1 << " " << tmp.v2 << endl;
        // 合并子集
        parent[root2] = root1;
        // 收录的边数加一
        ECount++;
    }
}
int main()
{
    Graph G;
    BuildGraph(&G);
    Kruskal(&G);
    cout << endl;
    system("pause");
    return 0;
}
/*  
6 10
1 2 6
1 4 5
1 3 1
2 3 5
3 4 5
3 5 6
3 6 4
5 6 6
2 5 3
4 6 2
*/

复杂度

时间复杂度:O ( ∣ E ∣ log ⁡ ∣ E ∣ ) ,因此适合求解稀疏图的最小生成树

目录
相关文章
|
2月前
|
缓存 算法 Java
JVM知识体系学习六:JVM垃圾是什么、GC常用垃圾清除算法、堆内存逻辑分区、栈上分配、对象何时进入老年代、有关老年代新生代的两个问题、常见的垃圾回收器、CMS
这篇文章详细介绍了Java虚拟机(JVM)中的垃圾回收机制,包括垃圾的定义、垃圾回收算法、堆内存的逻辑分区、对象的内存分配和回收过程,以及不同垃圾回收器的工作原理和参数设置。
83 4
JVM知识体系学习六:JVM垃圾是什么、GC常用垃圾清除算法、堆内存逻辑分区、栈上分配、对象何时进入老年代、有关老年代新生代的两个问题、常见的垃圾回收器、CMS
|
3月前
|
算法 JavaScript 前端开发
第一个算法项目 | JS实现并查集迷宫算法Demo学习
本文是关于使用JavaScript实现并查集迷宫算法的中国象棋demo的学习记录,包括项目运行方法、知识点梳理、代码赏析以及相关CSS样式表文件的介绍。
第一个算法项目 | JS实现并查集迷宫算法Demo学习
|
2月前
|
存储 算法 Python
火箭般的提升!学会Python并查集,让你的算法能力飞跃新高度!
火箭般的提升!学会Python并查集,让你的算法能力飞跃新高度!
37 1
|
3月前
|
算法 计算机视觉 Python
Python并查集大揭秘:让你在算法界呼风唤雨,秒杀一切复杂场景!
在编程与算法的广袤天地中,总有一些工具如同神兵利器,能够助你一臂之力,在复杂的问题前游刃有余。今天,我们就来深入探讨这样一件神器——Python并查集(Union-Find),看看它是如何让你在算法界呼风唤雨,轻松应对各种复杂场景的。
82 2
|
2月前
|
算法 决策智能
基于prim算法求出网络最小生成树实现网络社团划分和规划
该程序使用MATLAB 2022a版实现路线规划,通过排序节点权值并运用Prim算法生成最小生成树完成网络规划。程序基于TSP问题,采用遗传算法与粒子群优化算法进行路径优化。遗传算法通过编码、选择、交叉及变异操作迭代寻优;粒子群优化算法则通过模拟鸟群觅食行为,更新粒子速度和位置以寻找最优解。
|
4月前
|
数据采集 算法
基于PSO粒子群算法的三角形采集堆轨道优化matlab仿真
该程序利用PSO算法优化5个4*20矩阵中的模块采集轨迹,确保采集的物品数量及元素含量符合要求。在MATLAB2022a上运行,通过迭代寻优,选择最佳模块组合并优化轨道,使采集效率、路径长度及时间等综合指标最优。具体算法实现了粒子状态更新、需求量差值评估及轨迹优化等功能,最终输出最优轨迹及其相关性能指标。
|
5月前
|
算法 计算机视觉 Python
Python并查集大揭秘:让你在算法界呼风唤雨,秒杀一切复杂场景!
【7月更文挑战第18天】并查集是Python中解决集合动态合并与查询的利器,常用于复杂问题。例如,在社交网络中快速判断用户是否在同一朋友圈,通过路径压缩优化的`UnionFind`类实现。另外,计算图像中岛屿数量也可借助并查集,将相邻像素合并成集合。并查集的应用显示了其在算法中的高效和灵活性,是提升编程技能的关键工具。
56 2
|
5月前
|
存储 算法 Python
火箭般的提升!学会Python并查集,让你的算法能力飞跃新高度!
【7月更文挑战第17天】并查集,高效解决集合合并查询问题,常用于图的连通性判断。Python实现关键包含查找和合并操作。初始化时,元素各自为集合。查找使用路径压缩优化,合并则可选按秩策略保持平衡。例如,检测无向图环路,遍历边,若并查集发现边两端已在同一集合,则存在环。掌握并查集,提升算法能力,助你在问题解决中一飞冲天!动手实践,成为算法达人!
66 2
|
5月前
|
存储 传感器 算法
|
5月前
|
算法 Java 开发者
Java面试题:Java内存探秘与多线程并发实战,Java内存模型及分区:理解Java堆、栈、方法区等内存区域的作用,垃圾收集机制:掌握常见的垃圾收集算法及其优缺点
Java面试题:Java内存探秘与多线程并发实战,Java内存模型及分区:理解Java堆、栈、方法区等内存区域的作用,垃圾收集机制:掌握常见的垃圾收集算法及其优缺点
43 0