Phil的课堂笔记之数据结构——图

数据结构——图

这节课也是蹭的大佬的听的咯
先来总结一下叭

1. 图的基本概念
2. 图的存储结构
3. 图的遍历 BFS、DFS
4. 图的应用
   4.1 最小生成树 Prim、Kruskal
   4.2 最短路径 Dijkstra、Floyd
   4.3 AOV网 拓扑排序
   4.4 AOE网 关键路径

1 图的基础知识

图，是一种用节点和边来表示相互关系的数学模型。

（A graph is a mathematical structure for representing relationships using nodes and edges）

【第340页 0x61节 注1】参考资料 - 图_(数学).pdf
form 大蓝书
0.0 图是由边和点组成的。

• 有向图
  如图中的每一条边，如果有表明方向，有起点终点，这样的图我们称为有向图（Directed Graph即有方向的图）
  

• 无向图：如果图中的边没有方向性，那么我们就称这样的图为无向图（Undirected Graph即没有方向的图）
  

• 下图就是有向图跟无向图的区别
  

• 完全图：完全无向图，完全有向图
  一个点和其他所有点都相连
  

• 无权图：（Unweighted Graph）
  

• 有权图：
  

• 结点的度：无向图中，与其相连的边的个数

• 入度：有向图中，以该点为终点的边的个数

• 出度：有向图中，以该点为起点的边的个数

• 边权：

• 点权：

• 稠密图：

• 稀疏图：

• 强连通图：

• 连通分量：

• 强通图分量：有向图中任意两个点都联通的最大子图

• 路径（path）：从某个顶点到另一个顶点之间的路径，可以用经过的点或者经过的边来表示。例如从V到Z，所经过的路径可以表示为：
  {b, h} 或者{V, X, Z}

• 路径长度（path length）：路径中包含的节点数或者边的数量

• 邻居（neighbor）：通过一条边直接相连的两个节点，称为邻居，例如图中的V和X

• 环（cycle）：路径的起点跟终点都是在同一个节点中的路径。例如（红色线条）和蓝色线条
  路径：{b, g, f, c, a} 或者 {V, X, Y, W, U, V}，还有 .{c, d, a} 或者{U, W, V, U}.
  

• 无环图：图中不包含任何的环状的图

• 循环（loop）：连接自身顶点的边。许多图中是不允许包含有循环的
  

• 可达（reachable）：如果存在一条路径，使得a能够到达b，就称a到b可达

• 连通（connect）：如果图中每一个顶点都能相互可达，那么我们就称这图是连通的，称为连通图
  ————————————————
  版权声明：上面一小段为CSDN博主「GDMU_redAnt」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。原文链接

2 图的存储结构

• 包括邻接矩阵、邻接表、逆邻接表

• 邻接矩阵：不带权图（用0、1表示）
  带权图（用权重、无穷表示）；
  邻接矩阵第i行之和可求出顶点Vi的度

• 邻接表：包含顶点表和边表，邻接表不唯一（意味着边表顺序可以不一致）

• 逆邻接表

！如何创建一个邻接表？
我们首先要明白，图是由点和边组成的，所以我们要建立一个图，就要考虑每一条边的属性。
那么创建一个邻接表，我们考虑的边的属性有哪些呢？
边的起点，边的终点，边权；
这一条边的上一条边是哪条（想想为什么）

struct Edge{
  int st,to,nxt,w;
}edge[200005];

就拿这个图来说
节点1的邻居有3个，分别为节点2,3,4
我们假设输入这三条边的顺序为5，7, 9
那么按照我们正常的思路来讲应该是这样的

void add(int u,int v,int w){	//邻接表的实现程序 
  cnt++;						//边的序号 
  edge[cnt].st  = u;
  edge[cnt].to  = v;				//赋予每个边的信息 
  edge[cnt].w   = w;
  edge[cnt].nxt = ?    //不会写了
  ? =cnt;
}

我们可以发现，问号的地方缺一点东西，让这条边的上一条边是“兄弟”的那条边的（如图中9号边的上一条是7号）
这时就需要一个变量来存储每个节点现在有多少条边，就能知道这条的上一条是哪条了

void add(int u,int v,int w){	//邻接表的实现程序 
  cnt++;						//边的序号 
  edge[cnt].st  = u;
  edge[cnt].to  = v;				//赋予每个边的信息 
  edge[cnt].w   = w;
  edge[cnt].nxt = hd[u];
  hd[u]=cnt;			//实现每一条边的上一个边 
}

2 图的遍历DFS，BFS

• BFS 广度优先搜索 Breadth First Search
• DFS 深度优先搜索 Depth-First-Search

DFS