Minimum Spanning Tree

최소 신장 트리 (MST)

MST Algorithms 의 종류

Prim Algorithm - 정점을 선택
KRUSKAL Algorithm - 간선을 선택램

그래프에서 최소 비용 문제

모든 정점을 연결하는 간선들의 가중치의 합이 최소가 되는 Tree
두 정점 사이의 최소 비용의 경로 찾기

신장 트리 (Spanning Tree)

: n개의 정점으로 이루어진 무방향 그래프에서 n개의 정점과 n-1개의 간선으로 이루어진 트리

최소 신장 트리 (Mininum Spanning Tree)

: 무방향 가중치 그래프에서 신장트리를 구성하는 간선들의 가중치의 합이 최소인 신장트리

MST 표현

Graph 표현

그래프
간선들의 배열
인접 리스트
부모 자식 관계와 가중치에 대한 배열
- Tree로 나타낼 수 있다

Prim Algorithm

하나의 정점에서 연결된 간선들 중에 하나씩 선택하면서 MST를 만들어 가는 방식
1. 임의의 정점을 하나 선택해서 시작
2. 선택한 정점과 인접하는 정점들 중의 최소 비용의 간선이 존재하는 정점을 선택
3. 모든 저점이 선택될 때 까지 1,2 과정 반복
서로소(상호 배타)인 2개의 집합(2 disjoint-sets) 정보를 유지
- 트리 정점들 (tree vertices)
  - MST를 만들기 위해 선택된 정점들
- 비트리 정점들 (nontree vertices)
  - 선택 되지 않은 정점들

ex)

MST

"""
MST  + 인접행렬

7 11
0 5 60
0 1 32
0 2 31
0 6 51
1 2 21
2 4 46
2 6 25
3 4 34
3 5 18
4 5 40
4 6 51

시작정점 끝정점 가중치

결과
[0, 21, 31, 34, 46, 18, 25]
175
"""

V, E = map(int, input().split())
adj = [[0] * V for _ in range(V)]

for i in range(E):
    s, e, c = map(int, input().split())
    adj[s][e] = c
    adj[e][s] = c # 무방향 그래프라서

# for row in adj:
#     print(row)

# key, p(parent), mst 준비
INF = float('inf')
key = [INF] *V # key는 무한대로 초기화
p = [-1] * V   # p(parent)는 -1로 초기화
mst = [False] * V

# 시작점 선택 : 0번 선택
key[0] = 0
cnt = 0
result = 0
while cnt < V:
    # 아직 mst가 아니고, key가 최소인 정점 선택 : u
    MIN = INF
    u = -1
    for i in range(V):
        if not mst[i] and key[i] <MIN:
            MIN = key[i]
            u = i
    # u를 mst로 선택
    mst[u] = True
    result += MIN
    cnt+=1
    # key 값을 갱신
    # u에 인접하고, 아직 mst가 아닌 정점 w에서 key[w] > u - w 가중치  이면 갱신!
    for w in range(V):
        if adj[u][w] > 0 and not mst[w] and key[w] > adj[u][w]:
            key[w] = adj[u][w]
            p[w] = u

print(key) # [0, 21, 31, 34, 46, 18, 25]
print(p) # [-1, 2, 0, 4, 2, 3, 2]
print(result) # 175

ex)

Mst - prim algorithm

# Prim Algorithm
# : 하나의 정점에서 연결된 간선들 중에 하나씩 선택 하면서 MST를 만들어 가는 방식

# 우선순위 큐 활용하기 -> 이진힙 -> heapq
import heapq

"""
MST  + 인접행렬

7 11
0 5 60
0 1 32
0 2 31
0 6 51
1 2 21
2 4 46
2 6 25
3 4 34
3 5 18
4 5 40
4 6 51

시작정점 끝정점 가중치

결과
[0, 21, 31, 34, 46, 18, 25]
175
"""

V, E = map(int, input().split())
adj = {i: [] for i in range(V)}
for i in range(E):
    s, e, c = map(int, input().split())
    adj[s].append([e,c])
    adj[e].append([s,c]) #무방향이라서
# print(adj)

# key, mst, 우선순위 큐 준비
INF = float('inf')
key = [INF] * V
mst = [False] * V
pq = []
# 시작 정점 선택 : 0
key[0] = 0
# 큐에 시작 정점을 넣음 => (key, 정점 index) 묶어서 넣기
# 우선순위 큐 => 이진힙 => heapq 라이브러리 사용
heapq.heappush(pq, (0,0)) # heqppush(배열 정보, 어떤 원소 넣을 지) : heap의 구조를 유지하면서 하나의 원소를 넣어줌
                    # 우선순위큐 -> 원소의 첫번째 요소 -> key를 우선순위로
result = 0
while pq:
    # 최소값 찾기
    k, node = heapq.heappop(pq) #내가 갖고있는 heapq에서 최소값을 pop해줌
    if mst[node]: continue # 갱신 할 때 필요했던 정보는 skip하기
    # mst로 선택
    mst[node] = True
    result += k
    # key값 갱신 => key배열 / 큐
    for destination, weight in adj[node]:
        if not mst[destination] and key[destination] > weight:
            key[destination] = weight
            # 큐 갱신 => 새로운 (key, 정점) 삽입 => 필요없는 원소는 skip
            heapq.heappush(pq, (key[destination], destination))

print(result) # 175

KRUSKAL Algorithm

: 간선을 하나씩 선택해서 MST를 찾는 알고리즘

최초, 모든 간선을 가중치에 따라 오름차순으로 정렬
가중치가 가장 낮은 간선부터 선택하면서 트리를 증가시킴
- 사이클이 존재하면 다음으로 가중치가 낮은 간선 선택
  - 사이클은 선택하지 않는다!
    사이클이 있다는 것은 최단거리로 가는 것이 아니라 돌아서 가는 것을 의미하기 때문
- 사이클이 존재하는지 확인하는 법
  - 정점의 대표자가 같으면 사이클이 있다는 것!
n-1개의 간선이 선택될 때 까지 2를 반복

ex)

kruskal

"""
예제

7 11
0 5 60
0 1 32
0 2 31
0 6 51
1 2 21
2 4 46
2 6 25
3 4 34
3 5 18
4 5 40
4 6 51

"""

def make_set(x):
    p[x] = x

def find_set(x):
    if p[x] == x:
        return x
    else:
        p[x] = find_set(p[x])
        return p[x]

def union(x,y):
    px = find_set(x)
    py = find_set(y)
    if rank[px] > rank[py]:
        p[py] = px
    else:
        p[px] = py
        if rank[px] == rank[py]:
            rank[py] += 1

V, E = map(int, input().split())
edges = [ list(map(int, input().split()))for _ in range(E)]

# 간선을 간선 가중치를 기준으로 정렬
edges.sort(key=lambda x: x[2]) # () 암에 기준이 들어감

# make_set : 모든 정점에 대해 집합 생성
p = [0] * V
rank = [0] * V
for i in range(V):
    make_set(i)

cnt = 0
result = 0
mst = []
# 모든 간선에 대해서 반복 -> V-1개의 간선이 선택될 때 까지
for i in range(E):
    s, e, c = edges[i][0], edges[i][1], edges[i][2]
    # 사이클이면 skip : 채택하려는 두 정점이 ㅅ로 같은 집합이면 skip  => find_set 이용
    if find_set(s) == find_set(e):
        continue
    # 간선 선택
    result += c
    mst.append(edges[i])
    # => mst에 간선 정보 더하기 / 두 정점을 합친다  => Union
    union(s,e)
    cnt +=1
    if cnt == V-1:
        break

print(result) # 175
print(mst) #[[3, 5, 18], [1, 2, 21], [2, 6, 25], [0, 2, 31], [3, 4, 34], [2, 4, 46]]

PreviousGraph NextDijkstra Algorithm

Last updated 1 year ago