图论：出、入度，邻接表、邻接矩阵、拓扑排序\207. Course Schedule

转载请注明出处：http://blog.csdn.net/c602273091/article/details/55511145

出入度

图（Graph）是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G(V,E)，其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合。

各种图的概念请看：【6】

无向边：若顶点Vi到Vj之间的边没有方向，则称这条边为无向边(Edge)，用无序偶(Vi,Vj)来表示。
有向边：若从顶点Vi到Vj的边有方向，则称这条边为有向边，也成为弧(Arc)，用有序偶< Vi,Vj>来表示，Vi称为弧尾，Vj称为弧头。
简单图：在图结构中，若不存在顶点到其自身的边，且同一条边不重复出现，则称这样的图为简单图。
无向完全图：在无向图中，如果任意两个顶点之间都存在边，则称该图为无向完全图。含有n个顶点的无向完全图有n*(n-1)/2条边。
有向完全图：在有向图中，如果任意两个顶点之间都存在方向互为相反的两条弧，则称该图为有向完全图。含有n个顶点的有向完全图有n*(n-1)条边。
稀疏图和稠密图：这里的稀疏和稠密是模糊的概念，都是相对而言的，通常认为边或弧数小于n*logn（n是顶点的个数）的图称为稀疏图，反之称为稠密图。
有些图的边或弧带有与它相关的数字，这种与图的边或弧相关的数叫做权(Weight)，带权的图通常称为网(Network)。

然后介绍度，以顶点V为头的弧的数目称为V的入度(InDegree)，记为ID(V)，以V为尾的弧的数目称为V的出度(OutDegree)，记为OD(V)，因此顶点V的度为TD(V)=ID(V)+OD(V)。一般指的是在有向图（DAG）中，某个顶点，箭头指向它的为入度，从这个顶点出发，指向别的顶点的边就是出度。有几条这样的边，度就是多大。看【7】中的图有详细的介绍。

如果一个有向图恰有一个顶点入度为0，其余顶点的入度均为1，则是一棵有向树。

可以参考【1】中生成出入度的代码。不过【1】中是认为无向图中一条边既是入度、也是出度。所以这里的计算会有些许不同。

邻接表、邻接矩阵

邻接表这个东西也可以看【1】中是怎么写这个邻接矩阵的，我更推荐的是看【2】中鱼c的文章。写得非常好。

其实邻接表和邻接矩阵是离散数学的必修内容，现在就是对它进行一个复习。

首先邻接矩阵的纵轴坐标就是各个边的初始顶点，横坐标就是各个边的箭头的的位置。如果存在i->j这条边，那么就使矩阵M（i， j） = 1，否则为0。

邻接表是另外一种记录图的数据结构。因为图是稀疏的话，那么邻接矩阵就会使得存储很浪费，使用邻接表存储更加节约空间。如果图是稠密的话，使用邻接表是一种不错的方式。

在这里强烈推荐这个博客，写得非常好，非常简单易懂【3】【8】。

在图的存储结构中，还有十字链表、邻接多重表、边集数组。
边集数组：边集数组是由两个一维数组构成，一个是存储顶点的信息，另一个是存储边的信息，这个边数组每个数据元素由一条边的起点下标(begin)、终点下标(end)和权(weight)组成【9】。

另外在【11】中，对图的表示举了比较简单的例子。

拓扑排序

拓扑排序我觉得就是一个有向无环图的问题。有向无环这就是拓扑图的充要条件。

在计算拓扑图方面，有DFS和Kahn算法。这里我主要是参考了【4】

DFS

从wiki上获取它的伪代码为：

L ← Empty list that will contain the sorted nodes
S ← Set of all nodes with no outgoing edges
for each node n in S do
    visit(n)

function visit(node n)
    if n has not been visited yet then
        mark n as visited
        for each node m with an edge from m to n do
            visit(m)
        add n to L

具体的代码实现为：

public class DirectedDepthFirstOrder
{
   
    // visited数组，DFS实现需要用到
    private boolean[] visited;
    // 使用栈来保存最后的结果
    private Stack<Integer> reversePost;

    /**
     * Topological Sorting Constructor
     */
    public DirectedDepthFirstOrder(Digraph di, boolean detectCycle)
    {
        // 这里的DirectedDepthFirstCycleDetection是一个用于检测有向图中是否存在环路的类
        DirectedDepthFirstCycleDetection detect = new DirectedDepthFirstCycleDetection(
                di);

        if (detectCycle && detect.hasCycle())
            throw new IllegalArgumentException("Has cycle");

        this.visited = new boolean[di.getV()];
        this.reversePost = new Stack<Integer>();

        for (int i = 0; i < di.getV(); i++)
        {
            if (!visited[i])
            {
                dfs(di, i);
            }
        }
    }

    private void dfs(Digraph di, int v)
    {
        visited[v] = true;

        for (int w : di.adj(v))
        {
            if (!visited[w])
            {
                dfs(di, w);
            }
        }

        // 在即将退出dfs方法的时候，将当前顶点添加到结果集中
        reversePost.push(v);
    }

    public Iterable<Integer> getReversePost()
    {