当前位置: 首页 > news >正文

数据结构:最小生成树—Prim(普里姆)与Kruskal(克鲁斯卡尔)算法

📌 目录

  • 最小生成树(MST)算法详解 👣
  • 一、引言 👀
    • 1. 问题背景 👂
    • 2. 算法概览 👃
  • 二、基础概念回顾 👅
    • 1. 图的术语 👄
    • 2. 贪心算法思想 💋
  • 三、Prim 算法详解 👓
    • 1. 算法思想 👔
    • 2. 图解示例 👕
    • 3. 算法步骤 👖
    • 4. 代码实现(伪代码) 👗
    • 5. 复杂度与适用场景 👘
  • 四、Kruskal 算法详解 👙
    • 1. 算法思想 👚
    • 2. 图解示例 👛
    • 3. 算法步骤 👜
    • 4. 代码实现(伪代码)👝
    • 5. 复杂度与适用场景 🎒
  • 五、对比与总结 💼
    • 1. 核心差异对比 👞
    • 2. 如何选择算法?👟
    • 3. 常见误区 👠


最小生成树(MST)算法详解 👣

一、引言 👀

1. 问题背景 👂

在图论中,最小生成树(Minimum Spanning Tree, MST) 是指在一个连通加权无向图中,找到一棵包含所有顶点的生成树,并且所有边的权值之和最小。MST 在现实世界中有广泛的应用,例如:

  • 网络设计(如光纤布线、通信网络优化)
  • 电路布线(减少电路板连接成本)
  • 交通规划(优化城市道路或铁路连接)

为什么需要最小生成树?
在连通图中,可能存在多条路径连接所有节点,但不同的边权值(如距离、成本)不同。MST 的目标是找到总成本最低的连接方式,避免冗余连接,提高效率。

2. 算法概览 👃

目前最经典的两种 MST 算法是 Prim 算法Kruskal 算法,它们均采用贪心策略,但在实现方式上有所不同:

维度Prim 算法Kruskal 算法
贪心策略从顶点出发,逐步扩展最小边按边权排序,逐步选择最小边
数据结构优先队列(最小堆)并查集(Union-Find)
适用图类型稠密图(邻接矩阵)稀疏图(边较少)

二、基础概念回顾 👅

1. 图的术语 👄

  • 连通图:任意两个顶点之间都存在路径。
  • 加权图:每条边都有一个权值(如距离、成本)。
  • 生成树:包含图中所有顶点的无环连通子图。

2. 贪心算法思想 💋

贪心算法在每一步选择当前最优解,最终希望达到全局最优。Prim 和 Kruskal 算法都基于贪心策略:

  • Prim:每次选择连接已选顶点和未选顶点的最小边
  • Kruskal:每次选择全局最小且不构成环的边

三、Prim 算法详解 👓

1. 算法思想 👔

Prim 算法从一个顶点出发,逐步扩展 MST,每次选择连接已选顶点集和未选顶点集的最小权值边,直到覆盖所有顶点。

2. 图解示例 👕

在这里插入图片描述

3. 算法步骤 👖

  1. 初始化:任选一个顶点作为起点,加入 MST 集合。
  2. 重复操作
    • 找到连接已选顶点集未选顶点集的最小权值边。
    • 将该边加入 MST,并将新顶点加入已选集合。
  3. 终止条件:所有顶点均被包含。

4. 代码实现(伪代码) 👗

def prim(graph):MST = set()visited = {random_vertex}  # 随机选择一个起点while len(visited) < len(graph.vertices):min_edge = find_min_edge_between(visited, graph)MST.add(min_edge)visited.add(min_edge.new_vertex)return MST

5. 复杂度与适用场景 👘

  • 时间复杂度
    • 普通实现: O ( V 2 ) O(V^2) O(V2)(适合邻接矩阵稠密图)。
    • 优先队列优化 O ( E l o g V ) O(E log V) O(ElogV)(适合邻接表存储的图)。
  • 适用场景:适合边数较多的稠密图(如完全图)。

四、Kruskal 算法详解 👙

1. 算法思想 👚

Kruskal 算法按边权从小到大排序,逐步选择最小边,并确保不形成环(使用并查集检测)。

2. 图解示例 👛

在这里插入图片描述

3. 算法步骤 👜

  1. 边排序:将所有边按权值升序排列。
  2. 初始化并查集:每个顶点自成一个集合。
  3. 遍历边:依次选择最小边,若两端点不在同一集合,则加入 MST 并合并集合。

4. 代码实现(伪代码)👝

def kruskal(graph):MST = set()edges_sorted = sort(graph.edges)  # 按边权排序uf = UnionFind(graph.vertices)    # 初始化并查集for edge in edges_sorted:if uf.find(edge.u) != uf.find(edge.v):  # 检查是否成环MST.add(edge)uf.union(edge.u, edge.v)return MST

5. 复杂度与适用场景 🎒

  • 时间复杂度 O ( E l o g E ) O(E log E) O(ElogE)(主要由排序决定)。
  • 适用场景:适合边较少的稀疏图(如社交网络)。

五、对比与总结 💼

1. 核心差异对比 👞

维度Prim 算法Kruskal 算法
贪心策略顶点扩展边排序
数据结构优先队列(最小堆)并查集
时间复杂度(O(E \log V))(堆优化)(O(E \log E))(排序主导)
适用图类型稠密图稀疏图

2. 如何选择算法?👟

  • Prim:适合邻接矩阵存储的稠密图(如完全图)。
  • Kruskal:适合边较少的稀疏图(如社交网络)。

3. 常见误区 👠

  • 负权边:两种算法均支持,不影响结果。
  • 非连通图:需额外处理,否则无法生成完整 MST。

http://www.lqws.cn/news/552727.html

相关文章:

  • UNION 和 UNION ALL
  • 回调函数、作用域与闭包:从图片预览案例深入理解
  • 文件管理与Java操作全解析
  • 编译安装detectron2
  • 常用工具库
  • 北大肖臻《区块链技术与应用》学习笔记
  • 智能库室管控系统DW-S306|全国已经规模化应用
  • 微服务项目,启动某服务,编译后就没反应
  • 【JS-6-ES6中的let和const】深入理解ES6中的let和const:块级作用域与变量声明的新范式
  • 【数据标注师】意图标注
  • 力扣网C语言编程题:在数组中查找目标值位置之二分查找法
  • 能否仅用两台服务器实现集群的高可用性??
  • ADVANCED INTELLIGENT SYSTEMS 东京大学仿生人类手指机器人,实现“皮肤”补水!
  • Harbor的安装与使用
  • 基于MFC的遥感图像匹配程序设计
  • Java 识别和处理 HTML 标签内容
  • Solidity学习 - ABI 应用二进制接口
  • 叉车考试真题(含答案)pdf下载
  • 权限提升-工作流
  • React用户交互事件
  • 一款支持多日志器、多级别、多落地方式的同异步日志系统
  • ViewModel 使用总结:普通、Shared 及嵌套 Fragment 场景
  • 栅极驱动器选的好SiC MOSFET高效又安全
  • RabbitMQ-基础篇
  • StarRocks 向量索引如何让大模型“记性更好”?
  • 【Linux】理解进程状态与优先级:操作系统中的调度原理
  • linux安装vscode
  • ABP VNext + 多数据库混合:SQL Server+PostgreSQL+MySQL
  • .NET C# async/定时任务的异步线程池调度方案最大线程数‌ = 处理器核心数 × 250
  • python 文件处理工具(包含文件读写、后缀获取、压缩和解压、文件夹遍历等)