本文目录
最小生成树实际应用的例子
最小生成树实际应用的例子如下：
Kruskal算法，过程描述：始终以边为主导地位，先选择权值最小的边，总是选择当前可用最小权值边，并且每次判断两点之间是否已经间接连通，如果已经间接连通，则跳过此边。时间复杂度是O(n*logn)，适用于求边稀疏连通网的最小生成树。
Prim算法，过程描述：Prim算法始终以顶点为主导，并且起始点的选择是任意的。从起始点到其他点选择最小权值边，然后以此边两个顶点分别再找最小权值的边，同样已经间接连接的边跳过。时间复杂度是O(n2)，适用于求边稠密连通网的最小生成树。
要在n个城市之间铺设光缆，主要目标是要使这n个城市的任意两个之间都可以通信，但铺设光缆的费用很高，且各个城市之间铺设光缆的费用不同，因此另一个目标是要使铺设光缆的总费用最低。这就需要找到带权的最小生成树。
最小生成树性质与算法简述：
最小生成树性质：设G=(V，E）是一个连通网络，U是顶点集V的一个非空真子集。若(u，v）是G中一条“一个端点在U中（例如：u∈U），另一个端点不在U中的边（例如：v∈V-U），且（u，v）具有最小权值，则一定存在G的一棵最小生成树包括此边（u，v）。
将集合U中的顶点看作是红色顶点，②而V-U中的顶点看作是蓝色顶点，③连接红点和蓝点的边看作是紫色边，④权最小的紫边称为轻边（即权重最“轻”的边）。于是，MST性质中所述的边（u，v）就可简称为轻边。
求MST的一般算法可描述为：针对图G，从空树T开始，往集合T中逐条选择并加入n-1条安全边（u，v），最终生成一棵含n-1条边的MST。
Kruskal算法简述：假设WN=(V,{E})是一个含有n个顶点的连通网，则按照克鲁斯卡尔算法构造最小生成树的过程为：先构造一个只含n个顶点，而边集为空的子图，若将该子图中各个顶点看成是各棵树上的根结点，则它是一个含有n棵树的一个森林。
数据结构中排序和查找各种时间复杂度
数据结构中排序和查找各种时间复杂度 (1)冒泡排序 冒泡排序就是把小的元素往前调或者把大的元素往后调。比较是相邻的两个元素比较，交换也发生在这两个元素之间。所以相同元素的前后顺序并没有改变，所以冒泡排序是一种稳定排序算法。(2)选择排序 选择排序是给每个位置选择当前元素最小的，比如给第一个位置选择最小的。…… 例子说明好多了。序列5 8 5 2 9， 我们知道第一遍选择第1个元素5会和2交换，那么原序列中2个5的相对前后顺序就被破坏了， 所以选择排序不稳定的排序算法(3)插入排序 插入排序是在一个已经有序的小序列的基础上，一次插入一个元素。比较是从有序序列的末尾开始，也就是想要插入的元素和已经有序的最大者开始比起，如果比它大则直接插入在其后面，否则一直往前找直到找到它该插入的位置。如果和插入元素相等，那么插入元素把想插入的元素放在相等元素的后面。所以，相等元素的前后顺序没有改变。所以插入排序是稳定的。(4)快速排序 快速排序有两个方向，左边的i下标一直往右走（往后），当a交换的时刻）(5)归并排序 归并排序是把序列递归地分成短序列，递归出口是短序列只有1个元素(认为直接有序)或者2个序列(1次比较和交换),然后把各个有序的段序列合并成一个有序的长序列。不断合并直到原序列全部排好序。相等时不发生交换。所以，归并排序也是稳定的排序算法。(6)基数排序 基数排序是按照低位先排序，然后收集；再按照高位排序，然后再收集；依次类推，直到最高位。有时候有些属性是有优先级顺序的，先按低优先级排序，再按高优先级排序，最后的次序就是高优先级高的在前，高优先级相同的低优先级高的在前。基数排序基于分别排序，分别收集，所以其是稳定的排序算法。(7)希尔排序(shell) 希尔排序是按照不同步长对元素进行插入排序，当刚开始元素很无序的时候，步长最大，所以插入排序的元素个数很少，速度很快；当元素基本有序了，步长很小，插入排序对于有序的序列效率很高。所以，希尔排序的时间复杂度会比o(n^2)好一些。由于多次插入排序，我们知道一次插入排序是稳定的，不会改变相同元素的相对顺序，但在不同的插入排序过程中，相同的元素可能在各自的插入排序中移动，最后其稳定性就会被打乱，所以shell排序是不稳定的。(8)堆排序 我们知道堆的结构是节点i的孩子为2*i和2*i+1节点，大顶堆要求父节点大于等于其2个子节点，小顶堆要求父节点小于等于其2个子节点。在一个长为n的序列，堆排序的过程是从第n/2开始和其子节点共3个值选择最大(大顶堆)或者最小(小顶堆),这3个元素之间的选择当然不会破坏稳定性。但当为n/2-1, n/2-2, ...1这些个父节点选择元素时，就会破坏稳定性。有可能第n/2个父节点交换把后面一个元素交换过去了，而第n/2-1个父节点把后面一个相同的元素没有交换，那么这2个相同的元素之间的稳定性就被破坏了。所以，堆排序是不稳定的排序算法一、排序排序法 平均时间 最差情形 稳定度 额外空间 备注冒泡 O(n2) O(n2) 稳定 O(1) n小时较好交换 O(n2) O(n2) 不稳定 O(1) n小时较好选择 O(n2) O(n2) 不稳定 O(1) n小时较好插入 O(n2) O(n2) 稳定 O(1) 大部分已排序时较好Shell O(nlogn) O(ns) 1《s《2 不稳定???="" o(1)???????="" s是所选分组《/s快速 O(nlogn) O(n2) 不稳定 O(nlogn) n大时较好归并 O(nlogn) O(nlogn) 稳定 O(1) n大时较好堆 O(nlogn) O(nlogn) 不稳定 O(1) n大时较好基数 O(logRB) O(logRB) 稳定 O(n) B是真数(0-9)，R是基数(个十百)二、查找未写……三 树图克鲁斯卡尔算法的时间复杂度为O（eloge）普里姆算法的时间复杂度为O（n2）迪杰斯特拉算法的时间复杂度为O（n2）拓扑排序算法的时间复杂度为O（n+e）关键路径算法的时间复杂度为O（n+e）
最小生成树kruskal算法
最小生成树kruskal算法如下：
假设存在联通图，图中所有的顶点集合为，集合表示已经加入到生成树中的顶点集合，集合表示未加入到生成树中的顶点集合。
一开始，随机指定一个顶点加入到集合中，则，每次从集合与集合的顶点所构成的所有边中选取权值最小的一条边作为生成树的边，并将边在集合的那个顶点加入到集合中，如此下去直到集合中的全部顶点都加入到集合集合中，得到最小生成树。
所谓最小生成树，就是在一个具有N个顶点的带权连通图G中，如果存在某个子图G’，其包含了图G中的所有顶点和一部分边，且不形成回路，并且子图G’的各边权值之和最小，则称G’为图G的最小生成树。
算法的介绍如下：
算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。
如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。
算法中的指令描述的是一个计算，当其运行时能从一个初始状态和（可能为空的）初始输入开始，经过一系列有限而清晰定义的状态，最终产生输出并停止于一个终态。一个状态到另一个状态的转移不一定是确定的。随机化算法在内的一些算法，包含了一些随机输入。
形式化算法的概念部分源自尝试解决希尔伯特提出的判定问题，并在其后尝试定义有效计算性或者有效方法中成形。
这些尝试包括库尔特·哥德尔、Jacques Herbrand和斯蒂芬·科尔·克莱尼分别于1930年、1934年和1935年提出的递归函数，阿隆佐·邱奇于1936年提出的λ演算，1936年Emil Leon Post的Formulation1和艾伦·图灵1937年提出的图灵机。
