الگوریتم کراسکال

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به: ناوبری، جستجو

در نظریه گراف، الگوریتم کراسکال الگوریتمی برای یافتن یک زیرگراف فراگیر همبند با کمترین وزن در یک گراف وزن‌دار است (در یک گراف وزن دار، به هر یال وزنی نسبت داده شده‌است). همچنین این الگوریتم برای یافتن کوچکترین درخت فراگیر در یک گراف وزن دار استفاده می‌شود.

به عنوان مثال فرض کنید یک شبکه راه آهن که تعدادی شهر را به یکدیگر متصل می‌کند در دست احداث است می‌خواهیم با داشتن هزینه{c_{ij}} مربوط به احداث خط مستقیم بین شهرهای {v_i},{v_j} شبکه را طوری طراحی کنیم که مجموع هزینه‌های ساخت به کمترین مقدار خود برسد. با در نظر گرفتن هر شهر به عنوان یک راس از گراف وزن دار با وزن‌های w({v_i},{v_j})={c_{ij}} مسئله به یافتن یک زیر گراف فراگیر همبند با کمترین وزن در یک گراف منجر می‌شود.

فرض کنید وزن‌ها نامنفی هستند بنابراین می‌توانیم تصور کنیم که زیر گراف فراگیر با کمترین وزن یک درخت فراگیر T از G است حال الگوریتم زیر را برای این کار ارائه می‌دهیم.

الگوریتم کراسکال[ویرایش]

۱-یال پیوندیe_1 را طوری انتخاب کن که وزن آن کوچکترین مقدار موجود باشد.

۲-اگر یال‌های {e_{i+1}},{...}{e_2},{e_1} انتخاب شده‌اند یال{e_{i+1}} را از میانE-{{e_1},{e_2},{...},{e_i}} به گونه‌ای انتخاب کن که:

الف)زیرگراف با یال‌های {e_1},{e_2},{...},{e_{i+1}} بدون دور باشد.

ب)از میان یال‌های مشمول شرط (الف) وزن {e_{i+1}} دارای کمترین مقدار ممکن باشد.

۳-در صورتی که مرحله ۲ دیگر قابل اجرا نیست توقف کن.

برنامه ی Graph Explorer[ویرایش]

دانلود سورس از لینک زیر

http://www.programyar.com/?p=5183%7B%7Bسخ}}

نمونه ای از خروجی برنامه:

Kruskal algorithm

مثال[ویرایش]

تصویر توضیحات
Kruskal Algorithm 1.svg یال های AD و CE کوتاه‌ترین یال‌های گراف هستند با طول 5، یال AD به طور دلخواه انتخاب می‌شود،که به رنگ سبز نشان داده شده است.
Kruskal Algorithm 2.svg حالا CE کوتاه‌ترین یال است با طول 5 ، در صورت انتخاب CE دور ایجاد نمی‌شود، پس یال CE به عنوان دومین یال درخت فراگیر انتخاب می‌شود.
Kruskal Algorithm 3.svg یال بعدی که باید انتخاب شود یال DF می‌باشد با طول 6.
Kruskal Algorithm 4.svg در این مرحله کوتاه‌ترین یال‌ها AB و BE می‌باشند با طول 7 ، در اینجا یال AB را به طور دلخواه برمی‌گزینیم.یال BD که در تصویر به رنگ قرمز نشان داده شده است، به این معنی است که در انتخاب‌های بعدی نمی‌توان این یال را انتخاب نمود، زیرا انتخاب این یال باعث ایجاد دور(ABD) در درخت فراگیر می‌شود.
Kruskal Algorithm 5.svg در ادامه، کوتاه‌ترین یال بعدی یعنی BE انتخاب می‌شود با طول 7.در این مرحله یال‌های BC و DE و FE با رنگ قرمز نشان داده شده اند زیرا انتخاب هرکدام موجب ایجاد دور می‌شود.
Kruskal Algorithm 6.svg سرانجام الگوریتم با انتخاب یال EG با طول 9 پایان می‌پذیرد و درخت پوشای کمینه ایجاد می‌شود.

اثبات[ویرایش]

ثابت می‌کنیم هر درخت فراگیر U با یال‌های {e_1},{e_2},{...},{e_{v-1}} که با الگوریتم کراسکال ساخته شود یک درخت بهینه‌است.

از طریق تناقض: به ازای هر درخت فراگیر T از G به غیر از U کوچکترین مقدار i را به طوری که {e_i} در T نباشد باf(t) نمایش می‌دهیم. اکنون فرض کنید که U یک درخت بهینه نباشد و T را به عنوان درخت بهینه در نظر بگیرید که در آنf(t) دارای بزرگترین مقدار ممکن باشد. فرض کنید f(t)=k این بدان معنی است که {e_{k-1}},{...},{e_2},{e_1} هم در T و هم در U هستند. ولی {e_k} در T نیست پس شامل یک دور یکتای C می‌باشد. فرض کنید {{e^'}_k} یالی از C باشد که در T هست ولی در U نیست. پس {{e^'}_k}یال برشی ازT+{e_k} نیست. بنابراین {T^'}=(T+{e_k}-{{e^'}_k}) یک گراف همبند با v-1 یال بوده در نتیجه درخت فراگیر دیگری برای G خواهد بود. روشن است که:

w({T^'})=w(T)+w({e_k})-w({{e^'}_k})

ولی در الگوریتم کراسکال {e_k} به عنوان یالی با کمترین وزن طوری انتخاب شده‌است که زیرگراف G با یال‌های {e_k},{...},{e_2},{e_1} بدون دور باشد. چون زیرگراف G با یال‌های {{e^'}_k},{...},{e_2},{e_1} زیر گرافی از T است. بنابرین ان هم بدون دور است و نیتجه می‌گیریم که:

w({{e^'}_k})w({{e}_k}),

پس

w({{T^'}})w({{T}}),

پس {T^'} هم یک درخت بهینه خواهد بود در صورتی که داریم:

f({T^'})>k=f(T)

که این با T انتخاب در تناقض است. بنابرین T=U و در نتیجه U یک درخت بهینه‌است.

شبه کد الگوریتم کراسکال[ویرایش]

مسئله:یک درخت پوشای می نیمم مشخص کنید.

ورودی:عدد صحیح n>=2 ، عدد صحیح مثبت m و یک گراف بدون جهت و وزن دار و متصل شامل n گره و m لبه. گراف با یک مجموعه E که شامل لبه‌های گراف همراه با وزن‌های انها است نشان داده می‌شود

خروجی:مجموعه‌ای از لبه‌ها F در یک درخت پوشا مینیمم

* Void kruskal (int n , int  m ,
*                   set _of_edges E,
*                   set_of_edges & F)
*     {
*       index i, j;
*       Set_pointer  p , q ;
*       edge e;
*       Sort the m edges in E by weight in nondecreasing order ;
*       F=∅;
*       initial(n);          //زیر مجموعه غیر الحاقی n مقدار دهی
*       While(number of edges in F is less than n-1){
*             e= edge with least weight not yet considered;
*             i, j = indices of vertices connected by e ;
*             p=find(i);
*             q=find(j);
*             if(!equal(p,q)){
*             merge(p,q);
*             add e to F ;
*    }
*   }
*  }

هرگاه n-1 لبه در F وجود داشته باشد,از حلقه whileخارج می‌شویم; زیرا در اینصورت , n-1 لبه در یک درخت پوشا وجود خواهد داشت

void sort(struct krus ed[],int m)
{
  struct krus temp;
   for (int i=0;i<m;i++)
       for (int j=i+1;j<m;j++)
          if (ed[j].weight<ed[i].weight)
                     {
          temp=ed[i];
          ed[i]=ed[j];
          ed[j]=temp;
           }
}

منابع[ویرایش]

  • نظریه گراف‌ها و کاربردهای آن، جی. ای. باندی و یو. اس. ار. مورتی. مترجم حمید ضرابی زاده، موسسه فرهنگی دیباگران تهران،.۱۳۷۸
  • http://en.wikipedia.org/wiki/Kruskal_algorithm