Java实现最小生成树算法详解(最小生成树的两种算法例题)

网友投稿 282 2022-08-05


Java实现最小生成树算法详解(最小生成树的两种算法例题)

目录定义带权图的实现Kruskal 算法二叉堆并查集实现算法Prim 算法

定义

在一幅无向图G=(V,E) 中,(u,v) 为连接顶点u和顶点v的边,w(u,v)为边的权重,若存在边的子集T⊆E且(V,T) 为树,使得

最小,这称 T 为图 G 的最小生成树。

说的通俗点,最小生成树就是带权无向图中权值和最小的树。下图中黑色边所标识的就是一棵最小生成树(图片来自《算法第四版》),对于权值各不相同的连通图来说最小生成树只会有一棵:

带权图的实现

在 《如何在 java 中实现无向图》 中我们使用邻接表数组实现了无向图,其中邻接表上的每个节点的数据域只是一个整数,代表着一个顶点。为了方便最小生成树的迭代,我们将数据域换成 Edge 实例。Edge 有三个成员:顶点 v、顶点 w 和权重 weight,为了比较每一条边的权重,需要实现 Comparable 接口。代码如下所示:

package com.zhiyiyo.graph;

/**

* 图中的边

*/

public class Edge implements Comparable {

private final int v, w;

private final double weight;

public Edge(int v, int w, double weight) {

this.v = v;

this.w = w;

this.weight = weight;

}

/**

* 返回边中的一个顶点

*/

int either() {

return v;

}

/**

* 返回边中的拎一个顶点

*

* @param v 顶点 v

* @return 另一个顶点

*/

int another(int v) {

if (this.v == v) {

return w;

} else if (w == v) {

return this.v;

} else {

throw new RuntimeException("边中不存在该顶点");

}

}

public double getWeight() {

return weight;

}

@Override

public String toString() {

return String.format("Edge{%d-%d %f}", v, w, weight);

}

@Override

public int compareTo(Edge edge) {

return Double.compare(weight, edge.weight);

}

}

之后只要照猫画虎,将 LinkGraph 的泛型从 Integer 换成 Edge 就行了:

package com.zhiyiyo.graph;

import com.zhiyiyo.collection.stack.LinkStack;

import com.zhiyiyo.collection.stack.Stack;

/**

* 带权无向图

*/

public class WeightedGraph {

private final int V;

protected int E;

protected LinkStack[] adj;

public WeightedGraph(int V) {

this.V = V;

adj = (LinkStack[]) new LinkStack[V];

for (int i = 0; i < V; i++) {

adj[i] = new LinkStack<>();

}

}

public int V() {

return V;

}

public int E() {

return E;

}

public void addEdge(Edge edge) {

int v = edge.either();

int w = edge.another(v);

adj[v].push(edge);

adj[w].push(edge);

E++;

}

public Iterable adj(int v) {

return adj[v];

}

/**

* 获取所有边

*/

public Iterable edges() {

Stack edges = new LinkStack<>();

for (int v = 0; v < V; ++v) {

for (Edge edge : adj(v)) {

if (edge.another(v) > v) {

http:// edges.push(edge);

}

}

}

return edges;

}

}

同时给出最小生成树的 API:

package com.zhiyiyo.graph;

/**

* 最小生成树

*/

public interface MST {

/**

* 获取最小生成树中的所有边

*/

Iterable edges();

/**

* 获取最小生成树的权重

*/

double weight();

}

Kruskal 算法

假设 E 是图 G 中所有边的集合,T 是最小生成树的边集合,kruskal 算法的思想是每次从 E 中弹出权值最小的边 em,如果 em 不会和 T 中的边构成环,就将其加入 T 中,直到 |T|=|V|−1 也就是 TT 中边的个数是图 G 的顶点个数 -1 时,就得到了最小生成树。

对于上一幅图,使用 kruskal 算法得到最小生成树的过程如下图所示:

首先将 E 中最小的边 0-7 弹出并加到 T 中,此时的 EE 中最小边为 2-3,虽然 2-3 和 0-7 无法构成连通图,但是没关系,只要贪心地将其加入 T 中即可,因为后续其他边的添加总会将二者连通起来。接着按照权值的升序依次把边 1-7、0-2、5-7 加到 T 中,直到碰到边 1-3,如果把 1-3 加入 T 中,就会出现环 1-3-2-0-7-1,所以直接将 1-3 舍弃,1-5、2-7 也同理被丢弃掉。由于边 4-5 不会在 T 中构成环,所以将其加入 T。重复上述步骤,直到|T|=|V|−1。

上述过程中有两个影响性能的地方,一个是找出 E 中权值最小的边 em,一个是判断将 em 加到 T 中是否会出现环。

二叉堆

二叉堆是一棵完全二叉树,且每个父节点总是大于等于(最大堆)或者小于等于(最小堆)他的子节点。《算法第四版》中给出了使用数组存储的最大堆的结构,其中数组下标为 0 的地方不存储元素,假设下标为 i 出存放的是父节点,那么 2i 和 2i+1 处就是子节点:

由于最小堆的堆顶节点总是最小的,所以只需将 E 变为一个最小堆,每次取出堆顶的元素即可,时间复杂度为O(log⁡N)。下面来看下如何实现最小堆。

API

对于一个二叉堆,我们关心以下操作:

package com.zhiyiyo.collection.queue;

public interface PriorQueue> {

/**

* 向堆中插入一个元素

* @param item 插入的元素

*/

void insert(T item);

CoJZiFF /**

* 弹出堆顶的元素

* @return 堆顶元素

*/

T pop();

/**

* 获取堆中的元素个数

*/

int size();

/**

* 堆是否为空

*/

boolean isEmpty();

}

插入

为了保证二叉堆是一棵完全二叉树,每次都将新节点插到数组的末尾,也就是二叉树的最后一个节点。如下图所示,假设插入的节点为 A,它的父节点为 P,兄弟节点为 S,由于 P > A,这就打破了二叉堆的有序性,所以需要对堆进行调整。具体流程就是将兄弟节点中的较小者(A)选为父节点,而先前的父节点 P 则退位变为子节点。如果此时 A 的父节点小于 A,则无需继续调整。但是下图中只交换了 A、P 之后还是没将二叉树调整为堆有序状态,因为父节点 D > A,接着将兄弟节点中较小的 A 变为父节点,而 D 则变成 A 的子节点,至此完成最小堆的调整。

上述过程的代码如下所示,为了保证后续插入操作,每当数组满员时就对其进行扩容操作:

package com.zhiyiyo.collection.queue;

import java.util.Arrays;

public class MinPriorQueue> implements PriorQueue{

private T[] array;

private int N;

public MinPriorQueue() {

this(3);

}

public MinPriorQueue(int maxSize) {

array = (T[]) new Comparable[maxSize + 1];

}

@Override

public boolean isEmpty() {

return N == 0;

}

@Override

public int size() {

return N;

}

@Override

public void insert(T item) {

array[++N] = item;

swim(N);

if (N == array.length - 1) resize(1 + 2 * N);

}

/**

* 元素上浮

*

* @param k 元素的索引

*/

private void swim(int k) {

while (k > 1 && less(k, k / 2)) {

swap(k, k / 2);

k /= 2;

}

}

private void swap(int a, int b) {

T tmp = array[a];

array[a] = array[b];

array[b] = tmp;

}

private boolean less(int a, int b) {

return array[a].compareTo(array[b]) < 0;

}

private void resize(int size) {

array = Arrays.copyOf(array, size);

}

}

删除最小元素

假设我们需要删除下图中的 A 元素,这时候就需要将 A 和最小堆的最后一个元素 P 交换位置,并将数组的最后一个元素置为 null,使得 A 的引用次数变为 0,能被垃圾回收机制自动回收掉。交换之后最小堆的有序性被破坏了,因为父节点 P > 子节点 D,这时候和插入元素的操作一样,将较小的子节点和父节点交换位置,使得较大的父节点能够下沉,而较小的子节点上位,这个过程持续到没有子节点被 P 更小为止。

实现代码如下:

@Override

public T pop() {

T item = array[1];

swap(1, N);

array[N--] = null;

sink(1);

if (N < (array.length - 1) / 4) resize((array.length - 1) / 2);

return item;

}

/**

* 元素下沉

*

* @param k 元素的索引

*/

private void sink(int k) {

while (2 * k <= N) {

int j = 2 * k;

// 检查是否有两个子节点

if (j < N && less(j + 1, j)) j++;

if (less(k, j)) break;

swap(k, j);

k = j;

}

}

并查集

假设 TT 中的顶点的集合为 V′,则有图 G′=(V′,T)。我们可以将 G′ 划分为 n 个连通分量,每个连通分量有一个标识 id∈[0,n−1]。要想判断将边 em 加入 T 后是否会构成环,只需判断 em 的两个顶点是都属于同一个连通分量即可。

判断是否连通

由于每个连通分量都不存在环,可以看作一棵小树,所以可以用一个数组 int[] ids 的索引表示树中的节点(图中的顶点),而索引处的元素值为父节点的索引值,数组中 ids[i] == i 的位置就是每棵树的根节点,i 就是这个连通分量的标识。而我们想要知道两个节点之间是否连通,只需判断他们所属的树的根节点是否相同即可。

假设从树底的叶节点 6 出发,一路向上直到树顶 1,中间需要经过 5 和 0 两个节点,如果节点 6 的根节点查询得比较频繁,那么这种查找效率是比较低的。由于我们只需知道根节点是谁即可,树的结构无关紧要,那么为何不想个办法把节点 5、6 直接挂到根节点 1,这样只要一步就能知道根节点。实现这种想法的的方式就是路径压缩:当从节点 6 走到父节点 5 时,就将节点 6 挂到节点 5 的父节点 0 上;而从节点 0 走到根节点 1 时,就将子节点 6 和 5 挂到根节点 1 下,树高被压缩为 1。

实现上述过程的代码如下所示:

package com.zhiyiyo.collection.tree;

public class UnionFind {

private int[] ids;

private int[] ranks; // 每棵树的高度

private int N; // 树的数量

public UnionFind(int N) {

this.N = N;

ids = new int[N];

ranks = new int[N];

for (int i = 0; i < N; i++) {

ids[i] = i;

ranks[i] = 1;

}

}

/**

* 获取连通分量个数

*

* @return 连通分量个数

*/

public int count() {

return N;

}

/**

* 获得连通分量的 id

*

* @param p 触点 id

* @return 连通分量 id

*/

public int find(int p) {

while (p != ids[p]) {

ids[p] = ids[ids[p]]; // 路径压缩

p = ids[p];

}

return p;

}

/**

* 判断两个触点是否连通

*

* @param p 触点 p 的 id

* @param q 触点 q 的 id

* @return 是否连通

*/

public boolean isConnected(int p, int q) {

return find(p) == find(q);

}

}

合并连通分量

我们将 E 中的 em 添加到T中时,em 的两个节点肯定分属于两个连通分量,加入 T 之后就需要将这两个分量合并,也就是将两棵小树合并为一颗大树。假设两棵树的高度分别为 h1 和 h2,如果直接将一颗树的根节点接到另一棵树的叶节点上,会导致新树高度为 h1+h2,降低寻找根节点的效率。解决方式是按秩归并,将矮树的根节点接到高树的根节点上,会出现两种情况:

如果 h1≠h2,新树高度会是 max{h1,h2}m如果 h1=h2=c,新树高度会是 c+1

上述过程的代码如下所示:

/**

* 如果两个触点不处于同一个连通分量中,则连接两个触点

*

* @param p 触点 p 的 id

* @param q 触点 q 的 id

*/

public void union(int p, int q) {

int pId = find(p);

int qId = find(q);

if (qId == pId) return;

// 将小树并到大树

if (ranks[qId] > ranks[pId]) {

ids[pId] = qId;

} else if (ranks[qId] < ranks[pId]) {

ids[qId] = pId;

} else {

ids[qId] = pId;

ranks[pId]++;

}

N--;

}

实现算法

实现 kruskal 算法时,先将所有边加入最小堆中,每次取出堆顶的元素 em,然后使用并查集判断边的两个顶点是否连通,如果不连通就将 em 加入 T,重复这个过程直至 |T|=|V|−1,时间复杂度为O(|E|log⁡|E|)。

package com.zhiyiyo.graph;

import com.zhiyiyo.collection.queue.LinkQueue;

import com.zhiyiyo.collection.queue.MinPriorQueue;

import com.zhiyiyo.collection.queue.Queue;

import com.zhiyiyo.collection.tree.UnionFind;

import java.util.stream.Stream;

import java.util.stream.StreamSupport;

public class KruskalMST implements MST {

private Queue mst;

public KruskalMST(WeightedGraph graph) {

mst = new LinkQueue<>();

UnionFind uf = new UnionFind(graph.V());

MinPriorQueue pq = new MinPriorQueue<>();

for (Edge e : graph.edges()) {

pq.insert(e);

}

while (mst.size() < graph.V() - 1 && !pq.isEmpty()) {

Edge edge = pq.pop();

int v = edge.either();

int w = edge.another(v);

if (!uf.isConnected(v, w)) {

mst.enqueue(edge);

uf.union(v, w);

}

}

}

@Override

public Iterable edges() {

return mst;

}

@Override

public double weight() {

Stream stream = StreamSupport.stream(mst.spliterator(), false);

return stream.map(Edge::getWeight).reduce(0d, Double::sum);

}

}

Prim 算法

Prim 算法的思想是初始化最小生成树为一个根节点 0,然后将根节点的所有邻边加入最小堆中,从最小堆中弹出最小的边 em,如果 em 不会使得树中出现环,将将其并入树中。每当有新的节点 v 被并入树中时,就得将 v 的所有邻边加入最小堆中。重复上述过程直到 |T|=|V|−1,时间复杂度为O(|E|log⁡|E|)。代码如下所示:

package com.zhiyiyo.graph;

import com.zhiyiyo.collection.queue.LinkQueue;

import com.zhiyiyo.collection.queue.MinPriorQueue;

import com.zhiyiyo.collection.queue.Queue;

import java.util.stream.Stream;

import java.util.stream.StreamSupport;

/**

* 延时版本 Prim 算法

*/

public class PrimMST implements MST {

private boolean[] marked;

private MinPriorQueue pq;

private Queue mst;

public LazyPrimMST(WeightedGraph graph) {

marked = new boolean[graph.V()];

pq = new MinPriorQueue<>();

mst = new LinkQueue<>();

mark(graph, 0);

while (mst.size() < graph.V() - 1 && !pq.isEmpty()) {

Edge edge = pq.pop();

int v = edge.either();

int w = edge.another(v);

// 构成环则舍弃

if (marked[v] && marked[w]) continue;

mst.enqueue(edge);

if (!marked[v]) mark(graph, v);

else if (!marked[w]) mark(graph, w);

}

}

private void mark(WeightedGraph graph, int v) {

marked[v] = true;

for (Edge edge : graph.adj(v)) {

if (!marked[edge.another(v)]) {

pq.insert(edge);

}

}

}

@Override

public Iterable edges() {

return mst;

}

@Override

public double weight() {

Stream stream = StreamSupport.stream(mst.spliterator(), false);

return stream.map(Edge::getWeight).reduce(0d, Double::sum);

}

}

由于每次都是把新节点的所有邻边都加到了最小堆中,会引入许多无用的边,所以《算法第四版》中给出了使用索引优先队列实现的即时版 Prim 算法,时间复杂度能达到O(|E|log⁡|V|),但是这里写不下了,大家可以自行查阅,以上~~

以上就是Java实现最小生成树算法详解的详细内容,更多关于Java最小生成树的资料请关注我们其它相关文章!


版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:Java 深入探究讲解简单工厂模式
下一篇:Mybatis中特殊SQL的执行(mybatis执行多条sql语句)
相关文章

 发表评论

暂时没有评论,来抢沙发吧~