注：以下内容均为个人复习使用，不保证所述内容绝对严谨；
注：考研知识点相对基础，因此这里只做知识点合集，不保证内容详细。
Pre: Conception
图
G(V,E)，点V，边E的集合为G，称之为 图（Graph）
n表示点数量，m表示边数量
连通图
从图上任意一点出发，都可以找到一条路径，使可以回到该点。（每一个点都在回路中）
完全图
能加上的边都加上，无重边。
有向完全图的节点个数为： n*(n-1)/2
无向完全图的节点个数为：n*(n-1)
连通分量
一个图的连通分量 = 最大连通子图的大小
有向图的强连通：即每对节点双向连通；n点图则至少需要n条边（一个环），最多可以有n*(n-1)条边（完全图）
有向图的弱连通：是一张连通图，但存在某一对节点单向连通（只能A到B，不能B到A）；n点图则至少需要n-1条边（一个树），最多可以有n*(n-1)条边（完全图）
弱连通有向图 是 特殊的强连通有向图
性质
n个点的有向图形成连通图 最少需要 n条边 （一个环）
n个点的无向图形成连通图 最少需要n-1条边（一个树）
n个点的无向图最少需要 n*(n-1)/2 +1条边 才能保证 这是一个连通图。
一、图的存储
1. 邻接矩阵：
edge[a][b] 表示从点a到点b的边权
存储优点： 操作简单，O(1)查询，空间稳定O(n^2)
存储缺点： 有重边情况不适用，稀疏图（边较少时），需要连续内存地址（点过多时不适用）。
空间复杂度： O(n2)
考试易错点：区分题目问的是非零元素 还是 元素
※矩阵存图的特殊性质：
性质1 ： 矩乘含义
如果A[i][j]为图G的邻接矩阵，且为01矩阵（只记录是否存在边）
由线代知识、矩阵乘法可以推证：
矩阵A2=A*A中 A2[i][j]表示 由点i到点j 步数为2的路径数量
延申： 矩阵An=矩阵A的n次幂，An[i][j]表示 步数为n的路径数量
Ps. 如果A[i][j]为图G邻接矩阵，且存储值为边长va
则仍用A的n次幂An[i][j]表示步长为n，点i到点j的最短距离。可通过Floyd等算法计算。
性质2：“适当的编号”
如果想 通过适当的编号 将 n个点的有向无环图的邻接矩阵 成为
上三角矩阵 或 下三角矩阵
编号方式为：
按拓扑序列顺序编号（下三角矩阵）
按拓扑序列逆序编号（上三角矩阵)
2. 邻接表：
下为个人代码习惯
struct ss{
int to,nex,va;
}edge[M];int head[N],ecnt;//同理可推得指针写法；指针写法更支持动态空间维护、可移植性更强。
void add(int x,int y,int va){//单向图
edge[++ecnt]=(ss){y,head[x],va};head[x]=ecnt;
}
存储优点： 稀疏图适用、可存储有重边的图； 如果用指针写成链表形式，则内存地址不需要连续，增边O(1)，动态空间占用，
存储缺点： 操作复杂，O(M)查询
空间复杂度： O(n + m)
3. 逆邻接表：即 邻接表 存 反向图
4. 邻接多重表：
即每个表元素同时存储两个节点，且链接在两个节点的链表中
struct ss{
int from,to,va;
struct ss *from_nex;
struct ss *to_nex;
}*head[N];
inline void add(int x,int y,int va){
struct ss *p = (struct ss*)malloc(sizeof(ss));
p->from=x,p->to=y,p->va=va;
p->from_nex=head[x];head[x]=p;
p->to_nex=head[y];head[y]=p;
}
二、图的遍历
图的遍历的实质其实就是 找当前点的邻接点的过程
1. BFS遍历法： 宽度优先搜索
时间复杂度 O(n+e)
使用的数据结构：队列
空间复杂度：O(n)
2. DFS遍历法： 深度优先搜索
时间复杂度 O(n+e)
使用的数据结构：栈
空间复杂度：O(n)
三、算法问题——最小生成树（MST）
问题描述：给一张图，求其所有点都使用的情况下，可形成的边权总和最小的树。 MST算法的代码实现
法一：Prim算法
核心概括：（点集拓展+优先队列）
算法思路： 贪心（优先队列实现） + 判环（集合实现）
step1. 随机选取一个点不在集合内的点，并将该点连接的所有边加入优先队列，
step2. 选取优先队列的top（即集合当前所连接所有边中的最短边），将该边作为树的其中一个边，
step3. 将所连向的to_pos加入集合，如果该点已经在集合，则换下一条边，进行前述操作。
step4. 重复上述操作，直到所有点全部加入集合
注：推荐使用邻接矩阵。
算法复杂度：
O(N+logM) ⇒ 适用于密集图（边较多时）
补：考研的Prim是不加优先队列优化的prim，所以复杂度为O(n2)
法二：Kuraskal算法
核心概括:（边集补全+一次排序+并查集）
算法思路： 贪心（排序实现） + 判环（并查集实现）
step1. 将所有边排序
step2. 每次都选取最短的边，将该边作为树的边，
如果该边所连向的两个点 已经在同一并查集，则弃之不用
否则该边合法，选用该边，更新并查集
step4. 重复前述操作，直至n-1条边被选用，或直至所有边被遍历一遍
注：推荐使用邻接表
算法复杂度：
O(m logm) ⇒ 适用于稀疏图（边较少时)
最小生成树的性质：
最小生成树可能不唯一，但最小生成树的权值一定唯一
最小生成树唯一的 充分条件 树上各个边权的权值不同
充要条件 权值相同的边不属于可以相互替代的关系
四、算法问题——最短路
问题描述：顾名思义，求某两个点之间的最短路径 最短路模板链接
Floyd / Dijkstra：
算法思路： 用已经更新过的两点距离，更新答案。 Dis[i][j] 表示从点 i 到点 j 的最短距离，则 Dis[i][j]=min(Dis[i][j] , dis[i][k]+e[k][j]);
算法复杂度： 单源最短路：O(n ^ 2)； 多源最短路：O(n ^ 3)
算法优缺点： 负权不可用，适合密集图（边多点少）
没什么用的性质: 各个节点出最终结果的顺序，一定是按照其最短距离值从小到大排序。（我也不知道这性质有啥用，反正考研考）
堆优化 把每条路径的抵达点即长度都放入优先队列；每次优先选取距离最近的点进行更新。
法二：堆优化Dijkstra算法 O(n logn)
法三：SPFA O(n logn ~ n2 ) Link to SPFA+大模拟的一个题
法四：A*算法
【考研只要求dijkstra，其余方法略。
Dijkstra最短路生成树
根据Dijkstra生成源点到各个顶点的最短路径，
这些最短路径的集合有且只有n-1条边，因此构成生成树。
五、AOV网 与 拓扑排序
Definition： 即，被研究的对象为V（点集）。
要求为无环图。
拓扑排序： 单向流路径
拓扑序列指，按该序列排序的点集，对于任意 点 j ， 均存在 i < j 使 点 i 到 点 j 有路径
应用：拓扑判环 ： 如果有拓扑序列，则一定有环；如果没有，则无环。
寻找拓扑序列的操作：
- 入度为0 的点 为 第一个点。 如果入度为0的点不止一个，则无所谓先后顺序。
- 将第一个点以及他所连出的边删除，更新点的度数
- 重复1，直到点集为空；
注： 拓扑序列 可能 不唯一
BFS拓扑排序法
bool ind[N];//入度
int ans[N];//记录序列
bool Toplogical_sort(){
queue<int>q; //用于存储当前入度为0 的点
for(int i=1;i<=n;i++)
if(!ind[i]) q.push(i);
whlie(!q.empty()){
int pos=q.front();q.pop(); ans[++tot]=pos;
for(int i=head[pos];i;i=edge[i].nex){
ind[ edge[i].to ] --;
if(!ind[ edge[i].to ] ) q.push(edge[i].to);
}
}
for(int i=1;i<=n;i++)
if(ind[i]) return false;//有环
return true;
}
DFS拓扑排序法
DFS+depth[pos]标记，最终排序顺序按depth从小到大即可。
拓扑排序求最长路径法
六、AOE网与关键路径
Definition： 即，被研究的对象为E（边）。
应用场景：流程图的总花费时间。
关键路径：该路径延长，则工期必延长（完成整个流程的最小花费时间 = 图内最长路径长度）
考虑到可以同时进行，所以总花费时间=max（路径长度）。这个max路径，即成为 关键路径。
一般先通过拓扑排序实现 流程点顺序的先后排序。
再计算路径长度最大值。
项目的最早开始时间（即前缀项目的关键路径） = 起点到该项目的所有路径长度的maxn
项目的最晚开始时间（即不在关键路径上的项目可以根据情况延迟开始） = 整个流程的总时间 minus 起点到该项目到最后项目的路径长度的maxn
关键活动：该活动延迟，工期必延迟（即 最晚开始时间=最早开始时间 的活动）
七、零散考点
1. 有向无环图描述表达式
至少需要的顶点数目 = set ( 表达式所有元素 ) 的集合大小
即，对于相同的元素，只建立一个节点，以优化空间。
如： (A+B)*((A+B)/A) 只需要5个节点即可表示，节点信息分别为 “A、B、+、 *、/ ”。
2. 手跑dfs和bfs的遍历顺序；给定邻接表手绘图
3. 判环算法
BFS广搜+入队次数判环法（一个神奇的判环方法， 如果一个点的入队次数>n，那一定有环存在）
DFS深搜+vis[pos] 标记法（走到一个点则做一次标记，如果走到做过标记的点，即说明有环，只用于单纯判环）
直接求强连通分量（Tarjan算法） 【在判环的基础上，进行缩点操作/ 判断割点】
4. 图的度的关系
有向图： 出度和=入度和=总边数； 所有点度的和=出度和+入度和=2总边数
无向图：所有点的度和=2边数
根据上述等式推算相关题目的 节点数量。
5. 图的DFS遍历等价于二叉树的先序遍历；图的BFS遍历等价于二叉树的层序遍历
6. 代码题
邻接表 与 邻接链表
typedef struct{//邻接链表写法
int to,va;
STU *nex;
}STU; STU *head[N]；
void add(int x,int y,int va){//单向图
STU *p = (STU *) malloc(sizeof(STU));
p->nex=head[x];head[x]=p;
p->to=y;p->va=va;
}
邻接链表 中 元素的删除
（即单链表删除）
邻接矩阵 与 矩阵压缩
无向图的邻接矩阵一定是对称矩阵，则可以使用对称矩阵【顺序表】压缩存储法
有向图的稀疏图，可以用【三元组】【十字链表】压缩存储法
详见：线性数据结构
7. 最小高度生成树 ：BFS即可
手绘BFS生成树 和 DFS生成树 的图
手绘最小生成树
1072
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
