算法6:克鲁斯卡尔算法
目录
- 1. 应用场景-公交站问题
- 2. 克鲁斯卡尔算法介绍
- 3. 克鲁斯卡尔算法图解说明
- 3.1 克鲁斯卡尔算法图解
- 3.2 克鲁斯卡尔算法分析
- 3.3 如何判断是否构成回路
- 4. 代码实现
1. 应用场景-公交站问题
- 看一个应用场景和问题:
- 某城市新增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?
2. 克鲁斯卡尔算法介绍
- 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从中选择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
3. 克鲁斯卡尔算法图解说明
以城市公交站问题来图解说明 克鲁斯卡尔算法的原理和步骤:
在含有n个顶点的连通图中选择n-1条边,构成一棵极小连通子图,并使该连通子图中n-1条边上权值之和达到最小,则称其为连通网的最小生成树。
例如,对于如上图所示的连通网可以有多棵权值总和不相同的生成树。
3.1 克鲁斯卡尔算法图解
- 以上图为例,来对克鲁斯卡尔进行演示,用数组R保存最小生成树结果
- 第1步:将边<E,F>加入R中。
边<E,F>的权值最小,因此将它加入到最小生成树结果R中。 - 第2步:将边<C,D>加入R中。
上一步操作之后,边<C,D>的权值最小,因此将它加入到最小生成树结果R中。 - 第3步:将边<D,E>加入R中。
上一步操作之后,边<D,E>的权值最小,因此将它加入到最小生成树结果R中。 - 第4步:将边<B,F>加入R中。
上一步操作之后,边<C,E>的权值最小,但<C,E>会和已有的边构成回路;因此,跳过边<C,E>。同理,跳过边<C,F>。将边<B,F>加入到最小生成树结果R中。 - 第5步:将边<E,G>加入R中。
上一步操作之后,边<E,G>的权值最小,因此将它加入到最小生成树结果R中。 - 第6步:将边<A,B>加入R中。
上一步操作之后,边<F,G>的权值最小,但<F,G>会和已有的边构成回路;因此,跳过边<F,G>。同理,跳过边<B,C>。将边<A,B>加入到最小生成树结果R中。 - 此时,最小生成树构造完成!它包括的边依次是:<E,F> <C,D> <D,E> <B,F> <E,G> <A,B>。
3.2 克鲁斯卡尔算法分析
- 根据前面介绍的克鲁斯卡尔算法的基本思想和做法,我们能够了解到,克鲁斯卡尔算法重点需要解决的以下两个问题:
- 问题一 对图的所有边按照权值大小进行排序。
- 问题二 将边添加到最小生成树中时,怎么样判断是否形成了回路。
- 问题一很好解决,采用排序算法进行排序即可。
- 问题二,处理方式是:记录顶点在"最小生成树"中的终点,顶点的终点是"在最小生成树中与它连通的最大顶点"。然后每次需要将一条边添加到最小生存树时,判断该边的两个顶点的终点是否重合,重合的话则会构成回路。
3.3 如何判断是否构成回路
举例说明,如图在将<E,F> <C,D> <D,E>加入到最小生成树R中之后,这几条边的顶点就都有了终点:
(01) C的终点是F。
(02) D的终点是F。
(03) E的终点是F。
(04) F的终点是F。关于终点的说明:
1)就是将所有顶点按照从小到大的顺序排列好之后;某个顶点的终点就是"与它连通的最大顶点"。
2)因此,接下来,虽然<C,E>是权值最小的边。但是C和E的终点都是F,即它们的终点相同,因此,将<C,E>加入最小生成树的话,会形成回路。这就是判断回路的方式。也就是说,我们新加入的边的两个顶点不能都指向同一个终点,否则将构成回路。
4. 代码实现
import java.util.Arrays;public class KruskalAlgorithm {// 边的个数private int edgeNum;// 顶点的个数private char[] vertexs;// 邻接矩阵private int[][] matrix;// 使用INF表示两个顶点不能连通public 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[][] = {/*A*//*B*//*C*//*D*//*E*//*F*//*G*//*A*/ { 0, 12, INF, INF, INF, 16, 14},/*B*/ { 12, 0, 10, INF, INF, 7, INF},/*C*/ { INF, 10, 0, 3, 5, 6, INF},/*D*/ { INF, INF, 3, 0, 4, INF, INF},/*E*/ { INF, INF, 5, 4, 0, 2, 8},/*F*/ { 16, 7, 6, INF, 2, 0, 9},/*G*/ { 14, INF, INF, INF, 8, 9, 0}};KruskalAlgorithm kruskalAlgorithm = new KruskalAlgorithm(vertexs, matrix);// 输出矩阵kruskalAlgorithm.print();kruskalAlgorithm.kruskal();}// 构造器public KruskalAlgorithm(char[] vertexs, int[][] matrix) {// 初始化顶点的个数int vlen = vertexs.length;// 初始化顶点this.vertexs = vertexs;// 初始化边this.matrix = matrix;// 统计边的条数,只需要统计矩阵右上三角形的值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:");for (int i = 0; i < vertexs.length; i++) {for (int j = 0; j < vertexs.length; j++) {System.out.printf("%12d", matrix[i][j]);}System.out.println();}}/*** 对边进行排序处理** @param edges 边的集合*/public void sortEdges(EData[] edges) {for (int i = 0; i < edges.length - 1; 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;}}}}/*** 查询ch顶点对应的下标,如果找不到返回-1** @param ch 顶点的值,比如'A','B'* @return*/private int getPosition(char ch) {for (int i = 0; i < vertexs.length; i++) {if (vertexs[i] == ch) {return i;}}return -1;}/*** 获取图中的边,放到EData[]数组中,后面需要遍历数组* 通过matrix邻接矩阵获取* EData[]形式 [['A','B', 12], ['B','F',7], .....]** @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;}/*** 获取下标为i的顶点的终点,用于后面判断两个顶点的终点是否相同** @param ends 记录各个顶点对应的终点是哪个,ends需要在遍历过程中逐步形成;如果ends[i]为0,则返回i本身* @param i 传入顶点对应的下标* @return 下标为i的顶点对应的终点的下标*/private int getEnd(int[] ends, int i) {// 这个循环可以找到以i为下标的顶点的最终的终点// 比如在准备添加边CE时,通过循环会发现c的终点是d(ends[2]=3,i被赋值为3),d的终点是f(ends[3]=5,i被赋值为5)// 但是ends[5]=0,则return 5,得到结果5,即c的终点是f;// 而e的终点ends[4]=5,即e的终点也是f// 而在遍历过程中形成ends[]时,只需要对当前边的头结点赋值终点,而不能对尾结点赋值终点// 因为ends[]中最终的终点是终点本身i,因为ends[i] != 0则会return iwhile (ends[i] != 0) {i = ends[i];}return i;}public void kruskal() {// 表示最后结果数组的索引int index = 0;// 用于保存已有最小生成树中每个顶点在最小生成树中的终点int[] ends = new int[vertexs.length];// 创建结果数组,保存最后的最小生成树EData[] rets = new EData[vertexs.length];// 获取图中所有边的集合EData[] edges = getEdges();System.out.println("图的边的集合=" + Arrays.toString(edges) + " 共" + edges.length);// 按照边的权值大小进行排序(从小到大)sortEdges(edges);System.out.println("ends[]数组:");System.out.println(Arrays.toString(vertexs));// 遍历edges数组,将边添加到最小生成树中时,判断准备加入的边是否形成了回路// 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(头结点)int p1 = getPosition(edges[i].start);// 获取到第i条边的第二个顶点(尾结点)int p2 = getPosition(edges[i].end);// 获取p1这个顶点在已有最小生成树中的终点(如果不存在,则这个结点的终点就是它自己)int m = getEnd(ends, p1);// 获取p2这个顶点在已有最小生成树中的终点(如果不存在,则这个结点的终点就是它自己)int n = getEnd(ends, p2);// 如果没有形成回路,if (m != n) {// 将这条边加入到最小生成树的数组中rets[index++] = edges[i];// 然后把尾结点的终点赋值给头结点的终点,让头结点的终点指向尾结点的终点(即头、尾节点最终需要指向同一个结点)ends[m] = n;System.out.println(Arrays.toString(ends));}}//<E,F> <C,D> <D,E> <B,F> <E,G> <A,B>// 统计并打印 最小生成树System.out.println("最小生成树为");for (int i = 0; i < index; i++) {System.out.println(rets[i]);}}}// 创建一个类用来表示一条边
class EData {// 边的头结点char start;// 边的尾结点char end;// 边的权值int weight;public EData(char start, char end, int weight) {this.start = start;this.end = end;this.weight = weight;}@Overridepublic String toString() {return "EData{<" + start + ", " + end + "> =" + weight + "}";}
}
- 结果打印
邻接矩阵为:0 12 2147483647 2147483647 2147483647 16 1412 0 10 2147483647 2147483647 7 21474836472147483647 10 0 3 5 6 21474836472147483647 2147483647 3 0 4 2147483647 21474836472147483647 2147483647 5 4 0 2 816 7 6 2147483647 2 0 914 2147483647 2147483647 2147483647 8 9 0
图的边的集合=[EData{<A, B> =12}, EData{<A, F> =16}, EData{<A, G> =14}, EData{<B, C> =10}, EData{<B, F> =7}, EData{<C, D> =3}, EData{<C, E> =5}, EData{<C, F> =6}, EData{<D, E> =4}, EData{<E, F> =2}, EData{<E, G> =8}, EData{<F, G> =9}] 共12
[A, B, C, D, E, F, G]
[0, 0, 0, 0, 5, 0, 0]
[0, 0, 3, 0, 5, 0, 0]
[0, 0, 3, 5, 5, 0, 0]
[0, 5, 3, 5, 5, 0, 0]
[0, 5, 3, 5, 5, 6, 0]
[6, 5, 3, 5, 5, 6, 0]
最小生成树为
EData{<E, F> =2}
EData{<C, D> =3}
EData{<D, E> =4}
EData{<B, F> =7}
EData{<E, G> =8}
EData{<A, B> =12}
算法6:克鲁斯卡尔算法相关推荐
- 最小生成树(普利姆算法、克鲁斯卡尔算法)
给定一个带权的无向连通图,如何选取一棵生成树,使树上所有边上权的总和为最小,这叫最小生成树. 求最小生成树的算法 (1) 克鲁斯卡尔算法 图的存贮结构采用边集数组,且权值相等的边在数组中排列次序可以是 ...
- 用c语言描述普里姆算法和克鲁斯卡尔算法,克鲁斯卡尔算法+普里姆算法 详解
克鲁斯卡尔算法: [1]克鲁斯卡尔算法 普里姆算法是以某顶点为起点,逐步找各顶点上最小权值的边来构建最小生成树. 克鲁斯卡尔算法是直接以边为目标去构建. 因为权值是在边上,直接去找最小权值的边来构建生 ...
- 普利姆算法和克鲁斯卡尔算法求解最小生成树
Q:最小生成树有什么用? A:譬如我要去五个城市旅游,每两个城市之间可能有路也可能没有,路的距离可能一样也可能不一样,随机从一个城市出发,我想要把每个城市走一遍,怎么样走过的路距离最短,比如我想从上海 ...
- 【数据结构】图的应用(普利姆算法、克鲁斯卡尔算法、迪杰斯特拉算法、弗洛伊德算法、拓扑排序)
最小生成树 什么是最小生成树 是一棵树 - 无回路 - |V|个顶点一定有|V|-1条边 是生成树 - 包含全部顶点 - |V|-1条边全在图里 贪心算法 什么是"贪":每一步都要 ...
- 最小生成树——普里姆算法和克鲁斯卡尔算法
最小生成树 用来解决工程中的代价问题. 一:普里姆算法 具体代码用C语言实现如下: typedef int VRType;typedef char InfoType;#define MAX_NAME ...
- 【算法】克鲁斯卡尔算法
1.概述 视频地址:克鲁斯卡尔算法 下面看一个场景和问题 某城市新增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 ...
- 两种构造最小生成树的算法(普里姆算法,克鲁斯卡尔算法)
(一)普里姆算法 普里姆算法求最小生成树:从生成树中只有一个顶点开始,到定点全部进入生成数为止: 2.克鲁斯卡尔算法. 思想:将所有边按其权值从小到大排一遍,从小到大依次选取边,加入最小生成树中,若加 ...
- 十大算法之克鲁斯卡尔算法
克鲁斯卡尔算法介绍 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 ...
- 普利姆算法和克鲁斯卡尔算法解决最小生成树问题
什么是最小生成树? 最小生成树(Minimum Cost Spanning Tree),简称MST. 最小生成树要求图是连通图.连通图指图中任意两个顶点都有路径相通,通常指无向图.理论上如果图是有向. ...
- 数据结构与算法|最小生成树算法(普里姆算法、克鲁斯卡尔算法)
最小生成树算法 C语言代码部分来自小甲鱼的<数据结构与算法> 文章目录 最小生成树算法 一.普里姆(Prim)算法 1.C语言代码 2.算法思路 二.克鲁斯卡尔(Kruskal)算法 1. ...
最新文章
- oracle表决盘奇数,Oracle 的OCR,表决盘与ASM SPFILE恢复方法
- 信息系统项目管理师-信息系统范围管理核心知识点思维脑图
- SAP CRM WebClient UI element id generation logic
- 笨办法学 Python · 续 中文版
- linux系统调用是通过软中断实现的吗
- idea中刷新maven依赖,总是拉不下来
- HDU 2076 夹角有多大(题目已修改,注意读题)
- Facebook是如何大幅提升TLS连接效率的?
- 读《你的灯亮这么》---走出问题的乌托邦
- 华为NP课程笔记23-VRRP
- 软件开发成本评估怎么做?软件开发成本评估从哪些方面进行?
- 201671030113 词频统计软件项目报告
- PostgreSQL 逻辑复制插件 UDR,可以愉快的玩类似MySQL的binlog复制了。
- 计算机一级插入页码,同一篇文档中插入相同页码的小技巧
- 基于CAD纵断面图生成地质体模型
- 能一次性管理10--20个群的微信群机器人助手到底有多好用!
- 杰瑞·卡普兰:人工智能的本质是自动化 而非智能化
- convs在MATLAB中,vscon美瞳
- 读取工艺路线BAPI
- 零基础入门 Unity 之 UGUI 详解专栏 | 寻找C站宝藏