Алгоритм Краскала — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Идея)
м (rollbackEdits.php mass rollback)
 
(не показано 136 промежуточных версий 8 участников)
Строка 1: Строка 1:
Алгоритм Краскала - алгоритм поиска минимального остовного дерева (minimum spanning tree, MST) во взвешенном неориентированном связном графе.
+
<b>Алгоритм Краскала</b> (англ. ''Kruskal's algorithm'') — алгоритм поиска [[Лемма о безопасном ребре#Необходимые определения | минимального остовного дерева]] (англ. ''minimum spanning tree'', ''MST'') во взвешенном [[Основные определения теории графов#Неориентированные графы | неориентированном связном графе]].
  
 
==Идея==
 
==Идея==
Будем последовательно строить подграф <tex>F</tex> графа <tex>G</tex> ("растущий лес"), поддерживая следующий инвариант: на каждом шаге <tex>F</tex> можно достроить до некоторого MST. Начнем с того, что включим в <tex>F</tex> все вершины графа <tex>G</tex>. Теперь будем обходить множество <tex>EG</tex> в порядке увеличения веса ребер. Добавление очередного ребра <tex>e</tex> в <tex>F</tex> может привести к возникновению цикла в одной из компонент связности <tex>F</tex>. В этом случае, очевидно, <tex>e</tex> не может быть включено в <tex>F</tex>. В противном случае <tex>e</tex> соединяет разные компоненты связности <tex>F</tex> и из [[Лемма о безопасном ребре|леммы о безопасном ребре]] следует, что <tex>F+e</tex> можно продолжить до MST, поэтому добавим это ребро в <tex>F</tex>.<br>
+
Будем последовательно строить подграф <tex>F</tex> графа <tex>G</tex> ("растущий лес"), пытаясь на каждом шаге достроить <tex>F</tex> до некоторого MST. Начнем с того, что включим в <tex>F</tex> все вершины графа <tex>G</tex>. Теперь будем обходить множество <tex>E(G)</tex> в порядке неубывания весов ребер. Если очередное ребро <tex>e</tex> соединяет вершины одной компоненты связности <tex>F</tex>, то добавление его в остов приведет к возникновению цикла в этой компоненте связности. В таком случае, очевидно, <tex>e</tex> не может быть включено в <tex>F</tex>. Иначе <tex>e</tex> соединяет разные компоненты связности <tex>F</tex>, тогда существует <tex> \langle S, T \rangle </tex> [[Лемма о безопасном ребре#Необходимые определения|разрез]] такой, что одна из компонент связности составляет одну его часть, а оставшаяся часть графа — вторую. Тогда <tex>e</tex> — минимальное ребро, пересекающее этот разрез. Значит, из [[Лемма о безопасном ребре#Лемма о безопасном ребре|леммы о безопасном ребре]] следует, что <tex>e</tex> является безопасным, поэтому добавим это ребро в <tex>F</tex>. На последнем шаге ребро соединит две оставшиеся компоненты связности, полученный подграф будет минимальным остовным деревом графа <tex>G</tex>.
Из связности <tex>G</tex> следует, что в конце алгоритма <tex>F</tex> будет связным, а способ построения <tex>F</tex> гарантирует его ацикличность. Это означает, что получилось остовное дерево. После последнего шага алгоритма <tex>\exists</tex> MST <tex>T: F \subset T</tex>, но в <tex>F</tex> уже нельзя добавлять ребра, значит, <tex>F=T</tex>.
+
Для проверки возможности добавления ребра используется  [[СНМ (реализация с помощью леса корневых деревьев) | система непересекающихся множеств]].
  
 
==Реализация==
 
==Реализация==
<b>Вход</b>: граф <tex>G = (V, E)</tex><br>
+
<font color=green>// <tex>G</tex> {{---}} исходный граф</font>
<b>Выход</b>: минимальный остов <tex>F</tex> графа <tex>G</tex><br>
+
<font color=green>// <tex>F</tex> {{---}} минимальный остов</font>
1) <tex>F := (V, \varnothing)</tex><br>
+
'''function''' <tex>\mathtt{kruskalFindMST}():</tex>
1) Отсортируем <tex>E</tex> по весу ребер.<br>
+
    <tex> \mathtt{F} \leftarrow V(G)</tex>
2) Заведем систему непересекающихся множеств (DSU) и инициализируем ее множеством <tex>V</tex>.<br>
+
    <tex>\mathtt{sort}(E(G))\</tex>
3) Перебирая ребра <tex>uv \in EG</tex> в порядке увеличения веса, смотрим, одинакового ли представителя для <tex>u</tex> и <tex>v</tex> возвращает DSU. Если нет, то делаем слияние этих представителей в DSU и полагаем <tex>F := F + uv</tex>.<br>
+
    '''for''' <tex>vu \in E(G)</tex>
 +
      '''if''' <tex>v</tex> и <tex>u</tex> в разных компонентах связности <tex>F</tex>
 +
          <tex> \mathtt{F}\ =\ \mathtt{F} \bigcup vu\</tex>
 +
    '''return''' <tex> \mathtt{F} </tex>
 +
 
 +
==Задача о максимальном ребре минимального веса==
 +
Легко показать, что максимальное ребро в MST минимально. Обратное в общем случае неверно. Но MST из-за сортировки строится за <tex>O(E \log E)</tex>. Однако из-за того, что необходимо минимизировать только максимальное ребро, а не сумму всех рёбер, можно предъявить алгоритм, решающий задачу за линейное время.
 +
 
 +
С помощью [[Поиск_k-ой_порядковой_статистики_за_линейное_время | алгоритма поиска k-ой порядковой статистики]] найдем ребро-медиану за <tex>O(E)</tex> и разделим множество ребер на два равных по мощности так, чтобы ребра в первом не превосходили по весу ребер во втором. Проверим образуют ли ребра из первого подмножества остов графа, запустив [[Использование_обхода_в_глубину_для_проверки_связности|обход в глубину]].
 +
* Если да, то рекурсивно запустим алгоритм от него.
 +
* В противном случае сконденсируем получившиеся несвязные компоненты в супервершины и рассмотрим граф с этими вершинами и ребрами из второго подмножества.
 +
На последнем шаге останутся две компоненты связности и одно ребро в первом подмножестве — это максимальное ребро минимального веса.
 +
 
 +
На каждом шаге ребер становится в два раза меньше, а все операции выполняются за время пропорциональное количеству ребер на текущем шаге, тогда время работы алгоритма <tex>O(E+\frac{E}{2}+\frac{E}{4}+...+1)=O(E)</tex>.
 +
 
 +
==Пример==
 +
{| class = "wikitable"
 +
| Рёбра ''(в порядке их просмотра)'' || ae || cd || ab || be || bc || ec || ed
 +
|-
 +
| Веса рёбер ||<tex>1</tex> || <tex>2</tex> || <tex>3</tex> || <tex>4</tex> || <tex>5</tex> || <tex>6</tex> || <tex>7</tex>  
 +
|}
 +
 
 +
{| class = "wikitable"
 +
! Изображение !! Описание
 +
|-
 +
|[[Файл:Mst_kruskal_1.png|200px]]
 +
|style="padding-left: 1em" |Первое ребро, которое будет рассмотрено — '''ae''', так как его вес минимальный.<br/>
 +
Добавим его к ответу, так как его концы соединяют вершины из разных множеств ('''a''' — красное и '''e''' — зелёное).<br/>
 +
Объединим красное и зелёное множество в одно (красное), так как теперь они соединены ребром.
 +
|-
 +
|[[Файл:Mst_kruskal_2.png|200px]]
 +
|style="padding-left: 1em" |Рассмотрим следующие ребро — '''cd'''.<br/>
 +
Добавим его к ответу, так как его концы соединяют вершины из разных множеств ('''c''' — синее и '''d''' — голубое).<br/>
 +
Объединим синее и голубое множество в одно (синее), так как теперь они соединены ребром.
 +
|-
 +
|[[Файл:Mst_kruskal_3.png|200px]]
 +
|style="padding-left: 1em" |Дальше рассмотрим ребро '''ab'''.<br/>
 +
Добавим его к ответу, так как его концы соединяют вершины из разных множеств ('''a''' — красное и '''b''' — розовое).<br/>
 +
Объединим красное и розовое множество в одно (красное), так как теперь они соединены ребром.
 +
|-
 +
|[[Файл:Mst_kruskal_4.png|200px]]
 +
|style="padding-left: 1em" |Рассмотрим следующие ребро — '''be'''.<br/>
 +
Оно соединяет вершины из одного множества, поэтому перейдём к следующему ребру '''bc'''<br/>
 +
Добавим его к ответу, так как его концы соединяют вершины из разных множеств ('''b''' — красное и '''c''' — синее).<br/>
 +
Объединим красное и синее множество в одно (красное), так как теперь они соединены ребром.
 +
|-
 +
|[[Файл:Mst_kruskal_5.png|200px]]
 +
|style="padding-left: 1em" |Рёбра '''ec''' и '''ed''' соединяют  вершины из одного множества,<br/>
 +
поэтому после их просмотра они не будут добавлены в ответ<br/>
 +
Всё рёбра были рассмотрены, поэтому алгоритм завершает работу.<br/>
 +
Полученный граф — минимальное остовное дерево
 +
|}
  
 
==Асимптотика==
 
==Асимптотика==
 
Сортировка <tex>E</tex> займет <tex>O(E\log E)</tex>.<br>
 
Сортировка <tex>E</tex> займет <tex>O(E\log E)</tex>.<br>
Работа с DSU займет <tex>O(E\alpha(V))</tex>, где <tex>\alpha</tex> - обратная функция Аккермана, которая не превосходит 4 во всех практических приложениях и которую можно принять за константу.<br>
+
Работа с СНМ займет <tex>O(E\alpha(V))</tex>, где <tex>\alpha</tex> обратная функция Аккермана, которая не превосходит <tex>4</tex> во всех практических приложениях и которую можно принять за константу.<br>
Алгоритм работает за <tex>O(E(\log E+\alpha(V))) = O(E\log E) = O(E\log V^2) = O(E\log V)</tex>.
+
Алгоритм работает за <tex>O(E(\log E+\alpha(V))) = O(E\log E)</tex>.
  
 
==См. также==
 
==См. также==
 
* [[Алгоритм Прима]]
 
* [[Алгоритм Прима]]
 +
* [[Алгоритм Борувки]]
 +
 +
==Источники информации==
 +
* Томас Х. Кормен, Чарльз И. Лейзерсон, Рональд Л. Ривест, Клиффорд Штайн — Алгоритмы: построение и анализ, 2-е издание. Пер. с англ. — М.:Издательский дом "Вильямс", 2010. — 1296 с.: ил. — Парал. тит. англ. — ISBN 978-5-8459-0857-5 (рус.)
 +
* [http://ru.wikipedia.org/wiki/%D0%A4%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D1%8F_%D0%90%D0%BA%D0%BA%D0%B5%D1%80%D0%BC%D0%B0%D0%BD%D0%B0 Википедия — Функция Аккермана]
 +
* [http://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%D0%9A%D1%80%D1%83%D1%81%D0%BA%D0%B0%D0%BB%D0%B0 Википедия — Алгоритм Крускала]
 +
* [http://en.wikipedia.org/wiki/Kruskal's_algorithm Wikipedia — Kruskal's algorithm]
 +
* [http://e-maxx.ru/algo/mst_kruskal MAXimal :: algo :: Минимальное остовное дерево. Алгоритм Крускала]
 +
 +
[[Категория: Алгоритмы и структуры данных]]
 +
[[Категория: Остовные деревья]]
 +
[[Категория: Построение остовных деревьев]]

Текущая версия на 19:18, 4 сентября 2022

Алгоритм Краскала (англ. Kruskal's algorithm) — алгоритм поиска минимального остовного дерева (англ. minimum spanning tree, MST) во взвешенном неориентированном связном графе.

Идея

Будем последовательно строить подграф [math]F[/math] графа [math]G[/math] ("растущий лес"), пытаясь на каждом шаге достроить [math]F[/math] до некоторого MST. Начнем с того, что включим в [math]F[/math] все вершины графа [math]G[/math]. Теперь будем обходить множество [math]E(G)[/math] в порядке неубывания весов ребер. Если очередное ребро [math]e[/math] соединяет вершины одной компоненты связности [math]F[/math], то добавление его в остов приведет к возникновению цикла в этой компоненте связности. В таком случае, очевидно, [math]e[/math] не может быть включено в [math]F[/math]. Иначе [math]e[/math] соединяет разные компоненты связности [math]F[/math], тогда существует [math] \langle S, T \rangle [/math] разрез такой, что одна из компонент связности составляет одну его часть, а оставшаяся часть графа — вторую. Тогда [math]e[/math] — минимальное ребро, пересекающее этот разрез. Значит, из леммы о безопасном ребре следует, что [math]e[/math] является безопасным, поэтому добавим это ребро в [math]F[/math]. На последнем шаге ребро соединит две оставшиеся компоненты связности, полученный подграф будет минимальным остовным деревом графа [math]G[/math]. Для проверки возможности добавления ребра используется система непересекающихся множеств.

Реализация

// [math]G[/math] — исходный граф
// [math]F[/math] — минимальный остов
function [math]\mathtt{kruskalFindMST}():[/math]
   [math] \mathtt{F} \leftarrow V(G)[/math]
   [math]\mathtt{sort}(E(G))\[/math]
   for [math]vu \in E(G)[/math]
      if [math]v[/math] и [math]u[/math] в разных компонентах связности [math]F[/math]
         [math] \mathtt{F}\ =\ \mathtt{F} \bigcup vu\[/math]
   return [math] \mathtt{F} [/math]

Задача о максимальном ребре минимального веса

Легко показать, что максимальное ребро в MST минимально. Обратное в общем случае неверно. Но MST из-за сортировки строится за [math]O(E \log E)[/math]. Однако из-за того, что необходимо минимизировать только максимальное ребро, а не сумму всех рёбер, можно предъявить алгоритм, решающий задачу за линейное время.

С помощью алгоритма поиска k-ой порядковой статистики найдем ребро-медиану за [math]O(E)[/math] и разделим множество ребер на два равных по мощности так, чтобы ребра в первом не превосходили по весу ребер во втором. Проверим образуют ли ребра из первого подмножества остов графа, запустив обход в глубину.

  • Если да, то рекурсивно запустим алгоритм от него.
  • В противном случае сконденсируем получившиеся несвязные компоненты в супервершины и рассмотрим граф с этими вершинами и ребрами из второго подмножества.

На последнем шаге останутся две компоненты связности и одно ребро в первом подмножестве — это максимальное ребро минимального веса.

На каждом шаге ребер становится в два раза меньше, а все операции выполняются за время пропорциональное количеству ребер на текущем шаге, тогда время работы алгоритма [math]O(E+\frac{E}{2}+\frac{E}{4}+...+1)=O(E)[/math].

Пример

Рёбра (в порядке их просмотра) ae cd ab be bc ec ed
Веса рёбер [math]1[/math] [math]2[/math] [math]3[/math] [math]4[/math] [math]5[/math] [math]6[/math] [math]7[/math]
Изображение Описание
Mst kruskal 1.png Первое ребро, которое будет рассмотрено — ae, так как его вес минимальный.

Добавим его к ответу, так как его концы соединяют вершины из разных множеств (a — красное и e — зелёное).
Объединим красное и зелёное множество в одно (красное), так как теперь они соединены ребром.

Mst kruskal 2.png Рассмотрим следующие ребро — cd.

Добавим его к ответу, так как его концы соединяют вершины из разных множеств (c — синее и d — голубое).
Объединим синее и голубое множество в одно (синее), так как теперь они соединены ребром.

Mst kruskal 3.png Дальше рассмотрим ребро ab.

Добавим его к ответу, так как его концы соединяют вершины из разных множеств (a — красное и b — розовое).
Объединим красное и розовое множество в одно (красное), так как теперь они соединены ребром.

Mst kruskal 4.png Рассмотрим следующие ребро — be.

Оно соединяет вершины из одного множества, поэтому перейдём к следующему ребру bc
Добавим его к ответу, так как его концы соединяют вершины из разных множеств (b — красное и c — синее).
Объединим красное и синее множество в одно (красное), так как теперь они соединены ребром.

Mst kruskal 5.png Рёбра ec и ed соединяют вершины из одного множества,

поэтому после их просмотра они не будут добавлены в ответ
Всё рёбра были рассмотрены, поэтому алгоритм завершает работу.
Полученный граф — минимальное остовное дерево

Асимптотика

Сортировка [math]E[/math] займет [math]O(E\log E)[/math].
Работа с СНМ займет [math]O(E\alpha(V))[/math], где [math]\alpha[/math] — обратная функция Аккермана, которая не превосходит [math]4[/math] во всех практических приложениях и которую можно принять за константу.
Алгоритм работает за [math]O(E(\log E+\alpha(V))) = O(E\log E)[/math].

См. также

Источники информации