數據結構之圖的最短生成樹-kruskal算法

基本思想

  1. 每次從所有邊中選取權值最小的一條邊,將首尾節點加入集合T,剩余節點集合為G
  1. 從剩余節點組成的所有邊中再選擇一條權值最小的邊,將首尾節點加入集合T,剩余節點集合為G
  2. 重復2并且保證已選出的邊不構成回路,直到G中沒有節點。

和prim的區別

kruskal的計算是基于邊的,在邊比較少的情況下會比較快,邊比較多時,prim會更好。

例子為

最小生成樹.jpg --圖來自慕課網視頻

代碼

void MyGraph::kruskalTree() {
    //1、將連接矩陣轉換為邊集合
    int n,m;
    vector<MyEdge> edge_vector = transformMatrixToEdge();
    //用于判斷便于邊是否形成環路,下標為邊的起始點,值為邊的結束點
    int parent[this->num];

    for(int i = 0;i<this->num;i++){
        parent[i] = 0;
    }

    for (int j = 0; j < edge_vector.size(); ++j) {
        n = this->Find(parent,edge_vector[j].start);
        m = this->Find(parent,edge_vector[j].end);
        if(n!=m){
            parent[n] = m;
            cout<<this->node_array[edge_vector[j].start].data<<"--->"<<this->node_array[edge_vector[j].end].data<<" value: "<<edge_vector[j].value<<endl;
        }
    }
}

vector<MyEdge> MyGraph::transformMatrixToEdge() {
    vector<MyEdge> edges;
    for (int i = 0; i < this->num; ++i) {
        for (int j = i+1; j < this->num; ++j) {
            if(this->array[i*this->num+j]!=this->max_value) {
                MyEdge edge = MyEdge(i,j,this->array[i*this->num+j]);
                edges.push_back(edge);
            }
        }
    }
    for (int k = 0; k < edges.size(); ++k) {
        for (int i = k+1; i < edges.size(); ++i) {
            if(edges[k].value>edges[i].value){
                MyEdge edge = MyEdge(edges[k].start,edges[k].end,edges[k].value);
                edges[k] = edges[i];
                edges[i] = edge;
            }
        }
    }
    return edges;
}

int MyGraph::Find(int *parent, int f) {
    while(parent[f]>0){
        f = parent[f];
    }
    return f;
}

運行結果

kruskal結果.png
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,431評論 6 544
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,637評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,555評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,900評論 1 318
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,629評論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,976評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,976評論 3 448
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,139評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,686評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,411評論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,641評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,129評論 5 364
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,820評論 3 350
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,233評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,567評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,362評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,604評論 2 380

推薦閱讀更多精彩內容