请帮助我填补我的知识空缺（自学）：
到目前为止，据我所知，给定N个顶点和边的图形，我们想要形成一个具有N-1边的MST
我们按重量排列边缘
我们创建一组子集，其中每个顶点都有自己的子集。因此，如果我们将{A，B，C，D}作为我们的初始顶点集，我们现在有{{A}，{B}，{C}，{D}}
我们还创建了一个包含答案的集合
我们沿着有序边缘列表前进。我们看看它的顶点，所以V1和V2。如果它们处于单独的子集中，我们可以连接两个子集，并将边添加到保存边的集合A.如果它们在同一子集中，我们将转到下一个选项（因为它是一个循环）
我们继续这种模式，直到我们到达Edge列表的末尾或者达到顶点数 - 1表示集合A的长度。
如果上述断言属实，我的以下问题将考虑实施：
如果我们使用list []来保存包含顶点的集合的子集：
子集= [[1] [2] [3] [4] [5] [6] [7]]
并且每个边缘由需要查找两个子集组成 所以我们需要找到（6,7）
结果将是
my_path = [（6,7）] #holds所有路径 子集= [[1] [2] [3] [4] [5] [6,7]]
不会发现子集中的子集需要花费太长时间才能成为O（nlog（n））
有更好的方法还是我正确地做到了这一点？
答案 0 :(得分：0)
不会发现子集中的子集需要花费太长时间才能成为O（nlog（n））
是
有更好的方法还是我正确地做到了这一点？
更好的方法是使用Disjoint Set Forest数据结构与 Union by Rank 技术。应用此技术会为Union或Find操作产生最坏情况的O（log n）运行时间
答案 1 :(得分：0)
实际上算法的运行时间是O（E log（V））。
其表现的关键在于你的观点4，更具体地说，如果'a'和'b'属于同一组，则确定轻边e =（a，b）的实现，如果不是，执行各自的联合会。
关于这个主题的更多说明，我推荐你的书：“Algoritms简介”，来自MIT出版社，ISBN 0-262-03293-7，第561页（关于MST的一般主题）和第568页（关于Kruskal's）算法）。 正如它所述，我引用：
“图表G =（V，E）的Kruskal算法的运行时间取决于 关于不相交集数据结构的实现。我们将承担 第21.3节的不相交森林实施与按职级和 路径压缩启发式算法，因为它是渐近最快的实现 已知的“。
以后几行和一些简单的“时间复杂性理论”微积分，证明其时间复杂度为O（E log（V））。