一个有n个极点的连通图的生成树独有n-1条边

作者:必赢体育官方

连带介绍:

 依据树的表征可以预知,连通图的生成树是图的极小连通子图,它饱含图中的全体尖峰,但唯有结合生龙活虎棵树的边;生成树又是图的大而无当无回门路图,它的边集是涉嫌图中的全部终端而又从不变成回路的边。

 三个有n个极点的连通图的生成树只有n-1条边。若有n个极点而简单n-1条边,则是非连通图(将其想成有n个极点的一条链,则其为连通图的准则是至罕见n-1条边);若多于n-1条边,则终将产生回路。值得注意的是,有n-1条边的生成子图,并不一定是生成树。此处,介绍贰个定义。:指的是边带有权值的图。

 在八个网的持有生成树中,权值总和最小的生成树,称之为最小代价生成树,也叫做最小生成树。

最小生成树:

 依据生成树的定义,具有n个极点的连通图的生成树,有n个极点和n-1条边。由此,构造最小生成树的守则有以下3条:

  1. 一定要选取图中的边构造最小生成树
  2. 当且仅当使用n-1条边来连接图中的n个极点
  3. 无法运用产生回路的边

急需潜心的某个是,尽管最小生成树一定期存款在,但其并不一定是唯豆蔻梢头的。以下介绍求图的最小生成树的三个独立的算法,分别为克RussCarl算法(kruskal)和普Rim算法(prim)

克RussCarl(Kruskal)算法:

 克RussCarl算法是基于边的权值递增的点子,依次找寻权值最小的边塑造的最小生成树,何况规定每一趟新扩展的边,不能够形成生成树有回路,直到找到n-1条边甘休。

着力考虑:设图G=(V,E卡塔 尔(英语:State of Qatar)是三个兼有n个极点的交接无向网,T=(V,TE卡塔 尔(阿拉伯语:قطر‎是图的最小生成树,此中V是T的极点集,TE是T的边集,则构造最小生成树的具体步骤如下:

  1. T的启幕状态为T=(V,空集卡塔 尔(英语:State of Qatar),即起初时,最小生成树T是图G的生成零图

  2. 将图G中的边依照权值从小到大的相继依次接受,若接收的边未使生成树T形成回路,则踏入TE中,不然放弃,直至TE中隐含了n-1条边甘休

下图演示克RussCarl算法的结构最小生成树的长河:

图片 1

其暗意代码如下:

有关代码

package all_in_tree;

import java.util.Comparator;
import java.util.PriorityQueue;
import java.util.Queue;

import algorithm.PathCompressWeightQuick_Union;
import algorithm.UF;

/**
 * 该类用于演示克鲁斯卡尔算法的过程
 * @author 学徒
 *
 *由于每次添加一条边时,需要判断所添加的边是否会产生回路,而回路的产生,当且仅当边上的两个节点处在同一个连通
 *分支上,为此,可以使用Union-Find算法来判断边上的两个点是否处在同一个连通分支上
 *
 */
public class Kruskal
{
    //用于记录节点的数目
    private int nodeCount;
    //用于判断是否会形成回路
    private UF unionFind;
    //用优先级队列,每次最先出队的是其权值最小的边
    private Queue<Edge> q;
    //用于存储图的生成树
    private Edge[] tree;
    /**
     * 初始化一个图的最小生成树所需的数据结构
     * @param n 图的节点的数目
     */
    public Kruskal(int n)
    {
        this.nodeCount=n;
        tree=new Edge[n-1];
        unionFind=new PathCompressWeightQuick_Union(n);
        Comparator<Edge> cmp=new Comparator<Edge>()
        {
            @Override
            public int compare(Edge obj1,Edge obj2)
            {
                int obj1W=obj1.weight;
                int obj2W=obj2.weight;
                if(obj1W<obj2W)
                    return -1;
                else if(obj1W>obj2W)
                    return 1;
                else
                    return 0;
            }
        };
        q=new PriorityQueue<Edge>(11,cmp);
    }
    /**
     * 用于添加一条边
     * @param edge 所要进行添加的边
     */
    public void addEdge(Edge edge)
    {
        q.add(edge);
    }

    /**
     * 用于生成最小生成树
     * @return 最小生成树的边集合
     */
    public Edge[] getTree()
    {
        //用于记录加入图的最小生成树的边的数目
        int edgeCount=0;
        //用于得到最小生成树
        while(!q.isEmpty()&&edgeCount<this.nodeCount-1)
        {
            //每次取出权值最小的一条边
            Edge e=q.poll();
            //判断是否产生回路,当其不产生回路时,将其加入到最小生成树中
            int index1=unionFind.find(e.node1);
            int index2=unionFind.find(e.node2);
            if(index1!=index2)
            {
                tree[edgeCount++]=e;
                unionFind.union(e.node1, e.node2);
            }
        }
        return tree;
    }
}

/**
 * 测试用例所使用的类,该类的测试用例即为上图中中所示的Kruskal算法最小生成树的构造
 * 过程的示例图,且其节点编号从0开始,而不从1开始
 * @author 学徒
 *
 */
class Test
{
    public static void main(String[] args)
    {
        Kruskal k=new Kruskal(6);
        k.addEdge(new Edge(0,3,5));
        k.addEdge(new Edge(0,1,6));
        k.addEdge(new Edge(1,4,3));
        k.addEdge(new Edge(4,5,6));
        k.addEdge(new Edge(3,5,2));
        k.addEdge(new Edge(0,2,1));
        k.addEdge(new Edge(1,2,5));
        k.addEdge(new Edge(2,4,6));
        k.addEdge(new Edge(2,5,4));
        k.addEdge(new Edge(2,3,6));
        Edge[] tree=k.getTree();
        for(Edge e:tree)
        {
            System.out.println(e.node1+" --> "+e.node2+"  : "+e.weight);
        }
    }
}

/**
 * 图的边的数据结构
 * @author 学徒
 *
 */
class Edge
{
    //节点的编号
    int node1;
    int node2;
    //边上的权值
    int weight;

    public Edge()
    {
    }
    public Edge(int node1,int node2,int weight)
    {
        this.node1=node1;
        this.node2=node2;
        this.weight=weight;
    }
}


运行结果:
0 --> 2  : 1
3 --> 5  : 2
1 --> 4  : 3
2 --> 5  : 4
1 --> 2  : 5

ps:上述代码中所用到的Union-Find算法的相干代码及深入分析,请点击 K:Union-Find(并查集)算法 进行查看

分析 :该算法的时辰复杂度为O(elge卡塔尔,即克鲁Skar算法的实践时间重点决计于图的边数e,为此,该算法适用于针对稀疏图的操作

普Rim算法(Prim):

 为描述的有益,在介绍普Rim算法前,给出如下有关间隔的定义:

  1. 四个顶峰之间的相距:是指将极点u邻接到v的涉及边的权值,即为|u,v|。若八个极点之间无边相连,则这两极分化之间的离开为无穷大

  2. 终点到终点群集之间的间距:极点u到极点会集V之间的相距是指极点u到极限集结V中保有终端之间的离开中的最小值,即为|u,V|=(min|u,v| , vin V)

  3. 八个极点集合之间的距离:极点集结U到极限会集V的相距是指极点集结U到顶点集合V中有着终端之间的离开中的最小值,记为|U,V|=(min|u,V| , uin U)

基本构思:假若G=(V,E卡塔尔是二个负有n个极点的连通网,T=(V,TE卡塔尔国是网G的最小生成树。此中,V是Escort的极点集,TE是T的边集,则最小生成树的布局进程如下:从U={u0},TE=(varnothing)最先,必存在一条边(u,v),u(in U),v(in V-U),使得|u,v|=|U,V-U|,将(u,v卡塔 尔(英语:State of Qatar)参预集结TE中,相同的时候将极点v*投入极点集U中,直到U=V截至,那时候,TE中必有n-1条边(最小生成树存在的情事),最小生成树T构造完毕。下图演示了运用Prim算法构造最小生成树的进度

图片 2

其暗中提示代码如下:

有关代码

package all_in_tree;
/**
 * 该类用于演示Prim算法构造最小生成树的过程
 * @author 学徒
 *
 */
public class Prim
{
    //用于记录图中节点的数目
    private int nodeCount;
    //用于记录图的领接矩阵,其存储对应边之间的权值
    private int[][] graph;
    //用于记录其对应节点是否已加入集合U中,若加入了集合U中,则其值为true
    private boolean[] inU;
    //用于记录其生成的最小生成树的边的情况
    private Edge[] tree;
    //用于记录其下标所对的节点的编号相对于集合U的最小权值边的权值的情况
    private int[] min;
    //用于记录其下标所对的节点的最小权值边所对应的集合U中的节点的情况
    private int[] close;
    /**
     * 用于初始化
     * @param n 节点的数目
     */
    public Prim(int n)
    {
        this.nodeCount=n;
        this.graph=new int[n][n];
        //初始化的时候,将各点的权值初始化为最大值
        for(int i=0;i<n;i++)
        {
            for(int j=0;j<n;j++)
            {
                graph[i][j]=Integer.MAX_VALUE;
            }
        }
        this.inU=new boolean[n];
        this.tree=new Edge[n-1];
        this.min=new int[n];
        this.close=new int[n];
    }

    /**
     *用于为图添加一条边 
     * @param edge 边的封装类
     */
    public void addEdge(Edge edge)
    {
        int node1=edge.node1;
        int node2=edge.node2;
        int weight=edge.weight;
        graph[node1][node2]=weight;
        graph[node2][node1]=weight;
    }

    /**
     * 用于获取其图对应的最小生成树的结果
     * @return 由最小生成树组成的边的集合
     */
    public Edge[] getTree()
    {
        //用于将第一个节点加入到集合U中
        for(int i=1;i<nodeCount;i++)
        {
            min[i]=graph[0][i];
            close[i]=0;
        }
        inU[0]=true;
        //用于循环n-1次,每次循环添加一条边进最小生成树中
        for(int i=0;i<nodeCount-1;i++)
        {
            //用于记录找到的相对于集合U中的节点的最小权值的节点编号
            int node=0;
            //用于记录其相对于集合U的节点的最小的权值
            int mins=Integer.MAX_VALUE;
            //用于寻找其相对于集合U中最小权值的边
            for(int j=1;j<nodeCount;j++)
            {
                if(min[j]<mins&&!inU[j])
                {
                    mins=min[j];
                    node=j;
                }
            }
            //用于记录其边的情况
            tree[i]=new Edge(node,close[node],mins);
            //修改相关的状态
            inU[node]=true;
            //修改其相对于集合U的情况
            for(int j=1;j<nodeCount;j++)
            {
                if(!inU[j]&&graph[node][j]<min[j])
                {
                    min[j]=graph[node][j];
                    close[j]=node;
                }
            }
        }
        return tree;
    }
}

class Edge
{
    //节点的编号
    int node1;
    int node2;
    //边上的权值
    int weight;

    public Edge()
    {
    }
    public Edge(int node1,int node2,int weight)
    {
        this.node1=node1;
        this.node2=node2;
        this.weight=weight;
    }
}

/**
 * 测试用例所使用的类,该类的测试用例即为上图中中所示的Prim算法最小生成树的构造
 * 过程的示例图,且其节点编号从0开始,而不从1开始
 * @author 学徒
 *
 */
class Test
{
    public static void main(String[] args)
    {
        Prim k=new Prim(6);
        k.addEdge(new Edge(0,3,5));
        k.addEdge(new Edge(0,1,6));
        k.addEdge(new Edge(1,4,3));
        k.addEdge(new Edge(4,5,6));
        k.addEdge(new Edge(3,5,2));
        k.addEdge(new Edge(0,2,1));
        k.addEdge(new Edge(1,2,5));
        k.addEdge(new Edge(2,4,6));
        k.addEdge(new Edge(2,5,4));
        k.addEdge(new Edge(2,3,5));
        Edge[] tree=k.getTree();
        for(Edge e:tree)
        {
            System.out.println(e.node1+" --> "+e.node2+"  : "+e.weight);
        }
    }
}


运行结果如下:
2 --> 0  : 1
5 --> 2  : 4
3 --> 5  : 2
1 --> 2  : 5
4 --> 1  : 3

总结:kruskal算法的岁月复杂度与求解最小生成树的图中的边数有关,而prim算法的小时复杂度与求解最小生成树的图中的节点的数码有关。为此,Kruskal算法尤其适用于萧条图,而prim算法适用于稠密图。当e>=n^2时,kruskal算法比prim算法差,但当e=O(n^2)时,kruskal算法却比prim算法好得多。

回到目录|·(工)·卡塔尔

本文由必赢体育发布,转载请注明来源

关键词: