数据结构与算法Python版之北大慕课笔记（五）

一、图Graph

1. 图的基础知识

• 图Graph是比树更为一般的结构，也是由节点和边构成的，实际上树是一种具有特殊性质的图。

• 顶点Vertex(也称“节点Node”)是图的基本组成部分，顶点具有名称标识Key，也可以携带数据项payload。

• 边Edge(也称“弧Arc”)，作为2个顶点之间关系的表示，边连接两个顶点；边可以是无向或者有向的，相应的图称作“无向图”和“有向图”。

• 权重Weight，为了表达从一个顶点到另一个顶点的代价，可以给边赋权。例如公交网络中两个站点之间的距离、通行时间和票价都可以作为权重。

  

2. 图的定义

• 一个图G可以定义为G = (V,E)，其中V是顶点的集合，E是边的集合，E中的每条边e = (v, w)，v和w都是V中的顶点；如果是赋权图，则可以在e中添加权重分量子图：V和E的子集。
• 路径Path，图中的路径，是由边依次连接起来的顶点序列；无权路径的长度为边的数量；带权路径的长度为所有边权重的和。
• 圈Cycle，圈是首尾顶点相同的路径。如果有向图不存在任何圈，则称作“有向无圈图 directed acyclic graph: DAG”。如果一个问题能表示成DAG，就可以用图算法很好地解决。

二、ADT Graph

ADT Graph的实现方法有两种主要形式：邻接矩阵adjacency matrix；邻接表adjacency list，两种方法各有优劣，需要在不同应用中加以选择。

1. 邻接矩阵

• 矩阵的每行和每列都代表图中的顶点。

• 如果两个顶点之间有边相连，设定行列值。无权边则将矩阵分量有就标注为1，没有就标注为0；带权边则将权重保存为矩阵分量值。

  

• 邻接矩阵实现法的优点是简单，可以很容易得到顶点是如何相连的。

• 但如果图中的边数很少则效率低下，成为稀疏sparse矩阵。而大多数问题所对应的图都是稀疏的，边远远少于|v|^2 这个量级。

2. 邻接列表

• 邻接列表可以成为稀疏图的更高效实现方案。维护一个包含所有顶点的主列表(master list)，主列表中的每个顶点，再关联一个与自身有边连接的所有顶点的列表。

• 邻接列表法的存储空间紧凑高效，很容易获得顶点所连接的所有顶点，以及连接边的信息。
  

3. ADT Graph的实现

• 顶点Vertex类：Vertex包含了顶点信息，以及顶点连接边信息。

  class Vertex:
      def __init__(self, key):
          self.id = key
          self.connectedTo = {
       }
  
      def addNeighbor(self, nbr, weight=0):
          self.connectedTo[nbr] = weight  # nbr是顶点对象的key
  
      def __str__(self):
          return str(self.id) + 'connectedTo:' + str([x.id for x in self.connectedTo])
  
      def getConnections(self):
          return self.connectedTo.keys()
  
      def getId(self):
          return self.id
  
      def getWeight(self, nbr):
          return self.connectedTo[nbr]
  

• 图Graph类：Graph保存了包含所有顶点的主表。

  class Graph:
      def __init__(self):
          self.verList = {
       }
          self.numVertices = 0
  
      def addVertex(self, key):  # 新加顶点
          self.numVertices = self.numVertices + 1
          newVertex = Vertex(key)
          self.verList[key] = newVertex
          return newVertex
  
      def getVertex(self, n):  # 通过key查找顶点
          if n in self.verList:
              return self.verList[n]
          else:
              return None
  
      def __contains__(self, n):
          return n in self.verList
  
      def addEdge(self, f, t, cost=0):
          if f not in self.verList:
              nv = self.addVertex(f)  # 不存在的顶点先添加
          if t not in self.verList:
              nv = self.addVertex(t)
          self.verList[f].addNeighbor(self.verList[t], cost) # 调用起始顶点的方法添加临街边
  
      def getVertices(self):
          return self.verList.keys()
  
      def __iter__(self):
          return iter(self.verList.values())
  

三、图的应用

1. 词梯Word Ladder问题

• 由爱丽丝漫游奇境的作者Lewis Carroll在1878年所发明的单词游戏。
• 从一个单词演变为另一个单词，其中的过程可以经过多个中间单词，要求是相邻两个单词之间差异只能是1个字母。如FOOL变为SAGE：FOOL >> POOL >> POLL >> POLE >> PALE >> SALE >> SAGE
• 我们的目标是找到最短的单词变换序列，采用图来解决这个问题的步骤如下：将可能的单词之间的演变关系表达为图，采用广度优先搜索BFS，来搜寻从开始单词到结束单词之间的所有有效路径，选择其中最快到达目标单词的路径。

构建单词关系图：

• 首先是如何将大量的单词集放到图中，将单词作为顶点的标识key，如果两个单词之间仅相差1个字母，就在它们之间设一条边。

  

• 下图是从FOOL到SAGE的词梯解，所用的图是无向图，边没有权重