数据结构-图详解（C++图基本概念、图的存储结构、图的遍历、最小生成树Kruskal、 Prim算法、最短路径问题-Dijkstra，Bellman-Ford，Floyd-Warshall算法 ）

1.图的基本概念

图是由顶点集合及顶点间的关系组成的一种数据结构.
表示为 G = (V， E)。V代表的是顶点集合，E代表边集合

树也是一种特殊的图，这个图无环.
树关注的时节点存的值，图更关注的是顶点及边的权值。
权值：边中的附带的数据信息.

顶点和边：图中结点称为顶点，第i个顶点记作vi。两个顶点vi和vj相关联称作顶点vi和顶点vj之间有一条边，图中的第k条边记作ek，ek = (vi，vj)或<vi，vj>.

有向图和无向图

有向图：顶点对<x, y>是有序的，顶点对<x，y>称为顶点x到顶点y的一条边(弧)，<x, y>和<y, x>是两条不同的边。
eg：

无向图：顶点对(x, y)是无序的，顶点对(x,y)称为顶点x和顶点y相关联的一条边，这条边没有特定方向，(x, y)和(y，x)是同一条边。

完全图

在有n个顶点的无向图中，若有n * (n-1)/2条边，即任意两个顶点之间有且仅有一条边，则称此图为无向完全图；在n个顶点的有向图中，若有n * (n-1)条边，即任意两个顶点之间有两条边，且仅这两条边方向相反，则称此图为有向完全图。

邻接顶点

无向图中：两个顶点U、V有一条边连接。成为U、V互为临界顶点。

有向图中：两个顶点U、V。若是U指向V，则称为U邻接到V，V邻接自顶点U。并称这条边与顶点U、V相关联。

顶点的度

顶点V的度指的是与它相关联的边的条数。

特殊：

1. 对于有向图，顶点的度等于该顶点的入度+出度。
   出度：从顶点出去的边的条数。
   入度：指向这个顶点的边数。
2. 对于无向图：入度=出度=顶点的度

路径

从顶点U到顶点V的一组边称为路径。路径不止一条。

路径长度：对于不带权图为路径的边个数。带权图为路径所有边权值的和

最短路径：所有路径，路径长度最小的路径。

简单路径与回路：

• 简单路径：路径上经过顶点不重复。
• 回路：路径上经过的顶点有重复。

子图、连通图、强连通图

两张图A、B，若A的顶点时B的部分顶点，A的边是B的部分边，则称为A是B的子图。

连通图：无向图中，若顶点A、B存在路径，称为A、B连通。若图中的任意两点都是连通的，则称此图为连通图。

强连通图：有向图中，若图中的任意两点都是连通的（A指向B,且B指向A），则称此图为连通图。

生成树

无向图中一个连通图的最小连通子图称为生成树。（用最少的边把所有顶点连接起来）。n个顶点的连通图的生成树有n-1条边。

最小生成树：所有生成树中，路径长度最小的生成树。

2.图的存储结构

因为图中既有节点，又有边(节点与节点之间的关系)，因此，在图的存储中，只需要保存：节点和边的关系即可。

节点通过数组保存，边的关系通过下面的方式保存

图的创建

可以通过输入的方式来创建，或者是通过文件的方式来读取。

这里采用手动添加边来创建图，方便测试.

邻接矩阵

邻接矩阵(二维数组)即是：先用一个数组将定点保存，然后采用矩阵来表示节点与节点之间的关系。

eg：

如果矩阵位置为0代表无关，位置为1代表连接。A对应的下标为0，D对应的下标为3。这里采用map映射的方式来建立顶点与顶点下标的关系.
容易得出：无向图为对称矩阵。

此外：如果这个图是带权图，则矩阵内的数据为所带权值

临界矩阵的存储方式的优点：

1. 非常适合边比较多的情况。
2. O(1)判断两个节点的连接关系。

不足：

1. O(N)查找一个节点连接的所有边。（N为节点个数）。

C++邻接矩阵创建图

#pragma once

#include<vector>
#include<map>
#include<iostream>

//v:顶点 w:权值 max_w:最大权值 Direction:判断图是有向图还是无向图

namespace matrix {
	//邻接矩阵保存边关系
	template<class v, class w, w max_w = INT_MAX, bool Direction = false>
	class Graph {
	private:
		std::vector<v>_vertexs;//顶点集合
		std::map<v, int>_indexMap;//顶点与下标的映射
		std::vector<std::vector<w>>_matrix;//邻接矩阵
				//获取顶点下标
		size_t GetPointIndex(const v& point) {
			auto ptr = _indexMap.find(point);
			if (ptr != _indexMap.end()) {
				return ptr->second;
			}
			else {
				throw std::invalid_argument("顶点不存在");
				return -1;
			}
		}
	public:
		//图的创建
		Graph(std::vector<v>& points) {
			_vertexs.resize(points.size());
			for (size_t i = 0; i < points.size(); i++) {
				_vertexs[i] = points[i];
				_indexMap[points[i]] = i;
			}

			_matrix.resize(points.size());
			//邻接矩阵
			for (int i = 0; i < _matrix.size(); i++) {
				_matrix[i].resize(points.size(), max_w);
			}
		}

		//添加边关系，输入两个点，以及这两个点连线边的权值。
		void AddEdge(const v& src, const v& det, const w& weight) {
			size_t posSrc = GetPointIndex(src);
			size_t posDet = GetPointIndex(det);
			//区分有向图与无向图
			_matrix[posSrc][posDet] = weight;
			if (Direction == false) {
				//无向图，添加两条边关系
				_matrix[posDet][posSrc] = weight;
			}
		}

		void Print() {
			//打印顶点对应坐标
			for (size_t i = 0; i < _vertexs.size(); i++) {
				std::cout << "[" << i << "]" << "->" << _vertexs[i] << std::endl;
				std::cout << std::endl;
			}

			//打印边
			std::cout << "  ";
			for (int i = 0; i < _vertexs.size(); i++) {
				std::cout << _vertexs[i] << " ";
			}
			std::cout << std::endl;

			//打印矩阵
			for (size_t i = 0; i < _matrix.size(); i++) {
				std::cout << _vertexs[i] << " ";
				for (size_t j = 0; j < _matrix[i].size(); j++) {
					if (_matrix[i][j] == max_w) {
						std::cout << "*" << " ";
					}
					else {
						std::cout << _matrix[i][j] << " ";
					}
				}
				std::cout << std::endl;
			}
		}
	};
}

#include"Graph.h"

using namespace std;

void TestGraph() {
	vector<char>points = { 'A','B','C','D' };
	matrix::Graph<char, int, INT_MAX, true>graph(points);
	graph.AddEdge('A', 'B', 1);
	graph.AddEdge('A', 'D', 4);
	graph.AddEdge('B', 'D', 2);
	graph.AddEdge('B', 'C', 9);
	graph.AddEdge('C', 'D', 8);
	graph.AddEdge('C', 'B', 5);
	graph.AddEdge('C', 'A', 3);
	graph.AddEdge('D', 'C', 6);
	graph.Print();
}

int main() {
	TestGraph();
}

邻接表

使用数组表示顶点的集合，使用链表表示边的关系。

创建指针数组，自己连接的顶点挂在下面。同样的，对节点进行编号

邻接表的优点：

1. 适合保存稀疏的边关系。
2. 适合查找一个顶点连接出的边

不足：

1. 不适合确定两个顶点是否相连，判断权值。

注意：如果图是有向图，则如果使用邻接表存储边的关系，需要保存出边表和入边表。

C++邻接表创建图

#pragma once

#include<vector>
#include<map>
#include<iostream>

//v:顶点 w:权值 max_w:最大权值 Direction:判断图是有向图还是无向图

//邻接表保存边关系
namespace link_table {
	template<class w>
	struct Edge{
		int detPos;
		int srcPos;
		w weight;
		Edge<w>* next;
		Edge(int _srcPos, int _detPos, const w& _weight)
			:detPos(_detPos), srcPos(_srcPos), weight(_weight),next(nullptr)
		{}
	};
	template<class v, class w, bool Direction = false>
	class Graph {
		typedef Edge<w> Edge;
	private:
		std::vector<v>_vertexs;//顶点集合
		std::map<v, int>_indexMap;//顶点与下标的映射
		std::vector<Edge*>_tables;//邻接表
		//获取顶点下标
		size_t GetPointIndex(const v& point) {
			auto ptr = _indexMap.find(point);
			if (ptr != _indexMap.end()) {
				return ptr->second;
			}
			else {
				throw std::invalid_argument("顶点不存在");
				return -1;
			}
		}
	public:
		//图的创建
		Graph(std::vector<v>& points) {
			_vertexs.resize(points.size());
			for (size_t i = 0; i < points.size(); i++) {
				_vertexs[i] = points[i];
				_indexMap[points[i]] = i;
			}
			_tables.resize(points.size(), nullptr);
		}

		//添加边关系，输入两个点，以及这两个点连线边的权值。
		void AddEdge(const v& src, const v& det, const w& weight) {
			size_t posSrc = GetPointIndex(src);
			size_t posDet = GetPointIndex(det);

			Edge* edge = new Edge(posSrc, posDet, weight);
			//头插
			edge->next = _tables[posSrc];
			_tables[posSrc] = edge;

			if (Direction == false) {
				//有向图
				Edge* edge = new Edge(posDet, posSrc, weight);
				edge->next = _tables[posDet];
				_tables[posDet] = edge;
			}
		}

		void Print() {
			//打印顶点对应坐标
			for (size_t i = 0; i < _vertexs.size(); i++) {
				std::cout << "[" << i << "]" << "->" << _vertexs[i] << std::endl;
				std::cout << std::endl;
			}

			for (size_t i = 0; i < _tables.size(); i++) {
				std::cout << _vertexs[i] << "[" << i << "]:";
				Edge* node = _tables[i];
				while (node != nullptr) {
					std::cout << _vertexs[node->detPos] <<
						"[" << node->detPos << "]" << "(" << node->weight << ")" << " ";
					node = node->next;
				}
				std::cout << "nullptr" << std::endl;
			}
		}
	};
}

void TestGraph2() {
	vector<char>points = { 'A','B','C','D' };
	link_table::Graph<char, int, true>graph(points);
	graph.AddEdge('A', 'B', 1);
	graph.AddEdge('A', 'D', 4);
	graph.AddEdge('B', 'D', 2);
	graph.AddEdge('B', 'C', 9);
	graph.AddEdge('C', 'D', 8);
	graph.AddEdge('C', 'B', 5);
	graph.AddEdge('C', 'A', 3);
	graph.AddEdge('D', 'C', 6);
	graph.Print();
}

int main() {
	//TestGraph();
	TestGraph2();
}

3.图的遍历

DFS、BFS遍历图

4.最小生成树算法（Kruskal、 Prim算法）

Kruskal、 Prim算法

5.最短路径问题（Dijkstra，Bellman-Ford，Floyd-Warshall算法 ）

Dijkstra，Bellman-Ford，Floyd-Warshall算法

6.代码位置

Github
码云

图文参考了《算法导论》和《殷人昆 数据结构：用面向对象方法与C++语言描述（第二版）》