查找最小生成树:克鲁斯克尔算法(Kruskal)算法
一、算法介绍
Kruskal算法是一种用来查找最小生成树的算法,由Joseph Kruskal在1956年发表。用来解决同样问题的还有Prim算法和Boruvka算法等。三种算法都是贪心算法的应用。和Boruvka算法不同的地方是,Kruskal 算法在图中存在相同权值的边时也有效。最小生成树是一副连通加权无向图中一棵权值最小的生成树(minimum spanning tree,简称MST)。生成树的权重是赋予生成树的每条边的权重之和。最小生成树具有 (V – 1) 个边,其中 V 是给定图中的顶点数。关于最小生成树,它可以应用在网络设计、NP难题之类的问题,还可以用于聚类分析,还可以间接应用于其他问题。
二、Kruskal算法查找MST的步骤
按权重的顺序方式来对所有边进行排序。
选择权重最小的边。检查它是否与形成的生成树形成一个循环。如果未形成循环,则包括该边。否则,将其丢弃。
重复步骤2,直到生成树中有(V-1)个边。
这个算法是贪婪算法。“贪婪的选择”是选择迄今为止不会造成MST成环的最小的权重边。下面来一个例子来理解:
该图包含9个顶点(V)和14个边(E)。因此,形成的最小生成树将具有(9 – 1)= 8 个边。
步骤1:每条边按顺序来排序
/** * 排序后: * 权重-src-dest * 1 6 7 * 2 2 8 * 2 5 6 * 4 0 1 * 4 2 5 * 6 6 8 * 7 2 3 * 7 7 8 * 8 0 7 * 8 1 2 * 9 3 4 * 10 4 5 * 11 1 7 * 14 3 5 */
步骤2+步骤3::利用按权重排好序的边数组,每次选取最小边,并检测是否成环。MST不能有环,所以这里涉及一个并查集的概念,并查集是对这个 Kruskal 算法进行优化的。
1)数组中一个接一个地选取所有边。选取边6-7:不形成循环,将其包括在内。
2)选取边2-8:不形成循环,将其包括在内。
3)选取边5-6:不形成循环,将其包括在内。
4)选取边0-1:不形成循环,将其包括在内。
5)选取边2-5:不形成循环,将其包括在内。
6)选取边6-8:由于包括该边会导致成环,因此将其丢弃。
7)选取边2-3:不形成循环,将其包括在内。
8)选取边7-8:由于包括该边会导致循环,因此请将其丢弃。
9)选取边0-7:不形成循环,将其包括在内。
10)选取边1-2:由于包括该边会导致循环,因此请将其丢弃。
11)选取边3-4:不形成循环,将其包括在内。
由于包含的边数等于(V – 1),因此算法结束。
三、算法代码
并查集:
在计算机科学中,并查集是一种树型的数据结构,用于处理一些不交集(Disjoint Sets)的合并及查询问题。有一个联合-查找算法(union-find algorithm)定义了两个用于此数据结构的操作:
Find
:确定元素属于哪一个子集。它可以被用来确定两个元素是否属于同一子集。Union
:将两个子集合并成同一个集合。
并查集树是一种将每一个集合以树表示的数据结构,其中每一个节点保存着到它的父节点的引用。
在并查集树中,每个集合的代表即是集合的根节点。“查找”根据其父节点的引用向根行进直到到底树根。“联合”将两棵树合并到一起,这通过将一棵树的根连接到另一棵树的根。实现这样操作的一种方法是:
查找元素 i 的集合,根据其父节点的引用向根行进直到到底树根:
private int find(Subset[] subsets, int i) { if (subsets[i].parent != i) subsets[i].parent = find(subsets, subsets[i].parent); // 路径压缩,找到最久远的祖先时“顺便”把它的子孙直接连接到它上面 return subsets[i].parent; }
将两组不相交集合 x 和 y 进行并集,找到其中一个子集最父亲的父亲(也就是最久远的祖先),将另外一个子集的最久远的祖先的父亲指向它:
public void union(Subset[] subsets, int x, int y) { int xroot = find(subsets, x); int yroot = find(subsets, y); /* 在高秩树的根下附加秩低树(按秩划分合并) */ if (subsets[xroot].rank < subsets[yroot].rank) { subsets[xroot].parent = yroot; } else if (subsets[xroot].rank > subsets[yroot].rank){ subsets[yroot].parent = xroot; } else { // 当两棵秩同为r的树联合(作并集)时,它们的秩r+1 subsets[yroot].parent = xroot; subsets[xroot].rank++; } }
同时使用路径压缩、按秩(rank)合并优化的程序每个操作的平均时间仅为 O(α (n)),其中α (n) 是 n=f(x)=A(x, x) 的反函数,A 是急速增加的阿克曼函数。因为 α(n) 是其反函数,故 α (n) 在 n 十分巨大时还是小于 5。因此,平均运行时间是一个极小的常数。实际上,这是渐近最优算法。
Kruskal算法
使用算法的思想来构造MST。
/** * 使用Kruskal算法构造MST */ public void kruskalMST() { Edge[] result = new Edge[V]; // 将存储生成的MST int e = 0; // 用于result[]的索引变量 int i = 0; // 用于排序的边缘索引变量 for (i = 0; i < V; ++i) { result[i] = new Edge(); } /* 步骤一:对点到点的边的权重进行排序 */ Arrays.sort(edges); /* 创建V个子集*/ Subset[] subsets = new Subset[V]; for (i = 0; i < V; i++) { subsets[i] = new Subset(); } /* 使用单个元素创建V子集 */ for (int v = 0; v < V; v++) { subsets[v].parent = v; subsets[v].rank = 0; // 单元素的树的秩定义为0 } /* 用于挑选下一个边的索引 */ i = 0; while (e < V-1) { /* 步骤2:选取最小的边缘, 并增加下一次迭代的索引 */ Edge next_edge = edges[i++]; int x = find(subsets, next_edge.src); int y = find(subsets, next_edge.dest); /* 如果包括此边不引起mst成环(树本无环),则将其包括在结果中并为下一个边增加结果索引存下一条边 */ /* 这里判断两个元素是否属于一个子集 */ if (x != y) { result[e++] = next_edge; union(subsets, x, y); } /* 否则丢弃next_edge */ } /* 打印result[]的内容以显示里面所构造的MST */ System.out.println("Following are the edges in the constructed MST"); for (i = 0; i < e; ++i) { System.out.println(result[i].src + " -- " + result[i].dest + " == " + result[i].weight); } }
平均时间复杂度为O (|E|·log |V|),其中 E 和 V 分别是图的边集和点集。
本文源代码:
package algorithm.mst; import java.util.Arrays; public class KruskalAlgorithm { /* 顶点数和边数 */ private int V, E; /* 所有边的集合 */ private Edge[] edges; /** * 创建一个V个顶点和E条边的图 * * @param v * @param e */ public KruskalAlgorithm(int v, int e) { V = v; E = e; edges = new Edge[E]; for (int i = 0; i < e; i++) { edges[i] = new Edge(); } } /** * 查找元素i的集合(路径压缩) * 根据其父节点的引用向根行进直到到底树根 * * @param subsets * @param i * @return */ private int find(Subset[] subsets, int i) { if (subsets[i].parent != i) subsets[i].parent = find(subsets, subsets[i].parent); // 路径压缩,找到最久远的祖先时“顺便”把它的子孙直接连接到它上面 return subsets[i].parent; } /** * 将两组不相交集合x和y进行并集(按秩合并) * 这个方法找到其中一个子集最父亲的父亲(也就是最久远的祖先),将另外一个子集的最久远的祖先的父亲指向它。 * <p> * 并查集树的最基础的表示方法,这个方法不会比链表法好, * 这是因为创建的树可能会严重不平衡。 * 所以采用“按秩合并”来优化。 * </p> * <p> * 即总是将更小的树连接至更大的树上。因为影响运行时间的是树的深度, * 更小的树添加到更深的树的根上将不会增加秩除非它们的秩相同。 * 在这个算法中,术语“秩”替代了“深度”,因为同时应用了路径压缩时秩将不会与高度相同。 * </p> * * @param subsets * @param x * @param y */ public void union(Subset[] subsets, int x, int y) { int xroot = find(subsets, x); int yroot = find(subsets, y); /* 在高秩树的根下附加秩低树(按秩划分合并) */ if (subsets[xroot].rank < subsets[yroot].rank) { subsets[xroot].parent = yroot; } else if (subsets[xroot].rank > subsets[yroot].rank){ subsets[yroot].parent = xroot; } else { // 当两棵秩同为r的树联合(作并集)时,它们的秩r+1 subsets[yroot].parent = xroot; subsets[xroot].rank++; } } /** * 使用Kruskal算法构造MST */ public void kruskalMST() { Edge[] result = new Edge[V]; // 将存储生成的MST int e = 0; // 用于result[]的索引变量 int i = 0; // 用于排序的边缘索引变量 for (i = 0; i < V; ++i) { result[i] = new Edge(); } /* 步骤一:对点到点的边的权重进行排序 */ Arrays.sort(edges); /* 创建V个子集*/ Subset[] subsets = new Subset[V]; for (i = 0; i < V; i++) { subsets[i] = new Subset(); } /* 使用单个元素创建V子集 */ for (int v = 0; v < V; v++) { subsets[v].parent = v; subsets[v].rank = 0; // 单元素的树的秩定义为0 } /* 用于挑选下一个边的索引 */ i = 0; while (e < V-1) { /* 步骤2:选取最小的边缘, 并增加下一次迭代的索引 */ Edge next_edge = edges[i++]; int x = find(subsets, next_edge.src); int y = find(subsets, next_edge.dest); /* 如果包括此边不引起mst成环(树本无环),则将其包括在结果中并为下一个边增加结果索引存下一条边 */ /* 这里判断两个元素是否属于一个子集 */ if (x != y) { result[e++] = next_edge; union(subsets, x, y); } /* 否则丢弃next_edge */ } /* 打印result[]的内容以显示里面所构造的MST */ System.out.println("Following are the edges in the constructed MST"); for (i = 0; i < e; ++i) { System.out.println(result[i].src + " -- " + result[i].dest + " == " + result[i].weight); } } public static void main(String[] args) { /** * 排序后: * 权重-src-dest * 1 6 7 * 2 2 8 * 2 5 6 * 4 0 1 * 4 2 5 * 6 6 8 * 7 2 3 * 7 7 8 * 8 0 7 * 8 1 2 * 9 3 4 * 10 4 5 * 11 1 7 * 14 3 5 */ int V = 9; int E = 14; KruskalAlgorithm graph = new KruskalAlgorithm(V, E); /* 另一个用例的图: 1 --- 2 --- 3 / | | \ | 151 0 | 8 \ | 4 \ | / | \ | / 7 --- 6 --- 5 */ // 添加边 0-1 graph.edges[0].src = 0; graph.edges[0].dest = 1; graph.edges[0].weight = 4; // 添加边 0-7 graph.edges[1].src = 0; graph.edges[1].dest = 7; graph.edges[1].weight = 8; // 添加边 1-2 graph.edges[2].src = 1; graph.edges[2].dest = 2; graph.edges[2].weight = 8; // 添加边 1-7 graph.edges[3].src = 1; graph.edges[3].dest = 7; graph.edges[3].weight = 11; // 添加边 2-3 graph.edges[4].src = 2; graph.edges[4].dest = 3; graph.edges[4].weight = 7; // 添加边 2-5 graph.edges[5].src = 2; graph.edges[5].dest = 5; graph.edges[5].weight = 4; // 添加边 2-8 graph.edges[6].src = 2; graph.edges[6].dest = 8; graph.edges[6].weight = 2; // 添加边 3-4 graph.edges[7].src = 3; graph.edges[7].dest = 4; graph.edges[7].weight = 9; // 添加边 3-5 graph.edges[8].src = 3; graph.edges[8].dest = 5; graph.edges[8].weight = 14; // 添加边 4-5 graph.edges[9].src = 4; graph.edges[9].dest = 5; graph.edges[9].weight = 10; // 添加边 5-6 graph.edges[10].src = 5; graph.edges[10].dest = 6; graph.edges[10].weight = 2; // 添加边 6-7 graph.edges[11].src = 6; graph.edges[11].dest = 7; graph.edges[11].weight = 1; // 添加边 6-8 graph.edges[12].src = 6; graph.edges[12].dest = 8; graph.edges[12].weight = 6; // 添加边 7-8 graph.edges[13].src = 7; graph.edges[13].dest = 8; graph.edges[13].weight = 7; graph.kruskalMST(); /* 用例通过算法得出的MST如下: 1 2 -- 3 / | \ 231 0 8 \ 4 \ 233 7 -- 6 -- 5 */ } /** * 每条边的信息,实现了{@link Comparable}接口, * 可以使用{@link Arrays}的方法随其边的权重的集合进行自然排序。 */ class Edge implements Comparable<Edge> { /* 这条边的两个顶点和它的权重 */ private int src, dest, weight; @Override public int compareTo(Edge o) { return this.weight - o.weight; } } /** * 联合查找子集的类 */ class Subset { /* 其祖先和秩 */ private int parent, rank; } }
相关推荐
一颗有n个顶点的生成树有且仅有n-1条边,如果生成树中再添加一条边,则必定成环。此算法可以称为“加边法”,初始最小生成树边数为0,每迭代一次就选择一条满足条件的最小代价边,加入到最小生成树的边集合里。