算法笔记6-有向图

有向图

它的边都是单向的。每条边连接的顶点都是有序对。

顶点的出度：以顶点v为弧尾的弧的数目。

顶点的入度：以顶点v为弧头的弧的数目。

顶点的度= 出度+入度

路径：非带权路径长度，指此路径上边的条数。带权路径是指，各边的权之和

简单路径：路径上各个顶点均不互相重复。

简单回路：若路径上第一个顶点和最后一个顶点重复，则称这样的路径为回路或者环

连通图和连通分量：是无向图的概念，若从顶点v1到v2有路径，则称v1与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。。。 非连通图的极大连通子图，叫做连通分量

强连通图和强连通分量：是有向图的概念，若对于每一个对顶点Vn和Vm，都存在一条从Vn到Vm，和Vm到Vn的路径，则称此图是强连通图。

非强连通图的极大强连通子图，叫做强连通分量。

生成树：一个连通图有n个顶点和e条边，其中n-1条边和n个顶点构成一个极小连通子图，称该极小连通子图为此连通图的生成树。

有向图的邻接表和逆邻接表：

 

带权的图

网络的邻接矩阵，在V*V的矩阵中，如果V1顶点指向V2顶点，那么[1,2]存放权值，如果V2没有指向V1，[2,1]写入无穷。

网络的邻接表，增加一个存储，存放权值

有向无环图：

是有向图的一种，就是图中没有环。常被用来表示事件之间的驱动依赖关系，管理任务之间的调度。

在图论中，如果一个有向图无法从某个顶点出发经过若干条边回到该点，则这个图是一个有向无环图

拓扑排序是对有向无环图的顶点进行排序。有有向无环图才有拓扑排序

通常一个有向无环图可以有一个或者多个拓扑排序序列

实现由两种算法：入度表、DFS

入度表，1.找出图中入度为0的顶点。 2.依次在图中删除这些顶点，删除后再找度为0的顶点  3.知道删除所有顶点，完成拓扑排序

DFS,顶点必须比其邻接点先出现。

我们打印一个顶点，然后递归深度优先搜索，其相邻的顶点。一直递归下去，知道DFS结束，那就意味着，这个节点是最后一个节点。没有下一个节点所指。将最后的节点，放入栈中，一次递归结束，运行上一层递归，将上一个顶点，放入栈中（此操作在递归方法最后）。。最后再打印内容。

最小生成树：

使用不同的遍历方法，可以得到不同的生成树。从不同的顶点出发也可以得到不同的生成树。

准则：

1.必须使用且仅使用该网络中的n-1条边，来连接网络中的n个顶点

2.不能使用产生回路的边

3.各边上的权值的总和达到最小

Prim算法：

在加权连通图里搜索最小生成树，的算法。

基本思想，从连通网络中，某一个顶点u出发，选择与它关联的具有最小权值（关联多条边，边上的数字最小的那一条）的边。将其顶点加入到生成树顶点集合U中（路径）。直到所有顶点都被该路径，经过。

代码表示：我们声明一个lowcost数组，表示当前选中顶点，与所有边的权值。（如果没有两个顶点没有直接相连，则*，无通路）

声明mst数组，表示选中的顶点能够与谁相连。

比如上图，选中0，则lowcost[0]=0,lowcost[1]=28,lowcost[2]=*,lowcost[5]=10...等等

此处因为是起点所以所有默认为0,也就是mst[2]=0,mst[3]=0....

可以看出最小权值是10，那么边

<mst[5],5> = 1 加入到mst数组 可能看不太懂，那么就是mst数组的<0,5> 设置为1 。 mst[5]， 就是0咯。

Kruskal算法：

基于贪心算法思想得到的。首先我们把所有边按权值大小排列。接着按照顺序选取每条边。如果选择的边，的两个端点不属于同一个集合。那么将两个端点并入集合。

也就是每次都选最小的边，然后选择端点。

根据图我们可以知道：AD=5 , CE =5，DF = 6 ....

将所有边排序。

我们发现ad，ce都不在一棵树上，所以都被选中。接下来是df , ab , be ,eg