考研数据结构——(图)

码mamba

于 2022-06-22 18:28:24 发布

阅读量489

点赞数 2

分类专栏：考研数据结构文章标签：数据结构算法图论

本文链接：https://blog.csdn.net/Seven597/article/details/125114091

版权

考研数据结构专栏收录该内容

12 篇文章 2 订阅

订阅专栏

考研数据结构——图

一、图的基本概念
1.1 基本概念
二、图的存储及基本操作
三、图的遍历
四、图的应用

一、图的基本概念

1.1 基本概念

1.1.1 图的定义

在这里插入图片描述

在以后设计交友类软件的时候。
好友关系通过无向图实现。
关注关系通过有向图实现。

在这里插入图片描述

1.1.2 各种术语概念

有向图、无向图

在这里插入图片描述

简单图、多重图

在这里插入图片描述

顶点的度（入度、出度）

在这里插入图片描述

路径、路径长度、回路、简单回路、简单路径、距离、连通（无向图）、强连通（有向图）

在这里插入图片描述

连通图、强连通图

在这里插入图片描述

子图、生成子图

在这里插入图片描述

连通分量、强连通分量

在这里插入图片描述

生成树、生成森林

在这里插入图片描述

边的权、带权图、带权路径长度

在这里插入图片描述

完全有向图、完全无向图

在这里插入图片描述

稀疏图、稠密图

树(无向图)、有向树（有向图）

树是连通图
但有向树并不是强连通图

在这里插入图片描述

小总结

在这里插入图片描述

二、图的存储及基本操作

2.1 各种图的存储结构

1. 邻接矩阵法（思想与代码实现）

⭐ 介绍邻接绝阵

通过一个一维数组VEX 存储顶点信息（顶点表）；
通过一个二维bool数组 Edge 存储两顶点对应是否有连接关系（邻接矩阵）；
注意：无向图的邻接矩阵是对称矩阵，可通压缩矩阵算法实现存储；

在这里插入图片描述
⭐ 通过邻接矩阵计算顶点的度（有向/无向）

⭐ 带权邻接矩阵

一般无穷表示两个顶点间无路径；
0表示自己到自己；

在这里插入图片描述
⭐ 邻接矩阵空间复杂度

可通过压缩矩阵存储来存储无向图的邻接矩阵

在这里插入图片描述
⭐ 邻接矩阵的性质

这个用来求，邻接矩阵的n次幂。指两个结点直接存在路径长度为 n 的个数；

在这里插入图片描述

2. 邻接表法

无向图的邻接表示法，类似于树的孩子表示法；
通过一个顶点数组保存各个顶点，每个顶点结点有自己的信息域和第一个边域（指向一个邻接的点）；
通过边结点，连接每个结点的所有边，每个边结点都有指向哪个结点信息域，与下一条边结点的指针域。

在这里插入图片描述
⭐ 邻接表之有向图和无向图

当求无向图的每个结点的度的时候：
只需要从结点域开始向后遍历即可；

当求有向图的每个结点的度的时候：
求出度，就是从顶点开始向后遍历链表；
求入度，就异常的困难！需要遍历每个结点边，对每个结点进行遍历判断，极非时间；

在这里插入图片描述
⭐ 对比邻接表与邻接矩阵

⭐ 邻接表的特点：

3. 十字链表法

⭐ ：十字链表只针对与有向图；

对于顶点结点：
data：存储顶点信息；
firstin：以该顶点作为弧头的第一条弧；就是箭头所在端；
firstout：以该顶点作为弧尾的第一条弧；就是没有箭头所在一端；

对于弧结点（就是边）：
tailvex：指的弧尾编号；
headvex：指的弧头编号；
tlink：弧尾相同的下一条弧；
hlink：弧头相同的下一条弧；
info：弧的有关信息

将图以具体图的形式转换成十字链表, 具体思想;

找到一个点，该点所指向的第一点的弧用 firstout指向；指向的弧结点通过 tlink连接弧尾相同的弧，也就是该结点的剩余的所有弧；
找个的这个点，被别的结点所指向，指向的弧用该结点的 firstin 指向。所指向的弧结点的同样串联相同的弧尾弧头指向；

在这里插入图片描述
⭐ 十字链表法计算出边与入边；

计算某结点的入度；
在点结点通过 firstin 指针域指向第一个弧（该弧为该结点入度的弧）开始遍历弧结点的 headvex（指向有共同入边的其他弧结点）

计算某结点的出度：
从点结点的 firstout 指针域指向的第一个弧（该弧为该结点出度的弧）开始遍历弧结点的 tailvex（指向有共同出边的其他弧结点）

在这里插入图片描述

邻接多重表

属于无向图

顶点结点：
data：存储该顶点的信息；
firstedge：指向该顶点连接的第一条边的弧结点；

边结点：
i、j：指的是该边连接的两个顶点编号
ilink：指的是 i 顶点，所连接的另一条边的弧结点；
jlink：指的是 j 顶点，所连接的另一条边的弧结点；

在这里插入图片描述
⭐ 邻接多重表的分析

四大图的存储方式总结

在这里插入图片描述

2.2 基于邻接矩阵和邻接表的图的基本操作

2.2.1 判断两点之间是否存在边

⭐ 无向图
在这里插入图片描述
⭐ 有向图

2.2.2 找出图中与某结点连接的所有边

⭐ 无向图
在这里插入图片描述
⭐ 有向图

2.2.3 在图中插入新结点

⭐ 有向图无向图一样
在这里插入图片描述

2.2.4 在图中删除一个结点

⭐ 无向图
在这里插入图片描述
⭐ 有向图

2.2.5 在图中增加一条边

⭐ 有向图无向图类似
在这里插入图片描述

2.2.6 寻找图的某节点的第一个邻接点

⭐ 无向图
在这里插入图片描述
⭐ 有向图

对于邻接矩阵：
找n(n下标)出边就是遍历第n行
找n的入边就是遍历第n列

在这里插入图片描述

2.2.7 寻找图的某个结点的第二个邻接点

⭐ 无向图
在这里插入图片描述

2.2.8 设置/获取某条边的权值

这个算法核心就是找到要操作的边，因此时间复杂度就是找边的时间复杂度

在这里插入图片描述

2.2.9 基于邻接矩阵和邻接表的图的基本操作小总结

在这里插入图片描述

三、图的遍历

3.1 图的广度优先遍历

图的存储方式

广度优先遍历，，邻接矩阵的存储图遍历是唯一的，但是如果存储方式是邻接表的话，遍历的顺序就不唯一

在这里插入图片描述

广度优先遍历算法代码

对于无向图，调用bfs函数的次数等于连通分量的个数，因为bfs一次会遍历一个连通分量
注意，当有向图进行广度优先遍历的时候。从不同的结点出发遍历dfs的次数可能不一样

在这里插入图片描述

广度优先遍历算法的时间复杂度

分析时间复杂度就是找多少顶点，找对应多少边，不要陷入bfs中

在这里插入图片描述

广度优先生成树

（广度优先生成树）对图进行第一次广度优先遍历的时候，每个结点第一次被访问的路径被记录下来，这样一颗连通的图就会产生一颗生成树

在这里插入图片描述

⭐ 当存储结构是邻接表的时候，因为邻接表的存储可能不一，则广度优先遍历可能不一样，所以广度优先生成树的形状也可能不一样
所以对于非连通图，每个连通分量都可以生成一颗广度优先生成树。这个非连通图就可以生成广度优先森林

在这里插入图片描述

广度优先遍历知识整理

在这里插入图片描述

3.2 深度优先遍历

图的深度优先遍历类似于树的先根遍历

深度优先算法代码

在这里插入图片描述

深度优先算法的空间复杂度

⭐ 注意这个空间复杂度关键是递归所占有的空间。而广度优先遍历的算法中空间复杂度是和辅助队列有关

在这里插入图片描述

深度优先遍历的时间复杂度

与广度优先遍历一样，都是取决于存储方式

在这里插入图片描述

同样基于邻接表的存储结构，图的深度优先遍历可能会不同

在这里插入图片描述

深度优先生成树

深度优先生成树，就是图进行深度优先遍历的时候，每个结点最先被访问的路径
同样对于非连通图，也就有了深度优先生成森林

其实不管是深度优先和广度优先，都是对每个结点探索有没有连接路径的过程。广度是先探索一个结点所有的连接点，而深度则是从一个结点开始，依次往下遍历的过程

在这里插入图片描述

3.3 图的遍历与图的连通性关系

无向图

连通分量决定了dfs或者bfs的调用次数(对于无向图而言
)

有向图

有向图连通性，与遍历的关系

在这里插入图片描述

知识框架

在这里插入图片描述

四、图的应用

4.1 最小生成树

生成树是图的极小连通子图（区别连通分量是极大连通子图）
最小生成树也叫最小最小代价树
因为一个图可能会有多个生成树，找到一个各边权值和最小的一个生成树就是最小生成树

⭐ 最小生成树研究的带权的连通的无向图，因为非连通的图生成森林

在这里插入图片描述

1. 生成最小生成树的两大算法（普利姆、克鲁斯卡尔）

在这里插入图片描述

一普里姆（prim）算法

普里姆算法

在现有选中结点选择一个权值最小的路径所通向的未选择的结点。
依次将所有结点都选中
就是一颗最小生成树

在这里插入图片描述
例：

同一个图的最小生成树可能不唯一，但是权值相等。发生不唯一的可能性就是在算法进行时出现了权值相等的情况

在这里插入图片描述

二克鲁斯卡尔算法（kruskal）

克鲁斯卡尔

每次选择权值最小的边，如果两个结点已经连通就不选，在选择其他边即可

在这里插入图片描述

2. 两个算法的时间复杂度对比

prim普里姆算法的实现思想如下

初始化

第一轮

循环遍历找个最小权值，加入标记
加入后，与剩余未加入的结点间路径的权值可能会改变，所以要循环更新一下权值数组
(注意是其余结点和新加入结点直接有没有边，如果存在边且权值更小，则应该更新权值)

克鲁斯卡尔算法实现思想

首先我们需要一个按权值排好序的数组

在这里插入图片描述

第一轮

我们要检查两个点之间是否连通
并查集操作,边的两个结点不连通，就连起来

连通就跳过

3. 最小生成树的知识回顾

在这里插入图片描述

4.2 最短路径

在这里插入图片描述

1. 通过BFS 广度优先算法求最短路径（适用于无权图）（单源最短路径）

广度优先算法的代码

在这里插入图片描述

⭐ 无权图的广度优先算法

无权图，我们这里默认每个路径的权值为 1
通过此算法，我们求得 d[] 与 path[]

在这里插入图片描述

其中d[] : 是传入结点到其他结点的长度（权值）。
path[] : 记录每个结点是由哪个结点指向的，可以逆次的依次找到最短路径。
⭐ 因为我们是通过 BFS 求的最短路径，所以进行广度优先算法的时候生成的广度优先生成树的深度一定是最小的

在这里插入图片描述

带权路径长度：带权图的一条路径上的权值和；

在这里插入图片描述

2. 迪杰斯特拉算法(单源最短路径)

迪杰斯特拉

算法思想

final[]: 标记各顶点是否已经找到了最短路径；
dist[]：顶点最短路径的长度为多少；
path[]: 当前顶点的前驱结点；

第一轮

遍历所有结点，找到未确定最短路径的，将其设置final[i] = true；
因为这时候确定了一个新的最短路径的结点，检查 dist 有没有通过该结点，路径更短的情况，进而更新dist，path 数组。

在这里插入图片描述

接下来的每轮，都依次执行，直到不存在没有最短路径的结点，也就是 final[]数组中不存在 false；

找最短的dist对应的final设置为true；（也就是新有一个结点确定了最短路径）
更新 dist[]数组和 path[] 数组。

在这里插入图片描述

算法实现

在这里插入图片描述

迪杰斯特拉不适合带负权值的图

负权图的应用
例如，吃鸡的时候，跑毒，直接进毒圈可能中途掉了7滴血。但是如果跑进去的过程中绕路吃了一个血包，就要掉10滴血，但是血包回5滴血。这时候就要用负权图。

在这里插入图片描述

2. 弗洛伊德算法（求每点间的最短路径）

弗洛伊德

在这里插入图片描述

动态规划的思想

在这里插入图片描述

弗洛伊德算法思想

A矩阵，是一个二维数组，通过行列下标表示两个结点，其对应的值为两结点间的最短路径长度。
path矩阵，用于存储两个结点直接权值最小的中转路径，动态更新。取值为 -1表示两个结点直接没有中转点，如果为其他整数表示中转点的标志。

第一步

先让 v0可中转，检查，各结点间是否通过v0的权值更小（如果有更改A矩阵，更改path矩阵）

在这里插入图片描述

第二部

再假如一个中转点，判断其他结点经过该结点有没有更短路径；从而完成对A矩阵和Path矩阵的更新。

在这里插入图片描述

经过n-1步的递推；

在这里插入图片描述

弗洛伊德算法可以解决带负权图，但解决不了带有负权回路的图

带负权的图
带负权回路的图

4. 三种算法的总结

4.3 有向无环图 DAG

在这里插入图片描述

DAG 描述表达式

在这里插入图片描述
⭐ 通过有向无环图化简存储

就是把相同的子树通过两个路径指向，从而减少存储空间。

在这里插入图片描述

⭐（例题）DAG 表达式☞ 通过有向无环图优化存储结点个数。

问：
答：

🌙🌙 解题思路

在有向无环图的中的操作数是不会重复的

在这里插入图片描述
⭐ 先构建 DAG 图

⭐ 分层化简可消去的结点
在这里插入图片描述

🌙 练习解法1
在这里插入图片描述
化简

换一个做法排序，结果也就不一样。

4.4 拓扑排序 DAG（有向无环图）的第二个应用

什么是 AOV网？

在这里插入图片描述

拓扑排序的概念

在这里插入图片描述

拓扑排序的实现

图中必须没有回路才可以进行拓扑排序。

在这里插入图片描述

⭐⭐ 代码实现

思想

先将入度为0的点保存到栈或者队列。

在这里插入图片描述

逆拓扑排序

检查出度为0的顶点依次输出

深圳大学

逆拓扑排序的实现

在这里插入图片描述
⭐⭐
深度优先遍历算法实现拓扑排序

在这里插入图片描述

拓扑排序的知识框架

在这里插入图片描述

4.5 关键路径

AOE 网

在这里插入图片描述

只有一个开始结点（源点）；
只有一个结束结点（汇点）；
有向路径：从源点到汇点的所有路径；
关键路径：从源点到汇点的的所有路径中具有最大长度的路径；
关键活动：关键路径上的活动(弧)；

在这里插入图片描述

关键路径是最大路径长度，因此可以包含其中短的路径长度。

在这里插入图片描述

⭐ 事件、活动的最早发生时间

事件的最早发生时间：该事件(点) 的最早发生时间 = 指向它的事件(点) + 指向它的活动(弧)的时间；假如该事件有n个来路，那么取n个(指向它的事件最早时间 + 指向它的活动时间)其中的最大值。
活动的最早发生时间：就是这个活动的弧尾所连接的事件的最早发生时间。

在这里插入图片描述
⭐ 事件、活动的最迟发生时间

事件的最迟发生时间：应该按照逆拓扑排序的顺序从汇点开始计算，汇点的事件发生最迟时间 = 汇点事件最早发生时间；按逆拓扑排序依次每个事件的最迟发生时间等于其指向的事件的最迟发生事件减去其指向的活动时间；该事件如果有n个指向，那么取其中(指向事件最迟 - 指向活动时间) 的最小值。
活动的最迟开始时间：该活动(弧) 的终点(结点)的最迟发生时间减去该活动(结点) 的值所得的结果；其实就是看这个活动所指向事件的最晚发生事件，减去该活动完成的事件，恰好到事件开始时，活动结束。

在这里插入图片描述

⭐ 通过活动最早开始时间和活动最迟开始时间确定关键路径！

时间余量：指的是活动的最晚开始时间减去活动的最早开始时间所得的时间差值。

当时间余量等于0时，指的是该活动一点都不可以拖延，就是关键活动。
关键路径就是，时间余量等于0的关键活动串起来的路径。

在这里插入图片描述

🌙 求关键路径的步骤

1.首先我们从源点开始，标出每个事件(点)的最早发生时间。

我们找到事件的最早发生时间，就等于找到了活动(弧)的最早发生时间。它俩相等。

2.然后我们需要从汇点开始，推出事件(点)的最迟发生时间。

我们标出事件(点)的最迟发生时间后，我们就可以突出活动(弧)的最迟发生时间。

3.然后我们就可以通过活动的最早、最迟开始时间，计算出时间余量；

时间余量等于0活动，就是关键活动，串起来就是我们要求的关键路径。

在这里插入图片描述
具体步骤展开：
⭐ 1. 求所有事件的最早发生时间 ve数组。

先求出图的拓扑排序。
按照拓扑排序求出事件的最早发生时间。
计算每个事件的最早发生事件 = 指向该事件的最早发生事件 + 指向该事件的活动的时间；
但是如果指向该事件的活动有n条，那么该事件的最早发生时间是这n个指向的(事件＋活动) 的最大值 时间。

在这里插入图片描述

⭐2. 求所有事件的最迟发生时间， vl数组；

先求出逆拓扑序列；
首先求出汇点事件的最迟发生时间，等于其事件最早发生时间。然后按照逆拓扑排序依次计算其余事件的最迟开始时间。
按逆拓扑排序依次每个事件的最迟发生时间等于其指向的事件的最迟发生事件减去其指向的活动时间；
该事件如果有n个指向，那么取其中(指向事件最迟 - 指向活动时间) 的最小值

在这里插入图片描述
⭐ 3. 活动的最早发生时间。数组e；

活动的最早发生时间，就是其弧尾所连接事件的最早发生事件。

在这里插入图片描述

⭐ 4. 活动的最迟发生时间数组l；

活动的最迟发生时间，就是该活动弧的弧头(带箭头的一侧)所连接的事件的最迟发生时间减去该活动的权值。

在这里插入图片描述
⭐5. 时间余量

时间余量 = 活动最迟发生时间减去活动最早发生时间；
时间余量等于0，指关键活动；
根据关键活动，我们就找到了关键路径；

在这里插入图片描述

关键活动和关键路径的部分特性

⭐ 关键活动改变时间，会影响项目工期；当压缩过度可能会使关键路径不再是关键路径。
在这里插入图片描述
⭐ AOE网中可能存在多条关键路径，因此如果想改变工期，可以同时压缩不同的两个不在一个关键路径上的关键活动时间，或者压缩一条在同一个关键路径的关键活动。

AOE网知识框架

在这里插入图片描述

码mamba

关注

2
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
考研数据结构——(图)

⭐ 介绍邻接绝阵⭐ 通过邻接矩阵计算顶点的度（有向/无向）⭐ 带权邻接矩阵⭐ 邻接矩阵空间复杂度⭐ 邻接矩阵的性质⭐ 邻接表之有向图和无向图⭐ 对比邻接表与邻接矩阵⭐ 邻接表的特点：⭐ 十字链表法计算出边与入边；⭐ 邻接多重表的分析⭐ 无向图⭐ 有向图⭐ 无向图⭐ 有向图⭐ 有向图无向图一样⭐ 无向图⭐ 有向图⭐ 有向图无向图类似⭐ 无向图⭐ 有向图⭐ 无向图 ⭐ 最小生成树研究的带权的连通的无向图，因为
复制链接

扫一扫