在n个城市之间建设网络，只需保证连通即可，求最经济的架设方法。存储结构自定。要求用克鲁什卡尔算法求解，如有优化，要有优化过程

这是一个经典的最小生成树问题，可以使用 Kruskal 算法进行求解。其基本思路是：

1. 将所有边按照权值从小到大排序；
2. 依次取出每条边，如果这条边所连接的两个城市尚未连通，则将它们连通，并将这条边加入最小生成树中；
3. 直到最小生成树中包含了所有的 n 个城市为止。

在 Kruskal 算法中，可以使用并查集来维护城市之间的连通性。具体地，可以将每个城市看作一个节点，将边看作图中的边，每次加入一条边时，检查它所连接的两个城市是否已经连通，如果是，则忽略这条边；否则，将这两个城市合并起来，并将这条边加入最小生成树中。

如果要对 Kruskal 算法进行优化，可以考虑使用启发式合并（即按照节点的大小进行合并，将小的节点合并到大的节点中，以减小并查集的深度）或路径压缩（即在查找节点的根节点时，将路径上的所有节点都直接指向根节点，以减小并查集的深度）等优化方法来加速算法的执行速度。

下面是 Kruskal 算法的 Python 代码实现，其中使用了路径压缩优化：

class UnionFind:
    def __init__(self, n):
        self.parent = list(range(n))
        self.size = [1] * n
    
    def find(self, x):
        if self.parent[x] != x:
            self.parent[x] = self.find(self.parent[x])
        return self.parent[x]
    
    def union(self, x, y):
        px, py = self.find(x), self.find(y)
        if px != py:
            if self.size[px] > self.size[py]:
                px, py = py, px
            self.parent[px] = py
            self.size[py] += self.size[px]
    
    def connected(self, x, y):
        return self.find(x) == self.find(y)

def kruskal(n, edges):
    uf = UnionFind(n)
    edges.sort(key=lambda x: x[2])
    mst = []
    for u, v, w in edges:
        if not uf.connected(u, v):
            uf.union(u, v)
            mst.append((u, v, w))
    return mst

其中，n 表示城市的数量，edges 是一个列表，每个元素表示一条边，包含三个值：起点、终点和边的权值。返回值 mst 是一个列表，包含最小生成树中的所有边。