图论复习笔记

补充小细节：
a. 什么样的图可以称为“稀疏”：|E|=O(|V|)，也就是说平均每个顶点的邻接顶点数量是常数；

1. 基本定义

图（Graph）的定义：G=(V,E)由顶点(vertex)集V和边(edge)集E组成。
边（弧arc）是一个点对(v, w)，其中v,w∈V；
有向：点对是有序的，那么图有就有向的；
邻接：v和w邻接当且仅当(v,w)∈E，而(w,v)是指w和v邻接；
简单路径：其上的所有顶点都是互异的，但第一个顶点和最后一个顶点可能相同；
环：一条从一个顶点到其自身的边(v,v)那么路径v,v有时候也叫做一个环；
圈：有向图中的圈满足w1 = wn；且长至少为1的1条路径；圈也可以是简单路径，即简单圈；
有向无圈图（DAG）；

图的连通性：
无向图中每个顶点到其他路径都存在一个条路径，该无向图是连通的；
有向图中~，该有向图是强连通的；
有向图不是强连通的，但它的基础图（underlying graph去掉方向后的无向图）是连通的，则它是弱连通的；
完全图：是每对顶点间都存在一条边；

图的表示：
邻接矩阵（空间需求O(|V|^2)）和邻接表（adjacency list，空间：O(|E| + |V|)）；
邻接表是表示图的标准方法，对于无向图，每条边(u,v)出现在两个表中，空间因此是双倍的；

2. 拓扑排序（For 有向无圈图）：

利用队列存放入度为0的顶点来遍历，过程类似层序遍历：

void Topsort( GRAPH G) {
        size_t counter = 0;
        Queue Q = CreateQueue(G-> NumVertex); //创建队列
       MakeEmpty(Q);
        Vertex v, w;

        for(size_t i = 0; i < G->NumVertex; i++) { //将入度为0的顶点首先放入队列
              v = G-> VERTEXS[i];
               printf("入度：%d\n" , v->InDegree );
               if(InDegree(v) == 0) {
                     EnQueue(v, Q);
              }
       }

        while(!isEmpty(Q)) {
              v = ( Vertex) DeQueue(Q);
              counter++;
               printf("第%d个顶点是：%d\n" , counter, v->Element);
               Node d = v-> list;
               while(d != NULL) {
                     w = d-> v;
                     w-> InDegree--;
                      if(InDegree(w) == 0)
                           EnQueue(w, Q);
                     d = d-> next;
              }
       }

        if(counter != G->NumVertex ) {
              println( "这是一个有圈图！" );
       }
}

3. 最短路径算法：

最短路径求解的问题，需要根据图的情况而定：
单源最短路径问题：给定一个赋权图G = (V, E)和一个特定顶点s作为输入，找出s到G中每一个其他顶点的最短赋权路径；
这个问题有4种形态：
无权图【无权最短路径O(|V| + |E|)】；
有向赋权图/无负边【赋权最短路径O(|E|log|V|)】；
有向赋权图/有负边【O(|E|*|V|)】；
无圈图【O(|E| + |V|)】；

3.1 无权最短路径

/**
 * 无权最短路径计算
 */
void Unweighted( GRAPH G, Vertex s) {
        Queue Q = CreateQueue(7);
       MakeEmpty(Q);
        Vertex v,w;
        Info *infos = CreateVertexInfo(G-> NumVertex);
       EnQueue(s, Q);
       infos[s-> Element - 1]-> Distance = 0;
        while(!isEmpty(Q)) {
              v = DeQueue(Q);
              infos[v-> Element - 1]-> Known = 1; //设为已知顶点
               Node d = v-> list;
               while(d != NULL) { //开始遍历检查与v邻接的顶点
                     w = d-> v;
                      if(infos[w->Element - 1]->Distance == INT_MAX) { //这样可以保证每个顶点只算最先计算的一次，因为是无权的
                           infos[w-> Element - 1]-> Distance = infos[v-> Element - 1]->Distance + 1;
                           infos[w-> Element - 1]-> PreVertex = v->Element ; //设置前序顶点
                           EnQueue(w, Q);
                     }
                     d = d-> next;
              }
       }
       PrintVertexInfo(infos, G-> NumVertex);
       DisposeQueue(Q);
       DisposeVertexInfo(infos);
}

3.2 赋权最短路径计算

这里使用了贪婪算法，每轮需要确定一个当前“最近”的顶点设为“已知”；在迭代的过程中每一轮都需要输出一个最小值，这样的话维护一个优先队列（堆）是一个很好的选择；
好的做法是：维护一个包含“未知”节点的（最小）堆，在每轮开始的时候输出堆顶，更新时修改顶点的distance值；这两个过程的时间复杂度都是O(log|V|)；总的时间复杂度是，O(|E|log|V| + |V|log|E|)；

可选的优先级队列的实现有：二叉堆，配对堆和斐波那契堆等；

3.3 带有负边的图：

如果负边，那么Dijkstra算法就不可行，因为可能不存在“最短”的路径【负值圈】；
如果考虑每条边的权+常数k使得每条边的权都为正数，可以将负边问题去掉，但是这样边数多的路径比边数少的路径更重了，这也可能导致错误；
解决办法是将赋权和无权结合起来；

3.4 无圈图：

无圈图可以很容易在每一阶段确定这一层的顶点的最短路径，因为不存在其他可能更小的情况；因此不需要优先级队列，时间复杂度/过程与无权图和拓扑排序类似：O(|V| + |E|)；

关键路径分析法->动作节点图->事件节点图：
最早完成时间：EC1 = 0; ECw = max(ECv + Cv,w);
最晚时间：LCn = ECn; LCv = min(LCw-Cv,w);【倒转上一个问题的拓扑结构】
松弛时间:Slack(v,w) = LCw - ECv - Cv,w；

关键路径是【零-松弛边组成的路径】

3.5 所有点对的最短路径（路由、拓扑）：【注意是点对】

对于稀疏图更快的是运行|V|次用优先队列编写的Dijkstra算法；

4. 网络流问题：

4.1 基本概念：

发点【source】；
收点【sink】；
发点和收点之间的最大流问题；
残余图【residual graph】Gr：表示每条边还能再添加多少流，可以从容量中减去当前的容量得到残余的流量；
残余边【residual edge】：Gr的边称为残余边；
增长通路（augmenting path）：寻找图Gr中的s到t的一条路径，这条路径就叫做增长通路；

4.2 最大流算法

合理做法是：每轮（这轮流量为流f(v,w)）在残余图中增添一条容量为f(v,w)的边(w,v)；
终止条件：Gr中从t从s出发是不可到达的；

为了防止在迭代选择增长通路的时候，优先甚至反复选择较小流量的路径，有如下两种方法：
a. 总选择使得流增长最大的增长通路（O(|E|^2log|V|logcapmax)）；
b. 总选择具有最少边数的路径（O(|E|^2|V|)）；

5. 最小生成树（边数为|V|-1）

5.1 Prim算法（类似Dijsktra算法，使用|V|优先队列维护顶点三元组信息）：

5.2 Kruskal算法（|E|大小的优先队列，不保存顶点三元组信息，维护顶点集合，不断合并顶点集合，直到成为一个集合）：

6. 深度优先搜索（线性时间解决，O(|E| + |V|)）

6.1 无向图：

如果不连通，那么经过多次Dfs形成深度优先生成森林（depth-first spanning forest）；

6.2 双连通（biconnected）：去掉一个顶点之后剩下的图仍然是连通的；

割点（articulation point）就是使图丧失连通性的顶点；
查找割点【很经典】：
在遍历的时候计算Num(w)，low(w)；

6.3 欧拉回路（任意顶点度为偶数）：

检查算法：多次遍历：每一轮都找到一条回路，直到所有边都被遍历到为止；

6.4 有向图（背向边、前向边、交叉边）：

查找强分支【很经典】：

练习总结：

9.13 二分图与二分匹配问题：
其中教师和课程的例子非常好，要牢记；
二分匹配的问题就是，两个顶点集，每个顶点匹配的边不能有两条或两条以上，如，每个教师只能上一门课，每门课只能由一个教师上；
问题c，探讨了网络流和二分匹配问题之间的关系；
可以在二分图两端加上s、t顶点，这样问题其实就等价于s到t的最大流了；

9.15 通过Prim和Kruskal两种方法求图9-82的最小生成树，可以发现最小生成树其实可能不唯一，当一个顶点它属于的边中最小权的边数大于1时；