Kruskal算法用数组实现的核心是：一维边数组存储边（u,v,w）、一维parent数组模拟并查集、排序后遍历贪心选边；需路径压缩find与根合并union，cnt达n−1时终止，sum累加权值。

用数组实现最小生成树（特别是 Kruskal 算法），核心在于：**用一维数组存边、用一维数组模拟并查集、用排序+遍历控制建树逻辑**。它不依赖复杂结构，适合教学理解或轻量级嵌入场景，关键在变量组织清晰、边界处理严谨。

边集数组：统一结构 + 预排序

定义一个边结构体数组（如 C/C++ 中的 Edge edges[MAXE]），每条边含三个字段：u（起点）、v（终点）、w（权重）。不要用二维邻接矩阵存边——那会冗余且难排序。

实战要点：

• 边数量最多为 n×(n−1)/2，申请数组时留足空间，避免越界
• 构建边集时只存 i 的无向边（防重复），跳过权值为 0 或 INF 的无效边
• 排序必须在建树前完成：用 qsort（C）或 std::sort（C++）按 w 升序；Java/Python 同理用 Arrays.sort 或 sorted(..., key=lambda x: x[2])

并查集数组：用 parent[] 管理连通性

声明整型数组 int parent[n]，下标代表顶点编号（0 到 n−1），值代表该顶点的父节点（初始时 parent[i] = i）。

两个关键操作封装为函数：

• find(x)：路径压缩查找根节点（while 循环或递归），返回 x 所属连通分量的代表元
• union(u, v)：若 find(u) ≠ find(v)，则令 parent[find(u)] = find(v)，返回 true；否则返回 false

注意：不能直接 parent[u] = v——必须合并根，否则并查集失效；也不建议用 size 或 rank 优化（除非数据量大），基础版用纯路径压缩已足够稳定。

建树主循环：边遍历 + 条件添加

初始化 sum = 0（总权值）、cnt = 0（已选边数）。遍历已排序的边数组：

• 对每条边 (u, v, w)，先调用 if (union(u, v))
• 若返回 true，说明 u 和 v 原本不连通 → 安全加入，执行 sum += w; cnt++
• 一旦 cnt == n − 1，立即 break —— 此时树已完整，无需继续扫描剩余边

这个循环本质是贪心筛选：小权重优先 + 无环保障。变量 cnt 是终止开关，sum 是结果载体，二者缺一不可。

辅助变量管理技巧

除核心数组外，建议显式声明以下变量提升可读性与调试性：

• int n, m;：顶点数、边数（从输入解析后立刻赋值，避免 magic number）
• Edge* edges; 或 vector edges;：动态分配或容器管理，比固定 MAXE 更安全
• 临时变量命名直白，如 root_u = find(u)，避免嵌套调用导致逻辑混淆
• 调试时可加 printf/log 输出每次成功添加的边（如 "Add edge %d-%d, weight %d"），验证顺序与连通性