Kruskal算法
算法思想很簡單就是一個圖中最短(權值最小)的那條邊就是最小生成樹中的邊,但是若加上這條邊後最小生成樹中形成了“環”,則排除這條邊繼續找出剩下邊中的最短邊加入最小生成樹。而判斷是否形成了“環”則是通過并查集的isConnected方法來判斷兩點(這倆點已在最小生成樹中)是否已相連,若已相連我再把這條邊加入最小生成樹中不就出現“環”了麼!(關于并查集的isConnecte方法介紹請看我的另一篇部落格)
實作代碼:類KruskalMST
public class KruskalMST {
private ArrayList<Edge> mst=new ArrayList<Edge>(); //存儲最小生成樹的Edge
private int mstWeight; //最小的權值和
public KruskalMST(SparseGraph sg) {
MinHeap mh=new MinHeap(sg.E());
for(int i=0;i<sg.V();i++){
ArrayList<Edge> arr=sg.getGraph(i);
Iterator<Edge> ite=arr.iterator();
while(ite.hasNext()){
Edge ed=ite.next();
if(ed.v()<ed.w()){ //防止插入重複邊
mh.insert(ed);
}
}
}
UnionFind uf=new UnionFind(sg.V()); //通過并查集來檢測是否出現"環"
while(!mh.isEmpty()&&mst.size()<(sg.V()-1)){
Edge e=mh.extractMin();
if(uf.isConnected(e.v(), e.w())){
continue;
}
mst.add(e);
uf.unionElements(e.v(), e.w()); //将e.v()和e.w()合并
}
mstWeight=mst.get(0).wt();
for(int i=1;i<mst.size();i++){
mstWeight+=mst.get(i).wt();
}
}
public ArrayList<Edge> mstEdges(){
return mst;
}
public int result(){
return mstWeight;
}
}
比較Prim、LazyPrim、Kruskal算法的效率:
比較代碼:
int N=30; //頂點
int M=200; //邊
SparseGraph sg=new SparseGraph(N,false);
for(int i=0;i<M;i++){
sg.addEdge(new Random().nextInt(N), new Random().nextInt(N),new Random().nextInt(100)+1);//權值[1,101)
}
System.out.println("PrimMST耗時:");
long startTime=System.nanoTime(); //擷取開始時間
PrimMST la=new PrimMST(sg);
long endTime=System.nanoTime(); //擷取結束時間
System.out.println("程式運作時間: "+(endTime-startTime)+" 納秒");
System.out.println("LazyPrimMST耗時:");
long s_startTime=System.nanoTime(); //擷取開始時間
LazyPrimMST lpm=new LazyPrimMST(sg);
long s_endTime=System.nanoTime(); //擷取結束時間
System.out.println("程式運作時間: "+(s_endTime-s_startTime)+" 納秒");
System.out.println("KruskalMST耗時:");
long t_startTime=System.nanoTime(); //擷取開始時間
KruskalMST km=new KruskalMST(sg);
long t_endTime=System.nanoTime(); //擷取結束時間
System.out.println("程式運作時間: "+(t_endTime-t_startTime)+" 納秒");
比較結果

Kruskal算法實作起來比較簡單,不過速度上大緻還是比Prim算法慢一點的