数据结构与算法之图的应用

图的定义和基本概念

• 在图中，通常将数据元素称为顶点(Vertex） ,数据元素之间的关系称为边（Edge) 。
• 图(Graph）由有限顶点集V和表示顶点之间关系的有限边集E组成，记为:$G=(V,E)$
• 其中：顶点总数|V|记为n，边的总数|E|记为e
• 无向图：每条边都是无方向的
  
• 有向图：每条边都是有方向的
  
• 完全图：任意两个点都有一条边相连
  
• 顶点的度：与该顶点相关联的边的数目，记为TD(v)
• 在有向图中, 顶点的度等于该顶点的入度与出度之和。
  顶点 v 的入度是以 v 为终点的有向边的条数, 记作 ID(v)
  顶点 v 的出度是以 v 为始点的有向边的条数, 记作OD(v)
• 路径：接续的边构成的顶点序列。
• 路径长度：路径上边或弧的数目/权值之和。
• 回路(环)：第一个顶点和最后一个顶点相同的路径。
• 简单路径：除路径起点和终点可以相同外，其余顶点均不相同的路径。
• 简单回路(简单环)：除路径起点和终点相同外，其余顶点均不相同的路径。
  
• 连通图（强连通图）
  在无（有）向图G=( V, {E} )中，若对任何两个顶点 v、u 都存在从v 到 u 的路径，则称G是连通图（强连通图）。
  
• 权与网
  图中边或弧所具有的相关数称为权。
  表明从一个顶点到另一个顶点的距离或耗费。带权的图称为网。
• 子图。如下图：( b )、( c ) 是 ( a ) 的子图。
  

图的实现

数组〈邻接矩阵〉

• 无向图的邻接矩阵表示法
  
• 有向图的邻接矩阵表示法
  
• 网（即有权图）的邻接矩阵表示法
  
• 优点：
  容易实现图的操作，如：求某顶点的度、判断顶点之间是否有边、找顶点的邻接点等等。
• 缺点：
  n个顶点需要n*n个单元存储边;空间效率为$O(n^2)$。 对稀疏图而言尤其浪费空间。

//用两个数组分别存储顶点表和邻接矩阵
#define MaxInt 32767                    	//表示极大值，即∞
#define MVNum 100                       	//最大顶点数 
typedef char VerTexType;              	//假设顶点的数据类型为字符型 
typedef int ArcType;                  	//假设边的权值类型为整型 
typedef struct{ 
  VerTexType vexs[MVNum];            		//顶点表 
  ArcType arcs[MVNum][MVNum];      	//邻接矩阵 
  int vexnum,arcnum;                		//图的当前点数和边数 
}AMGraph; 

邻接表

• 无向图的邻接表表示
  
  注：邻接表不唯一，因各个边结点的链入顺序是任意的
  空间效率为O(n+2e)。
  若是稀疏图$(e<<n^2)$，比邻接矩阵表示法$O(n^2)$省空间。
• 有向图的邻接表表示
  
  注：空间效率为O(n+e)
  出度：OD(Vi)＝单链出边表中链接的结点数
  入度：ID(Vi)＝邻接点域为Vi的弧个数
  度：TD(Vi) = OD(Vi) + I D(Vi)
• 优点：
  空间效率高，容易寻找顶点的邻接点；
• 缺点：
  判断两顶点间是否有边或弧，需搜索两结点对应的单链表，没有邻接矩阵方便。

#define MVNum 100                        	//最大顶点数 
typedef struct ArcNode{                		//边结点 
    int adjvex;                          		//该边所指向的顶点的位置 
    struct ArcNode * nextarc;          	//指向下一条边的指针 
    OtherInfo info;                      	              //和边相关的信息 
}ArcNode; 
typedef struct VNode{ 
    VerTexType data;                    	//顶点信息 
    ArcNode * firstarc;                	//指向第一条依附该顶点的边的指针 
}VNode, AdjList[MVNum];               	//AdjList表示邻接表类型 
typedef struct{ 
    AdjList vertices;                 		//邻接表 
    int vexnum, arcnum;              		//图的当前顶点数和边数 
}ALGraph; 

图的应用

最小生成树

Prim（普里姆）算法

图论中的一种算法，可在加权连通图里搜索最小生成树。意即由此算法搜索到的边子集所构成的树中，不但包括了连通图里的所有顶点，且其所有边的权值之和亦为最小。该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克发现；并在1957年由美国计算机科学家罗伯特·普里姆独立发现；1959年，艾兹格·迪科斯彻再次发现了该算法。因此，在某些场合，普里姆算法又被称为DJP算法、亚尔尼克算法或普里姆－亚尔尼克算法。

Kruskal（克鲁斯卡尔）算法

克鲁斯卡尔算法是求连通网的最小生成树的另一种方法。与普里姆算法不同，它的时间复杂度为$O(elo{g}_{2}e)$（e为网中的边数），所以，适合于求边稀疏的网的最小生成树。

最短路径

• 最短路径问题是图论研究中的一个经典算法问题， 旨在寻找图（由结点和路径组成的）中两结点之间的最短路径。 算法具体的形式包括：
  • 确定起点的最短路径问题 - 即已知起始结点，求最短路径的问题。
  • 确定终点的最短路径问题 - 与确定起点的问题相反，该问题是已知终结结点，求最短路径的问题。在无向图中该问题与确定起点的问题完全等同，在有向图中该问题等同于把所有路径方向反转的确定起点的问题。
  • 确定起点终点的最短路径问题 - 即已知起点和终点，求两结点之间的最短路径。
  • 全局最短路径问题 - 求图中所有的最短路径。

迪克斯特拉算法

• 迪杰斯特拉算法(Dijkstra)是由荷兰计算机科学家狄克斯特拉于1959年提出的，因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法，解决的是有权图中最短路径问题。迪杰斯特拉算法主要特点是从起始点开始，采用贪心算法的策略，每次遍历到始点距离最近且未访问过的顶点的邻接节点，直到扩展到终点为止。
• 基本思想：
  1.初始化：先找出从源点v0到各终点vk的直达路径（v0,vk），即通过一条弧到达的路径。
  2.选择：从这些路径中找出一条长度最短的路径（v0,u）。
  3.更新：然后对其余各条路径进行适当调整：
  若在图中存在弧（u,vk），且（v0,u）+（u,vk）<（v0,vk）,则以路径（v0,u,vk）代替（v0,vk）。
  在调整后的各条路径中，再找长度最短的路径，依此类推。
• 例如，
  
  
  最短路径为{v0 ,v2 ,v4 ,v3 ,v5}

拓扑排序

对一个有向无环图(Directed Acyclic Graph简称DAG)G进行拓扑排序，是将G中所有顶点排成一个线性序列，使得图中任意一对顶点u和v，若边<u,v>∈E(G)，则u在线性序列中出现在v之前。通常，这样的线性序列称为满足拓扑次序(Topological Order)的序列，简称拓扑序列。简单的说，由某个集合上的一个偏序得到该集合上的一个全序，这个操作称之为拓扑排序。

执行步骤

由AOV网构造拓扑序列的拓扑排序算法主要是循环执行以下两步，直到不存在入度为0的顶点为止。

• (1) 选择一个入度为0的顶点并输出之；
• (2) 从网中删除此顶点及所有出边。

循环结束后，若输出的顶点数小于网中的顶点数，则输出“有回路”信息，否则输出的顶点序列就是一种拓扑序列。

例如，

最后得到拓扑序列C4 , C0 , C3 , C2 , C1 , C5

关键路径

• 关键路径是指设计中从输入到输出经过的延时最长的逻辑路径。优化关键路径是一种提高设计工作速度的有效方法。一般地，从输入到输出的延时取决于信号所经过的延时最大路径，而与其他延时小的路径无关。在优化设计过程中关键路径法可以反复使用，直到不可能减少关键路径延时为止。
• AOE-网(Activity On Edge)即边表示活动的网。AOE-网是一个带权的有向无环图,其中,顶点表示事件(Event),弧表示活动,权表示活动持续的时间。通常,AOE-网可用来估算工程的完成时间。
• 一个AOE网，如下图，
  
• 源点：表示整个工程的开始点，也称起点。
• 收点：表示整个工程的结束点，也称汇点。
• 事件结点：单位时间，表示的是时刻。
• 活动（有向边）：它的权值定义为活动进行所需要的时间。
  方向表示起始结点事件先发生，而终止结点事件才能发生。
• 关键活动：最早开始时间 ＝ 最迟开始时间的活动
• 关键路径：从源点到收点的最长的一条路径，或者全部由关键活动构成的路径。
• 四个主要描述量
  
  
  例如，已知AOE网中顶点v1，v2，v3，…v7分别表示7个时间，有向线段a1，a2，a3，…a10分别表示10个活动，线段旁的数值表示每个活动花费的天数，如下图所示。用顶点序列表示出关键路径，给出关键活动。
  
  解析:
  
  故关键路径：
  (1)V1->V2->V5->V7
  (2)V1->V4->V5->V7
  注意：关键路径可有多条缩短工期必须缩短关键活动所需的时间

参考文献

[1] 严蔚敏，吴伟民. 数据结构（C语言版）. 北京： 清华大学出版社，2020
[2] 严蔚敏，李冬梅，吴伟民. 数据结构（C语言版）（第二版）. 北京： 人民邮电出版社，2021
[3] 吴伟民，李小妹，刘添添，黄剑锋，苏庆，林志毅，李杨.数据结构. 北京：高等教育出版社，2017