acwing 859 Kruskal算法求最小生成树

该程序使用Kruskal算法,通过并查集数据结构寻找图的最小生成树。首先对边按权重排序,然后遍历边,若两个顶点不在同一集合,则合并集合并将边权重累加,直至找到n-1条边。若最终边数少于n-1,表示无解。

思路:图初始化完成后,将图内所有的边的权按照从小到大排,然后借用并查集的思想将所有点各自初始为一个集合,如果两个点存在某种方式连通,则将两个点的集合并起来,表示两点连通了,并将对应边的权累加上去,直到循环结束,如果结果发现集合内边不等于节点数-1,那么则说明不存在最小生成树。

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;

const int M = 1e5 + 10, N = M * 2;         

int n,m,p[M];

struct edge
{
    int a,b,w;

     bool operator< (const edge &W)const
    {
        return w < W.w;
    }
}edges[N];

int find(int x)//具体可看连通块那一节的笔记
{
    if(p[x]!=x) p[x]=find(p[x]);
    return p[x];
} 

int kruskal()
{
    int res=0,cnt=0;//res记录最小生成树所有边的权重和,cnt记录的是加入到最小树中边的数量
    for(int i=0;i<m;i++)
    {
        int a=edges[i].a,b=edges[i].b,w=edges[i].w;
        if(find(a)!=find(b))
        //看a,b在不在同一个集合内,这里在不在一个集合可看作有没有连通起来
        //如果两者已经在一个集合,再执行以下三行的话就会出现环,树是不允许出现环的
        {
            p[find(a)]=p[find(b)];//将a,b所在的两个集合合并起来
            cnt++;//加入a<->b边
            res+=w;//把a<->b边的权重加上去
        }
    }

    if(cnt < n-1) return 0x3f3f3f3f;//因为树共有n个节点,如果全连通应该最后结果集合内会有n-1条边
    else return res;
}

int main()
{
    cin>>n>>m;

    for(int i=0;i<n;i++) p[i]=i;//初始化并查集

    for(int i=0;i<m;i++)
    {
        int a,b,w;
        scanf("%d%d%d",&a,&b,&w);
        edges[i]={a,b,w};
    }

    sort(edges,edges+m);//将边的权重按照从小到大排

    int t = kruskal();

    if(t==0x3f3f3f3f) printf("impossible\n");
    else printf("%d\n",t);

    return 0;
}
### 关于最小生成树的Prim算法 #### Prim算法简介 Prim算法是一种用于寻找加权无向图中最小生成树的经典贪心算法。该算法的核心思想是从任意一个起点出发,逐步扩展当前已连接的部分,直到覆盖所有的节点为止。在此过程中,始终选择能够使总权重增加最少的新边加入到生成树中。 在具体实现上,Prim算法通常会维护两个集合:一个是已经访问过的节点集合 \( S \),另一个是没有被访问的节点集合 \( V-S \)。通过不断更新未访问节点与已访问节点之间的最短距离,最终可以得到一棵最小生成树[^1]。 #### 复杂度分析 当采用邻接矩阵存储图结构时,经典版本的Prim算法时间复杂度为 \( O(|V|^2) \)[^4];而如果改用优先队列(堆)优化,则可降低至接近线性的性能表现,即 \( O((E+V)\log(V))\) ,其中 \( E \) 表示边的数量,\( V \) 是顶点数量。 以下是基于Python语言的一个标准实现例子: ```python import heapq def prim(n, edges): graph = [[] for _ in range(n)] # 构建图 for u, v, w in edges: graph[u].append((v, w)) graph[v].append((u, w)) visited = [False]*n min_heap = [(0, 0)] # (weight, node) total_weight = 0 while min_heap: weight, u = heapq.heappop(min_heap) if not visited[u]: visited[u] = True total_weight += weight for v, w in graph[u]: if not visited[v]: heapq.heappush(min_heap, (w, v)) if all(visited): return total_weight else: return 'impossible' ``` 上述代码片段展示了如何利用最小堆来加速查找过程,并且处理了无法形成完整MST的情况——返回字符串`'impossible'`表示不存在这样的树形子图[^2]。 #### 并查集的应用对比 尽管Prim算法本身并不依赖并查集数据结构,但在某些场景下两者可能会结合使用。例如,在解决更复杂的网络设计问题或者验证连通性方面,Kruskal算法就需要借助并查集完成高效的合并操作和环路检测功能[^3]。 然而需要注意的是,由于Prim方法每次迭代都只关注单一新增结点的最佳候选者,所以它天然适合稠密型图表环境下的应用场合;而对于稀疏图而言,Kruskal往往更具优势因为其独立对待每条单独边的特点允许我们提前终止计算流程从而节省资源消耗。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值