【数据结构】图论

数据结构图论部分知识点总结：

第9章 图论

一、AOV网

AOV网：一个有向无环图。含义是用AOV网表示各个事件的先后关系，对于每一条边，终点（弧尾）以始点（弧尾）为先决条件，而一个点不可能以自己为先决条件。

1.拓扑排序

拓扑排序生成的拓扑序列可以用来检测一个有向图是不是AOV网，即判断该有向图有没有回路。

（1）内容：

• 对于一个n个点，e条边的图，任选入度为0的点输出，

• 然后删除该点即所有出边。

• 重复直至没有入度为0的边

  ① 输出的顶点数 < 总顶点数：存在有向回路，不是AOV网。
  ② 输出的定点数 > 总顶点数：不存在有向回路，是AOV网，此时输出的序列为拓扑序列。

（2）算法设计：

• 定义$邻接表$作为图的存储结构。
• 定义inDegree数组存储所有顶点的入度。

初始化操作可以循环遍历邻接表统计所有顶点的入度。

• 定义topo数组存储输出的拓扑序列。
• 定义一个栈存储所有顶点入度为0的顶点，包括新出现的入度为0的顶点。

每删除一个点和边（对该点邻接到的点入度减一），然后检测删除点的邻接点的入度，入度为0就入栈。

• 对入度为0的顶点的选择可以通过出栈操作实现。出栈前先检测栈是否为空，即当前有无入度为0的顶点，没有就结束拓扑排序。

（3）时间复杂度

$$O(n+e)$$

二、AOE网及关键路径

AOE网：把一个工程看作一个AOE网。一个AOE网是一种特殊的AOV网。

• 有且仅有一个入度为0的点，称为源点（工程的开始）。
• 有且仅有一个出度为0的点，称为汇点（工程的结束）。
• 不存在回路。（无环）
• 且每条边都带权的有向图。

关键路径：从源点到汇点的最长路径。代表一个工程的最短完成时间。

1.关键路径的求解步骤

（1）对AOE网进行拓扑排序

（2）用下列公式按拓扑序列求出每个$事件$可能的最早发生时间$E_{early}(v_i)$

$$x=\{\begin{array}{ll}{E}_{early}(v_0)=0& \\ E_{early}(v_j)=max\text{{}{E}_{early}(v_i)+w(v_i,v_j)\}& 0<j<n\end{array}$$

（3）用下列公式按逆拓扑序列（即从后往前）和$E_{early}(汇点)$求出每个$事件$允许的最迟发生时间$E_{late}(v_i)$

$$x=\{\begin{array}{ll}{E}_{late}(v_{n-1})=E_{early}(v_{n-1})& \\ E_{late}(v_i)=min\text{{}{E}_{late}(v_j)-w(v_i,v_j)\}& 0\le i<n-1\}\end{array}$$

（4）求出每个$活动$可能的最早开始时间$A_{early}(a_k)$

$A_{early}(a_k)=E_{early}(v_i)$，其中a_k关联v_i和v_j。

（5）求出每个$活动$允许的最迟开始时间$A_{late}(a_k)$

$A_{late}(a_k)=E_{late}(v_j)-w(v_i,v_j)$，其中a_k关联v_i和v_j。

（6）找出$A_{early}(a_k)=A_{late}(a_k)$的活动a_k即为关键活动，由关键活动形成的由源点到汇点的路径即为关键路径。

2.关键路径算法

（1）算法实现

• 用一个数组存储可能最早发生时间，遍历拓扑序列，每次更新数组元素值
• 另一个数组存储允许最迟发生时间，遍历逆拓扑序列，每次更新数组元素值

（2）时间复杂度

$$O(n+e)$$

二、图的最小代价生成树

• n个顶点的无向连通图最少有n-1条边。
• 生成树：n个顶点的无向连通图的生成树是一棵极小连通子图，包括该图中的所有顶点，有足以构成一棵树的n-1条边。

一个带权图的各生成树中，具有最小代价的生成树（各边上的代价之和）称为该网络的最小代价生成树。关于如何构造最小代价生成树有普利姆算法和布鲁斯卡尔算法。

1.普利姆算法

（1）内容：

G为含n个顶点的带权连通网，T是正在构造中的生成树（初始状态下T只有一个任选的起始顶点，且无边），从初始状态开始，重复执行下列运算：

①从T的入边中找一条代价最小的边e（出现多条时任选其一）

②将e及其不属于T的那个顶点加入T;

③重复（1）（2）直至所有顶点加入T。

（2）算法设计:

所需数据结构如下：

• 图采用$邻接表$存储
• 定义一维数组nearest[]，lowcost[]和mark[]，并初始化，

其中nearest[i]存放当前生成树中与顶点i距离最近的顶点，lowcost[i]存放边(i,nearest[i])的权值，mark[i]标记顶点i是否已经在生成树上。
初始状态下nearest数组中的元素置为-1，lowcost数组中的元素置为INFTY（一个极大值），mark数组所有元素置TRUE。

• 初始顶点加入生成树T。

• 对于尚未在生成树中的顶点v，如果（u,v）是v与生成树T中若干顶点构成的边中权值最小的，则设置nearest[v]=u，lowcost[v]=w(u,v)。

生成树每新加入一个点就要对新加入的点遍历其边链表，将其和树外点间的权值与对应的lowcost值作比较，更新nearest[v]和lowcost[v]

• mark[v]=True代表v加入了生成树。

（3）时间复杂度：

$$O(n^2)$$

2.克鲁斯卡尔算法

（1）内容：

T：正在构造中的生成树。
G：图
E：图的边集合
E’：生成树的边集合

从初始状态（此时T中只包含G中所有顶点，无边）开始，重复执行下列运算:

①在E中选择一条代价最小的边(u,v)， 并将其从E中删除，加入T;

②若在生成树的边集合E’中加入边(u,v)以后未形成回路，则将其加进E’中，否则继续从E中选择下一条边;

③重复执行步骤② ，直至E’中包含n-1条边时为止。

（2）算法设计:

所需数据结构如下：

• 图采用$邻接矩阵$存储
• 一维结构体数组edgeSet[]用于存储图中所有边的信息，包括边的两个顶点和边的权值，edgeSet[i]存放图中的一条边。
• 一维数组vexSet[]用于标识各顶点所属的连通分量，其中vexSet[i]表示顶点i所属连通分量，初始时vexSet[i]=i，表示自身构成一个连通分量。

关键步骤：

• 从邻接矩阵获取所有边存入edgeSet
• 用排序算法对edgeSet中的边按权值从小到大排列选出
• 用数组vexSet[]存储各点所属联通分量，选择权值最小的边插入T，并判断两个边的顶点u和v是否在一个连通分量即vexSet[u]和vexSet[v]是否相等，
  • vexSet[u]!=vexSet[v]，不会形成回路，然后合并这两个连通分量
  • vexSet[u]==vexSet[v]，形成回路，选择次小继续判断。

（3）时间复杂度：

$$O(e\ast lo{g}_{2}e)$$

三、图的单源最短路径

1.迪杰斯特拉算法

（1）算法设计

所需数据结构如下：

• 采用邻接矩阵存储
• s[]记录对应下标的顶点是否在S集合中，即是否确定最短路径。
• d[]存放v₀到下标对应点的当前最短路径的长度（注意：这里的d[]存放的最短路径值跟最后的不一定一致）
• path[]存储下标对应顶点的前驱结点。

主要步骤：

• 先初始化数组值。

  s[0]置1，其余为0。

  d[i]如果v₀到顶点v_i存在边则置权值，不存在边则置无穷大的数。

  path[i]如果v₀到顶点v_i存在边则置0，不存在边则置-1。

• 循环选出最小的d[k]，得到对应k，置s[k]=1，进入下一轮选择前要先更新d[w](w是V-S集合中的某个点)的值，循环遍历当前V-S集合中的各个点，比较d[k]+w[k][w]与d[w]的大小，小的那个录入d[w]，还要更新path[w]。

（2）时间复杂度

• $O(n^2)$

• 求源点到某一顶点间的最短路径：$O(n^2)$

• 求任意两对顶点间的最短路径（每次选一个顶点为源点重复n次）：$O(n^3)$

w[k][w]与d[w]的大小，小的那个录入d[w]，还要更新path[w]。

四、总结：

	拓扑排序	求关键路径	普利姆算法	克鲁斯卡尔算法	迪杰斯特拉算法
图的存储结构	邻接表	邻接表	邻接表	$邻接矩阵$	$邻接矩阵$
算法用到的数据结构	数组、$栈$	数组	数组	结构体数组	数组
时间复杂度	$O(n+e)$	$O(n+e)$	$O(n^2)$	$O(elo{g}_{2}e)$	$O(n^2)$