算法设计技巧与分析（六）：图遍历(Graph Traversal)

---

图遍历(Graph Traversal)

一、深度优先搜索(Depth-First Search)

深度优先搜索如下图所示：

树边：深度优先搜索树的边
回边：所有其他边

算法伪代码如下：

Input: 无向图G=(V, E);
Output: 对应深度优先搜索树中顶点的预排序和后排序
predfn = 0
postfn = 0
for 每个点v属于V:
	标记v为unvisited
for 每个点v属于V://防止存在不连通图
	if v is unvisited:
		dfs(v)

def dfs(v):
	标记v为visited
	predfn = predfn + 1//节点搜索顺序
	for 每条边(v,w)属于E:
		if w is unvisited:
		dfs(w)
	postfn = postfn + 1//回溯顺序

搜索完成后，每个顶点都被predfn和postfn标记，它们给出了访问顶点的开始和结束的顺序。

假设图G的节点数为n，边数为m。
对于for 每个点v属于V中的if v is unvisited ，在循环内的时间复杂度为O(1)，在算法执行结束后遍历每个节点，故为O(n)。
对于dfs(v)中的for 每条边(v,w)属于E ，算法执行结束后运行的次数为O(m)。对于有向图是m次，对于无向图是2m次。

综上，对于for 每个点v属于V://防止存在不连通图 ，算法执行结束后循环了O(m+n)次，故算法的时间复杂度为O(m+n)。

二、寻找关节点(Finding Articulation Points in a Graph)

寻找图中关节点是深度优先搜索的一个简单应用。

对于无向图G，存在一个顶点v，如果有不同于v的两个顶点u和w，在它们之间的任何路径都必须经过顶点v，则称v为关节点。即如果G是连通图，移去v和他相关的边，将会变得不连通。

算法思想：
首先对G进行一次深度搜索遍历，遍历过程中对每个顶点v都保持两个标号：A[v]、B[v]，其中A[v]为predfn，B[v]为以下三个中的最小值：

• A[v]
• A[u]，(v,u)为回边
• B[w]，在深度优先搜索树中的每条边(v,w)

关节点确定如下：

• 根是关节点当且仅当在深度优先搜索他有两个或多个儿子（不算回边）；
• 除根以外的节点v是关节点当且仅当v有一个儿子使得B[w]>=A[v]。

算法伪代码如下：

Input: 无向图G=(V, E);
Output: 包含G的所有可能关节点数组A[1....count]
predfn = 0
rootdegree = 0//根节点的度
count = 0//关节点数
for 每个点v属于V:
	标记v为unvisited
for 每个点v属于V://防止存在不连通图
	if v is unvisited:
		artpoint(v)

def artpoint(v):
	标记v为visited
	predfn = predfn + 1//节点搜索顺序
	A[v] = predfn
	B[v] = predfn
	isart = false
	for 每条边(v,w)属于E:
		if (v,w)是树边：
			if w is unvisited:
			artpoint(w)
			if v = s:
				rootdegree++
				if rootdegree == 2:
					isart = true
				else:
					B[v] = min{B[v],B[w]}
					if B[w] >= A[v]:
						isart = true
		else if (v,w)是回边：
			B[v] = min{B[v],A[w]}
	if isart:
		count++
		A[count] = v

在搜索从某个顶点w回退到v时，要做两条判断：

• 如果发现B[w]比B[v]小，B[v]被设为B[w]
• 如果发现B[w]比A[v]大或相等，那么此时v就是一个关节点，因为从w到v的祖先顶点必经过v。
  
  从以w为根的子树到u的任何路径都需要经过v。在这个图中u是关节点，因为他的度大于1。

例子：

三、广度优先搜索(Depth-First Search)

广度优先搜索如下图所示：

这种遍历方法可以通过队列来实现，以存储未检查的顶点。