克鲁斯卡尔算法

简介: 克鲁斯卡尔(Kruskal)算法,是用来求加权连通图的最小生成树的算法。==基本思想==:按照权值从小到大的顺序选择n-1条边,并保证这n-1条边不构成回路==具体做法==:首先构造一个只含n个顶点的森林,然后依权值从小到大从连通网中选择边加入到森林中,并使森林中不产生回路,直至森林变成一棵树为止

克鲁斯卡尔最佳实践-公交站问题

有北京有新增7个站点(A, B, C, D, E, F, G) ,现在需要修路把7个站点连通

    各个站点的距离用边线表示(权) ,比如 A – B 距离 12公里
    问:如何修路保证各个站点都能连通,并且总的修建公路总里程最短?

package com.wxit.kruskal;

import java.util.Arrays;

/**

  • @Author wj

**/
public class KruskalCase {

private int edgeNum; //边的个数
private char[] vertexs; //顶点数组
private int[][] matrix; //邻接矩阵
//使用INF 表示两个顶点不能联通
private static final int INF = Integer.MAX_VALUE;
public static void main(String[] args) {
    char[] vertexs = {'A','B','C','D','E','F','G'};
    //克鲁斯卡尔算法的邻接矩阵
    int matrix[][] = {
            {0,12,INF,INF,INF,16,14},
            {12,0,10,INF,INF,7,INF},
            {INF,10,0,3,5,6,INF},
            {INF,INF,3,0,4,INF,INF},
            {INF,INF,5,4,0,2,8},
            {16,7,6,INF,2,0,9},
            {14,INF,INF,INF,8,9,0}
    };

    //创建KruskalCase对象
    KruskalCase kruskalCase = new KruskalCase(vertexs, matrix);
    kruskalCase.print();
    System.out.println("xx" + Arrays.toString(kruskalCase.getEdges()));
    kruskalCase.kruskal();
}

//构造器
public KruskalCase(char[] vertexs,int[][] matrix){
    //初始化顶点数和边的个数
    int vlen = vertexs.length;

    //初始化顶点
    this.vertexs = new char[vlen];
    for (int i = 0; i < vertexs.length; i++) {
        this.vertexs[i] = vertexs[i];
    }

    //初始化边,使用的是复制拷贝的方式
    this.matrix = new int[vlen][vlen];
    for (int i = 0; i < vlen; i++) {
        for (int j = 0; j < vlen; j++) {
            this.matrix[i][j] = matrix[i][j];
        }
    }

    //统计边
    for (int i = 0; i < vlen; i++) {
        for (int j = i + 1; j < vlen; j++) {
            if (this.matrix[i][j] != INF){
                edgeNum++;
            }
        }
    }
}

//打印邻接矩阵
public void print(){
    System.out.println("邻接矩阵为:\n");
    for (int i = 0; i < vertexs.length; i++) {
        for (int j = 0; j < vertexs.length; j++) {
            System.out.printf("%10d",matrix[i][j]);
        }
        System.out.println();
    }
}

/**
 * 功能:对边进行排序处理,冒泡排序
 * @param edges 边的集合
 */
private void sortEdges(EData[] edges){
    for (int i = 0; i < edges.length; i++) {
        for (int j = 0; j < edges.length - 1 - i; j++) {
            if (edges[j].weight >edges[j + 1].weight){ //交换
                EData tmp = edges[j];
                edges[j] = edges[j + 1];
                edges[j + 1] = tmp;
            }
        }
    }
}

/**
 *
 * @param ch
 * @return
 */
private int getPosition(char ch){
    for (int i = 0; i < vertexs.length; i++) {
        if (vertexs[i] == ch){
            return i;
        }
    }
    //找不到
    return -1;
}

/**
 * 功能:获取图中边,放到EData[]数组中,后面我们需要遍历该数组
 * 是通过matrix 邻接矩阵来获取
 * EData[]  形式[['A],'B',12],
 * @return
 */
private EData[] getEdges(){
    int index = 0;
    EData[] edges = new EData[edgeNum];
    for (int i = 0; i < vertexs.length; i++) {
        for (int j = i + 1; j < vertexs.length; j++) {
            if (matrix[i][j] != INF){
                edges[index++] = new EData(vertexs[i],vertexs[j],matrix[i][j]);
            }
        }
    }
    return edges;
}

/**
 * 功能:获取下标为i的顶点终点(),用于后面判断两个顶点的终点是否相同
 * @param ends  数组就是记录了各个顶点对应的终点是哪个。end数组是在遍历过程中逐步形成的
 * @param i 表示传入的顶点对应的下标
 * @return 返回的就是下标为i的这个顶点对应的终点下标
 */
private int getEnd(int[] ends,int i){
    while (ends[i] != 0){
        i = ends[i];
    }
    return i;
}

//
public void kruskal(){
    int index = 0; //表示最后结果数组的索引
    int[] ends = new int[edgeNum];//用于保存“已有生成树"中的每个顶点在最小生成树中的终点
    //创建结果数组,保存最后的最小生成树
    EData[] rets = new EData[edgeNum];

    //获取图中,所有的边的集合,一共有12边
    EData[] edges = getEdges();
    System.out.println("图的边的集合=" + Arrays.toString(edges) + "共" + edges.length);

    //按照边的权值排序。从小到大
    sortEdges(edges);

    //遍历edges数组,将边添加到最小生成树时,判断准备加入的边是否形成回路,如果没有,就加入rets,否则不能加入
    for (int i = 0; i < edgeNum; i++) {
        //获取到第i条边的第一个顶点(起点)
        int p1 = getPosition(edges[i].start);
        //获取到第i条边的第二个顶点
        int p2 = getPosition(edges[i].end);

        //获取p1这个顶点在已有的最小生成树中的终点
        int m = getEnd(ends,p1);
        //获取p2这个顶点在已有最小生成树的终点
        int n = getEnd(ends,p2);
        //是否构成回路
        if (m != n){ //没有构成回路
            ends[m] = n;
            rets[index++] = edges[i];//有一条边加入到rets数组
        }
    }

    //统计并打印"最小生成树"输出rets
    System.out.println("最小的生成树为");
    for (int i = 0; i < index; i++) {
        System.out.println(rets[i]);
    }
}

}

//创建一个类EData,它的对象实例就表示一条边
class EData{

char start; //边的一个点
char end; //边的另一个点
int weight; //边的权值

//构造器
public EData(char start,char end, int weight){
    this.start = start;
    this.end = end;
    this.weight = weight;
}

//重写toString,便于输出边
@Override
public String toString() {
    return "EData{" +
            "start=" + start +
            ", end=" + end +
            ", weight=" + weight +
            '}';
}

}

相关文章
|
4月前
|
机器学习/深度学习 算法 数据挖掘
算法金 | 欧氏距离算法、余弦相似度、汉明、曼哈顿、切比雪夫、闵可夫斯基、雅卡尔指数、半正矢、Sørensen-Dice
**摘要:** 了解9种距离和相似度算法:欧氏距离、余弦相似度、汉明距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、雅卡尔指数、半正矢距离和Sørensen-Dice系数。这些算法在机器学习、文本分析、图像处理和生物学等领域各有应用。例如,欧氏距离用于KNN和K-Means,余弦相似度用于文本相似性,汉明距离在错误检测中,曼哈顿距离在数据挖掘,切比雪夫距离在棋盘游戏,闵可夫斯基距离通过调整参数适应不同场景,雅卡尔指数和Sørensen-Dice系数用于集合相似度。每种算法有其优缺点,如欧氏距离对异常值敏感,余弦相似度忽略数值大小,汉明距离仅适用于等长数据。
135 2
算法金 | 欧氏距离算法、余弦相似度、汉明、曼哈顿、切比雪夫、闵可夫斯基、雅卡尔指数、半正矢、Sørensen-Dice
|
监控 算法
转:克鲁斯卡尔算法在文档管理软件中应用使其更加高效
克鲁斯卡尔算法是一种用于解决最小生成树问题的贪心算法。在文档管理软件中,可以将网络节点之间的连接关系抽象为一张图,然后使用克鲁斯卡尔算法来寻找最小生成树,即最小的连接所有节点的路径。
88 0
|
存储 算法 搜索推荐
克鲁斯卡尔算法
克鲁斯卡尔算法
|
存储 算法 数据可视化
转:电子文档管理系统中应用克鲁斯卡尔算法有什么作用
克鲁斯卡尔算法是一种求解最小生成树问题的算法,其在电子文档管理系统中可以用于优化文档的管理和存储。
68 0
|
存储 算法 数据可视化
转:克鲁斯卡尔算法在电子文档管理系统中的应用
克鲁斯卡尔算法能够找到连接所有节点的最小生成树,从而找到最优解。在电子文档管理系统中,这意味着可以通过算法找到最佳的文档组织方式,提高文档检索的效率和精度。
311 0
|
算法 C++
蓝桥杯(聪明的猴子)克鲁斯卡尔算法最小生成树
蓝桥杯(聪明的猴子)克鲁斯卡尔算法最小生成树
108 0
|
监控 算法
转:克鲁斯卡尔算法在电脑监控软件中的应用
在电脑监控软件中,使用克鲁斯卡尔算法可以帮助管理员更好地了解整个网络的拓扑结构,找出网络中潜在的问题和风险点。
321 0
|
算法
Kruskal算法(克鲁斯卡尔)最小生成树
Kruskal算法(克鲁斯卡尔)最小生成树
143 0
|
1月前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
9天前
|
算法 数据安全/隐私保护 索引
OFDM系统PAPR算法的MATLAB仿真,对比SLM,PTS以及CAF,对比不同傅里叶变换长度
本项目展示了在MATLAB 2022a环境下,通过选择映射(SLM)与相位截断星座图(PTS)技术有效降低OFDM系统中PAPR的算法实现。包括无水印的算法运行效果预览、核心程序及详尽的中文注释,附带操作步骤视频,适合研究与教学使用。
下一篇
无影云桌面