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：G = (V， E)，其中：
顶点集合 V = {x|x属于某个数据对象集}是有穷非空集合；
边的集合 E = {(x,y)|x,y属于V}或者E = {<x，y>|x,y属于V && Path(x, y)}是顶点间关系的有穷集合；
(x, y)表示x到y的一条双向通路，即(x, y)是无方向的；Path(x, y)表示从x到y的一条单向通路，即 Path(x, y)是有方向的
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：在有向图中，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；在无向图中，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；注意：无向边(x, y)等于有向边<x，y>和<y，x>
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且仅有方向相反的边，则称此图为有向完全图
邻接顶点：在无向图中G中，若(u, v)是E(G)中的一条边，则称u和v互为邻接顶点，并称边(u,v)依 附于顶点u和v；在有向图G中，若<u，v>是E(G)中的一条边，则称顶点u邻接到v，顶点v邻接自顶 点u，并称边<u，v>与顶点u和顶点v相关联
顶点的度：顶点v的度是指与它相关联的边的条数，记作deg(v)；在有向图中，顶点的度等于该顶 点的入度与出度之和，其中顶点v的入度是以v为终点的有向边的条数，记作indev(v)；顶点v的出度是以v为起始点的有向边的条数，记作outdev(v)；因此：dev(v) = indev(v) + outdev(v)，注意：对于无向图，顶点的度等于该顶点的入度和出度，即dev(v) = indev(v) = outdev(v)
路径：在图G = (V， E)中，若从顶点vi出发有一组边使其可到达顶点vj，则称顶点vi到顶点vj的顶 点序列为从顶点vi到顶点vj的路径
路径长度：对于不带权的图，一条路径的路径长度是指该路径上的边的条数；对于带权的图，一 条路径的路径长度是指该路径上各个边权值的总和
简单路径与回路：若路径上各顶点v1，v2，v3，…，vm均不重复，则称这样的路径为简单路径；若路径上第一个顶点v1和最后一个顶点vm重合，则称这样的路径为回路或环
子图：设图G = {V, E}和图G1 = {V1，E1}，若V1属于V且E1属于E，则称G1是G的子图
连通图：在无向图中，若从顶点v1到顶点v2有路径，则称顶点v1与顶点v2是连通的；如果图中任 意一对顶点都是连通的，则称此图为连通图
强连通图：在有向图中，若在每一对顶点vi和vj之间都存在一条从vi到vj的路径，也存在一条从vj 到vi的路径，则称此图是强连通图
生成树：一个连通图的最小连通子图称作该图的生成树，有n个顶点的连通图的生成树有n个顶点 和n-1条边
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：节点和边关系即可；
2.1、邻接矩阵
因为节点与节点之间的关系就是连通与否，即为0或者1，因此邻接矩阵(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
注意：
- 无向图的邻接矩阵是对称的，第i行(列)元素之和，就是顶点i的度；有向图的邻接矩阵则不一 定是对称的，第i行(列)元素之后就是顶点i 的出(入)度
- 如果边带有权值，并且两个节点之间是连通的，上图中的边的关系就用权值代替，如果两个顶点不通，则使用无穷大代替
- 用邻接矩阵存储图的有点是能够快速知道两个顶点是否连通，缺陷是如果顶点比较多，边比 较少时，矩阵中存储了大量的0成为系数矩阵，比较浪费空间，并且要求两个节点之间的路 径不是很好求
template<class V, class W, W MAX_W = INT_MAX, bool Direction = false> class Graph { public: typedef Graph<V, W, MAX_W, Direction> Self; Graph() = default; Graph(const V* vertexs, size_t n) { _vertexs.reserve(n); for (size_t i = 0; i < n; ++i) { _vertexs.push_back(vertexs[i]); _vIndexMap[vertexs[i]] = i; } // MAX_W 作为不存在边的标识值 _matrix.resize(n); for (auto& e : _matrix) { e.resize(n, MAX_W); } } size_t GetVertexIndex(const V& v) { auto ret = _vIndexMap.find(v); if (ret != _vIndexMap.end()) { return ret->second; } else { throw invalid_argument("不存在的顶点"); return -1; } } void _AddEdge(size_t srci, size_t dsti, const W& w) { _matrix[srci][dsti] = w; if (Direction == false) { _matrix[dsti][srci] = w; } } void AddEdge(const V& src, const V& dst, const W& w) { size_t srci = GetVertexIndex(src); size_t dsti = GetVertexIndex(dst); _AddEdge(srci, dsti, w); } void Print() { // 打印顶点和下标映射关系 for (size_t i = 0; i < _vertexs.size(); ++i) { cout << _vertexs[i] << "-" << i << " "; } cout << endl << endl; cout << " "; for (size_t i = 0; i < _vertexs.size(); ++i) { cout << i << " "; } cout << endl; // 打印矩阵 for (size_t i = 0; i < _matrix.size(); ++i) { cout << i << " "; for (size_t j = 0; j < _matrix[i].size(); ++j) { if (_matrix[i][j] != MAX_W) cout << _matrix[i][j] << " "; else cout << "#" << " "; } cout << endl; } cout << endl << endl; // 打印所有的边 for (size_t i = 0; i < _matrix.size(); ++i) { for (size_t j = 0; j < _matrix[i].size(); ++j) { if (i < j && _matrix[i][j] != MAX_W) { cout << _vertexs[i] << "-" << _vertexs[j] << ":" << _matrix[i][j] << endl; } } } } private: map<V, size_t> _vIndexMap; vector<V> _vertexs; // 顶点集合 vector<vector<W>> _matrix; // 存储边集合的矩阵 }; void TestGraph() { Graph<char, int, INT_MAX, true> g("0123", 4); g.AddEdge('0', '1', 1); g.AddEdge('0', '3', 4); g.AddEdge('1', '3', 2); g.AddEdge('1', '2', 9); g.AddEdge('2', '3', 8); g.AddEdge('2', '1', 5); g.AddEdge('2', '0', 3); g.AddEdge('3', '2', 6); g.Print(); } }
2.2、邻接表
邻接表：使用数组表示顶点的集合，使用链表表示边的关系
1. 无向图邻接表存储
注意： 无向图中同一条边在邻接表中出现了两次。如果想知道顶点vi的度，只需要知道顶点 vi边链表集合中结点的数目即可
2. 有向图邻接表存储
注意：有向图中每条边在邻接表中只出现一次，与顶点vi对应的邻接表所含结点的个数，就 是该顶点的出度，也称出度表，要得到vi顶点的入度，必须检测其他所有顶点对应的边链 表，看有多少边顶点的dst取值是i
// 临接表
namespace LinkTable
{
template<class W>
struct LinkEdge
{
int _srcIndex;
int _dstIndex;
W _w;
LinkEdge<W>* _next;
LinkEdge(const W& w)
: _srcIndex(-1)
, _dstIndex(-1)
, _w(w)
, _next(nullptr)
{}
};
template<class V, class W, bool Direction = false>
class Graph
{
typedef LinkEdge<W> Edge;
public:
Graph(const V* vertexs, size_t n)
{
_vertexs.reserve(n);
for (size_t i = 0; i < n; ++i)
{
_vertexs.push_back(vertexs[i]);
_vIndexMap[vertexs[i]] = i;
}
_linkTable.resize(n, nullptr);
}
size_t GetVertexIndex(const V& v)
{
auto ret = _vIndexMap.find(v);
if (ret != _vIndexMap.end())
{
return ret->second;
}
else
{
throw invalid_argument("不存在的顶点");
return -1;
}
}
void AddEdge(const V& src, const V& dst, const W& w)
{
size_t srcindex = GetVertexIndex(src);
size_t dstindex = GetVertexIndex(dst);
// 0 1
Edge* sd_edge = new Edge(w);
sd_edge->_srcIndex = srcindex;
sd_edge->_dstIndex = dstindex;
sd_edge->_next = _linkTable[srcindex];
_linkTable[srcindex] = sd_edge;
// 1 0
// 无向图
if (Direction == false)
{
Edge* ds_edge = new Edge(w);
ds_edge->_srcIndex = dstindex;
ds_edge->_dstIndex = srcindex;
ds_edge->_next = _linkTable[dstindex];
_linkTable[dstindex] = ds_edge;
}
}
private:
map<string, int> _vIndexMap;
vector<V> _vertexs; // 顶点集合
vector<Edge*> _linkTable; // 边的集合的临接表
};
void TestGraph()
{
string a[] = { "张三", "李四", "王五", "赵六" };
Graph<string, int> g1(a, 4);
g1.AddEdge("张三", "李四", 100);
g1.AddEdge("张三", "王五", 200);
g1.AddEdge("王五", "赵六", 30);
}
}3、图的遍历
给定一个图G和其中任意一个顶点v0，从v0出发，沿着图中各边访问图中的所有顶点，且每个顶 点仅被遍历一次。"遍历"即对结点进行某种操作的意思
3.1、图的广度优先遍历
问题：如何防止节点被重复遍历
void BFS(const V& src)
{
size_t srcindex = GetVertexIndex(src);
vector<bool> visited;
visited.resize(_vertexs.size(), false);
queue<int> q;
q.push(srcindex);
visited[srcindex] = true;
size_t d = 1;
size_t dSize = 1;
while (!q.empty())
{
printf("%s的%d度好友:", src.c_str(), d);
while (dSize--)
{
size_t front = q.front();
q.pop();
for (size_t i = 0; i < _vertexs.size(); ++i)
{
if (visited[i] == false && _matrix[front][i] != MAX_W)
{
printf("[%d:%s] ", i, _vertexs[i].c_str());
visited[i] = true;
q.push(i);
}
}
}
cout << endl;
dSize = q.size();
++d;
}
cout << endl;
}
void TestGraphDBFS()
{
string a[] = { "张三", "李四", "王五", "赵六", "周七" };
Graph<string, int> g1(a, sizeof(a)/sizeof(string));
g1.AddEdge("张三", "李四", 100);
g1.AddEdge("张三", "王五", 200);
g1.AddEdge("王五", "赵六", 30);
g1.AddEdge("王五", "周七", 30);
g1.BFS("张三");
g1.DFS("张三");
}
3.2、图的深度优先遍历
void _DFS(int index, vector<bool>& visited)
{
if(!visited[index])
{
cout<<_v[index]<<" ";
visited[index] = true;
LinkEdge* pCur = _linkEdges[index];
while(pCur)
{
_DFS(pCur->_dst, visited);
pCur = pCur->_pNext;
}
}
}
void DFS(const V& v)
{
cout<<"DFS:";
vector<bool> visited(_v.size(), false);
_DFS(GetIndexOfV(v), visited);
for(size_t index = 0; index < _v.size(); ++index)
_DFS(index, visited);
cout<<endl;
}
void TestGraphDBFS()
{
string a[] = { "张三", "李四", "王五", "赵六", "周七" };
Graph<string, int> g1(a, sizeof(a)/sizeof(string));
g1.AddEdge("张三", "李四", 100);
g1.AddEdge("张三", "王五", 200);
g1.AddEdge("王五", "赵六", 30);
g1.AddEdge("王五", "周七", 30);
g1.BFS("张三");
g1.DFS("张三");
}
4、最小生成树
连通图中的每一棵生成树，都是原图的一个极大无环子图，即：从其中删去任何一条边，生成树 就不在连通；反之，在其中引入任何一条新边，都会形成一条回路
若连通图由n个顶点组成，则其生成树必含n个顶点和n-1条边；因此构造最小生成树的准则有三 条：
- 只能使用图中的边来构造最小生成树
- 只能使用恰好n-1条边来连接图中的n个顶点
- 选用的n-1条边不能构成回路
构造最小生成树的方法：Kruskal算法和Prim算法。这两个算法都采用了逐步求解的贪心策略
贪心算法：是指在问题求解时，总是做出当前看起来最好的选择；也就是说贪心算法做出的不是 整体最优的的选择，而是某种意义上的局部最优解；贪心算法不是对所有的问题都能得到整体最优 解
4.1、Kruskal算法
任给一个有n个顶点的连通网络N={V,E}，首先构造一个由这n个顶点组成、不含任何边的图G={V,NULL}，其中每个顶点自成一个连通分量，其次不断从E中取出权值最小的一条边(若有多条任取其一)，若该边的两个顶点来自不同的连通分量，则将此边加入到G中；如此重复，直到所有顶点在同一个连通分量上为止
核心：每次迭代时，选出一条具有最小权值，且两端点不在同一连通分量上的边，加入生成树
W Kruskal(Self& minTree)
{
minTree._vertexs = _vertexs;
minTree._vIndexMap = _vIndexMap;
minTree._matrix.resize(_vertexs.size());
for (auto& e : minTree._matrix)
{
e.resize(_vertexs.size(), MAX_W);
}
priority_queue<Edge, vector<Edge>, greater<Edge>> pq;
for (size_t i = 0; i < _matrix.size(); ++i)
{
for (size_t j = 0; j < _matrix[i].size(); ++j)
{
if (i < j && _matrix[i][j] != MAX_W)
{
pq.push(Edge(i, j, _matrix[i][j]));
}
}
}
W total = W();
// 贪心算法，从最小的边开始选
size_t i = 1;
UnionFindSet ufs(_vertexs.size());
while (i < _vertexs.size() && !pq.empty())
{
Edge min = pq.top();
pq.pop();
// 边不在一个集合，说明不会构成环，则添加到最小生成树
if (ufs.FindRoot(min._srci) != ufs.FindRoot(min._dsti))
{
// cout << _vertexs[min._srci] << "-" << _vertexs[min._dsti] <<
// ":" << _matrix[min._srci][min._dsti] << endl;
minTree._AddEdge(min._srci, min._dsti, min._w);
total += min._w;
ufs.Union(min._srci, min._dsti);
++i;
}
}
if (i == _vertexs.size())
{
return total;
}
else
{
return W();
}
}
void TestGraphMinTree()
{
const char* str = "abcdefghi";
Graph<char, int> g(str, strlen(str));
g.AddEdge('a', 'b', 4);
g.AddEdge('a', 'h', 8);
//g.AddEdge('a', 'h', 9);
g.AddEdge('b', 'c', 8);
g.AddEdge('b', 'h', 11);
g.AddEdge('c', 'i', 2);
g.AddEdge('c', 'f', 4);
g.AddEdge('c', 'd', 7);
g.AddEdge('d', 'f', 14);
g.AddEdge('d', 'e', 9);
g.AddEdge('e', 'f', 10);
g.AddEdge('f', 'g', 2);
g.AddEdge('g', 'h', 1);
g.AddEdge('g', 'i', 6);
g.AddEdge('h', 'i', 7);
Graph<char, int> kminTree;
cout << "Kruskal:" << g.Kruskal(kminTree) << endl;
kminTree.Print();
Graph<char, int> pminTree;
cout << "Prim:" << g.Prim(pminTree, 'a') << endl;
pminTree.Print();
}4.2、Prim算法
W Prim(Self& minTree, const V& src)
{
minTree._vertexs = _vertexs;
minTree._vIndexMap = _vIndexMap;
minTree._matrix.resize(_vertexs.size());
for (auto& e : minTree._matrix)
{
e.resize(_vertexs.size(), MAX_W);
}
size_t srci = GetVertexIndex(src);
set<size_t> inSet;
inSet.insert(srci);
priority_queue<Edge, vector<Edge>, greater<Edge>> pq;
for (size_t i = 0; i < _vertexs.size(); ++i)
{
if (_matrix[srci][i] != MAX_W)
{
pq.push(Edge(srci, i, _matrix[srci][i]));
}
}
W total = W();
while (inSet.size() < _vertexs.size() && !pq.empty())
{
Edge min = pq.top();
pq.pop();
// 防止环的问题
if (inSet.find(min._srci) == inSet.end() ||
inSet.find(min._dsti) == inSet.end())
{
// cout << _vertexs[min._srci] << "-" <<
_vertexs[min._dsti] << ":" << _matrix[min._srci][min._dsti] << endl;
minTree._AddEdge(min._srci, min._dsti, min._w);
total += min._w;
// 新入顶点的连接边进入队列
for (size_t i = 0; i < _vertexs.size(); ++i)
{
if (_matrix[min._dsti][i] != MAX_W && inSet.find(i)
== inSet.end())
{
pq.push(Edge(min._dsti, i, _matrix[min._dsti]
[i]));
}
}
inSet.insert(min._dsti);
}
}
if (inSet.size() == _vertexs.size())
{
return total;
}
else
{
return W();
}
}
void TestGraphMinTree()
{
const char* str = "abcdefghi";
Graph<char, int> g(str, strlen(str));
g.AddEdge('a', 'b', 4);
g.AddEdge('a', 'h', 8);
//g.AddEdge('a', 'h', 9);
g.AddEdge('b', 'c', 8);
g.AddEdge('b', 'h', 11);
g.AddEdge('c', 'i', 2);
g.AddEdge('c', 'f', 4);
g.AddEdge('c', 'd', 7);
g.AddEdge('d', 'f', 14);
g.AddEdge('d', 'e', 9);
g.AddEdge('e', 'f', 10);
g.AddEdge('f', 'g', 2);
g.AddEdge('g', 'h', 1);
g.AddEdge('g', 'i', 6);
g.AddEdge('h', 'i', 7);
Graph<char, int> kminTree;
cout << "Kruskal:" << g.Kruskal(kminTree) << endl;
kminTree.Print();
Graph<char, int> pminTree;
cout << "Prim:" << g.Prim(pminTree, 'a') << endl;
pminTree.Print();
}
5、最短路径
最短路径问题：从在带权有向图G中的某一顶点出发，找出一条通往另一顶点的最短路径，最短也就是 沿路径各边的权值总和达到最小
5.1、单源最短路径--Dijkstra算法
单源最短路径问题：给定一个图G = ( V ， E ) G=(V，E)G=(V，E)，求源结点s ∈ V s∈Vs∈V到图 中每个结点v ∈ V v∈Vv∈V的最短路径。Dijkstra算法就适用于解决带权重的有向图上的单源最短 路径问题，同时算法要求图中所有边的权重非负；一般在求解最短路径的时候都是已知一个起点 和一个终点，所以使用Dijkstra算法求解过后也就得到了所需起点到终点的最短路径
针对一个带权有向图G，将所有结点分为两组S和Q，S是已经确定最短路径的结点集合，在初始时为空（初始时就可以将源节点s放入，毕竟源节点到自己的代价是0），Q 为其余未确定最短路径的结点集合，每次从Q中找出一个起点到该结点代价最小的结点u ，将u 从Q 中移出，并放入S 中，对u 的每一个相邻结点v 进行松弛操作；松弛即对每一个相邻结点v ，判断源节点s到结点u 的代价与u 到v 的代价之和是否比原来s 到v 的代价更小，若代价比原来小则要将s 到v 的代价更新 为s 到u 与u 到v 的代价之和，否则维持原样。如此一直循环直至集合Q 为空，即所有节点都已经 查找过一遍并确定了最短路径，至于一些起点到达不了的结点在算法循环后其代价仍为初始设定 的值，不发生变化；Dijkstra算法每次都是选择V-S中最小的路径节点来进行更新，并加入S中，所以该算法使用的是贪心策略
Dijkstra算法存在的问题是不支持图中带负权路径，如果带有负权路径，则可能会找不到一些路 径的最短路径
void Dijkstra(const V& src, vector<W>& dist, vector<int>& parentPath)
{
size_t N = _vertexs.size();
size_t srci = GetVertexIndex(src);
// vector<W> dist,记录srci-其他顶点最短路径权值数组
dist.resize(N, MAX_W);
// vector<int> parentPath 记录srci-其他顶点最短路径父顶点数组
parentPath.resize(N, -1);
// 标记是否找到最短路径的顶点集合S
vector<bool> S;
S.resize(N, false);
// srci的权值给一个最小值，方便贪心第一次找到这个节点
dist[srci] = W();
// N个顶点更新N次
for (size_t i = 0; i < N; ++i)
{
// 贪心算法：srci到不在S中路径最短的那个顶点u
W min = MAX_W;
size_t u = srci;
for (size_t j = 0; j < N; ++j)
{
if (S[j] == false && dist[j] < min)
{
min = dist[j];
u = j;
}
}
S[u] = true;
// 松弛算法：更新一遍u连接的所有边，看是否能更新出更短连接路径
for (size_t k = 0; k < N; ++k)
{
// 如果srci->u + u->k 比 srci->k更短 则进行更新
if (S[k] == false && _matrix[u][k] != MAX_W
&& dist[u] + _matrix[u][k] < dist[k])
{
dist[k] = dist[u] + _matrix[u][k];
parentPath[k] = u;
}
}
}
}
// 打印最短路径的逻辑算法
void PrinrtShotPath(const V& src, const vector<W>& dist, const vector<int>&
parentPath)
{
size_t N = _vertexs.size();
size_t srci = GetVertexIndex(src);
for (size_t i = 0; i < N; ++i)
{
if (i == srci)
continue;
vector<int> path;
int parenti = i;
while (parenti != srci)
{
path.push_back(parenti);
parenti = parentPath[parenti];
}
path.push_back(srci);
reverse(path.begin(), path.end());
for (auto pos : path)
{
cout << _vertexs[pos] << "->";
}
cout << dist[i] << endl;
}
}
void TestGraphDijkstra()
{
const char* str = "syztx";
Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('s', 't', 10);
g.AddEdge('s', 'y', 5);
g.AddEdge('y', 't', 3);
g.AddEdge('y', 'x', 9);
g.AddEdge('y', 'z', 2);
g.AddEdge('z', 's', 7);
g.AddEdge('z', 'x', 6);
g.AddEdge('t', 'y', 2);
g.AddEdge('t', 'x', 1);
g.AddEdge('x', 'z', 4);
vector<int> dist;
vector<int> parentPath;
g.Dijkstra('s', dist, parentPath);
g.PrinrtShotPath('s', dist, parentPath);
// 图中带有负权路径时，贪心策略则失效了。
// 测试结果可以看到s->t->y之间的最短路径没更新出来
/*const char* str = "sytx";
Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('s', 't', 10);
g.AddEdge('s', 'y', 5);
g.AddEdge('t', 'y', -7);
g.AddEdge('y', 'x', 3);
vector<int> dist;
vector<int> parentPath;
g.Dijkstra('s', dist, parentPath);
g.PrinrtShotPath('s', dist, parentPath);*/
}
5.2、单源最短路径--Bellman-Ford算法
Dijkstra算法只能用来解决正权图的单源最短路径问题，但有些题目会出现负权图。这时这个算法 就不能帮助我们解决问题了，而bellman—ford算法可以解决负权图的单源最短路径问题。它的 优点是可以解决有负权边的单源最短路径问题，而且可以用来判断是否有负权回路。它也有明显 的缺点，它的时间复杂度 O(N*E) (N是点数，E是边数)普遍是要高于Dijkstra算法O(N²)的。像这里 如果我们使用邻接矩阵实现，那么遍历所有边的数量的时间复杂度就是O(N^3)，这里也可以看出 来Bellman-Ford就是一种暴力求解更新
bool BellmanFord(const V& src, vector<W>& dist, vector<int>& parentPath)
{
size_t N = _vertexs.size();
size_t srci = GetVertexIndex(src);
// vector<W> dist,记录srci-其他顶点最短路径权值数组
dist.resize(N, MAX_W);
// vector<int> parentPath 记录srci-其他顶点最短路径父顶点数组
parentPath.resize(N, -1);
// 先更新srci->srci为最小值
dist[srci] = W();
for (size_t k = 0; k < N - 1; ++k)
{
bool exchange = false;
for (size_t i = 0; i < N; ++i)
{
for (size_t j = 0; j < N; ++j)
{
// srci->i + i->j < srci->j 则更新路径及权值
if (_matrix[i][j] != MAX_W
&& dist[i] + _matrix[i][j] < dist[j])
{
dist[j] = dist[i] + _matrix[i][j];
parentPath[j] = i;
exchange = true;
}
}
}
if (exchange == false)
break;
}
for (size_t i = 0; i < N; ++i)
{
for (size_t j = 0; j < N; ++j)
{
// 检查有没有负权回路
if (_matrix[i][j] != MAX_W
&& dist[i] + _matrix[i][j] < dist[j])
{
return false;
}
}
}
return true;
}
void TestGraphBellmanFord()
{
const char* str = "syztx";
Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('s', 't', 6);
g.AddEdge('s', 'y', 7);
g.AddEdge('y', 'z', 9);
g.AddEdge('y', 'x', -3);
g.AddEdge('z', 's', 2);
g.AddEdge('z', 'x', 7);
g.AddEdge('t', 'x', 5);
g.AddEdge('t', 'y', 8);
g.AddEdge('t', 'z', -4);
g.AddEdge('x', 't', -2);
vector<int> dist;
vector<int> parentPath;
if (g.BellmanFord('s', dist, parentPath))
{
g.PrinrtShotPath('s', dist, parentPath);
}
else
{
cout << "存在负权回路" << endl;
}
// 微调图结构，带有负权回路的测试
// const char* str = "syztx";
// Graph<char, int, INT_MAX, true> g(str, strlen(str));
// g.AddEdge('s', 't', 6);
// g.AddEdge('s', 'y', 7);
// g.AddEdge('y', 'x', -3);
// g.AddEdge('y', 'z', 9);
// g.AddEdge('y', 'x', -3);
// g.AddEdge('y', 's', 1); // 新增
// g.AddEdge('z', 's', 2);
// g.AddEdge('z', 'x', 7);
// g.AddEdge('t', 'x', 5);
// g.AddEdge('t', 'y', -8); // 更改
// g.AddEdge('t', 'z', -4);
// g.AddEdge('x', 't', -2);
// vector<int> dist;
// vector<int> parentPath;
// if (g.BellmanFord('s', dist, parentPath))
// {
// g.PrinrtShotPath('s', dist, parentPath);
// }
// else
// {
// cout << "存在负权回路" << endl;
// }
}
5.3、多源最短路径--Floyd-Warshall算法
Floyd-Warshall算法是解决任意两点间的最短路径的一种算法
Floyd算法考虑的是一条最短路径的中间节点，即简单路径p={v1,v2,…,vn}上除v1和vn的任意节点
设k是p的一个中间节点，那么从i到j的最短路径p就被分成i到k和k到j的两段最短路径p1，p2。p1 是从i到k且中间节点属于{1，2，…，k-1}取得的一条最短路径。p2是从k到j且中间节点属于{1，2，…，k-1}取得的一条最短路径
即Floyd算法本质是三维动态规划，D[i][j][k]表示从点i到点j只经过0到k个点最短路径，然后建立起转移方程，然后通过空间优化，优化掉最后一维度，变成一个最短路径的迭代算法，最后即得到所以点的最短路
void FloydWarShall(vector<vector<W>>& vvDist, vector<vector<int>>&
vvParentPath)
{
size_t N = _vertexs.size();
vvDist.resize(N);
vvParentPath.resize(N);
// 初始化权值和路径矩阵
for (size_t i = 0; i < N; ++i)
{
vvDist[i].resize(N, MAX_W);
vvParentPath[i].resize(N, -1);
}
// 将直接相连的路径初始化
for (size_t i = 0; i < N; ++i)
{
for (size_t j = 0; j < N; ++j)
{
if (_matrix[i][j] != MAX_W)
{
vvDist[i][j] = _matrix[i][j];
vvParentPath[i][j] = i;
}
else
{
vvParentPath[i][j] = -1;
}
if (i == j)
{
vvDist[i][j] = 0;
vvParentPath[i][j] = -1;
}
}
}
// 依次用顶点k作为中转点更新最短路径
for (size_t k = 0; k < N; ++k)
{
for (size_t i = 0; i < N; ++i)
{
for (size_t j = 0; j < N; ++j)
{
// i->k + k->j 比 i->j前面更新的距离更短，则更新
if (vvDist[i][k] != MAX_W && vvDist[k][j] != MAX_W
&& vvDist[i][k] + vvDist[k][j] < vvDist[i][j])
{
vvDist[i][j] = vvDist[i][k] + vvDist[k][j];
vvParentPath[i][j] = vvParentPath[k][j];
}
}
}
// 打印权值和路径矩阵观察数据
// for (size_t i = 0; i < N; ++i)
// {
// for (size_t j = 0; j < N; ++j)
// {
// if (vvDist[i][j] == MAX_W)
// {
// // cout << "*" << " ";
// printf("%3c", '*');
// }
// else
// {
// // cout << vvDist[i][j] << " ";
// printf("%3d", vvDist[i][j]);
// }
// }
// cout << endl;
// }
// cout << endl;
// for (size_t i = 0; i < N; ++i)
// {
// for (size_t j = 0; j < N; ++j)
// {
// // cout << vvParentPath[i][j] << " ";
// printf("%3d", vvParentPath[i][j]);
// }
// cout << endl;
// }
// cout << "=================================" << endl;
}
}
void TestFloydWarShall()
{
const char* str = "12345";
Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('1', '2', 3);
g.AddEdge('1', '3', 8);
g.AddEdge('1', '5', -4);
g.AddEdge('2', '4', 1);
g.AddEdge('2', '5', 7);
g.AddEdge('3', '2', 4);
g.AddEdge('4', '1', 2);
g.AddEdge('4', '3', -5);
g.AddEdge('5', '4', 6);
vector<vector<int>> vvDist;
vector<vector<int>> vvParentPath;
g.FloydWarShall(vvDist, vvParentPath);
// 打印任意两点之间的最短路径
for (size_t i = 0; i < strlen(str); ++i)
{
g.PrinrtShotPath(str[i], vvDist[i], vvParentPath[i]);
cout << endl;
}
}
2239
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
