数据结构与算法----图

定义：由顶点集和边集组成，G=(E,V),其中V(G)=顶点个数，E(G)=边数

注：线性表可以是空表，树叶可以是空树，但图不可以是空，即V一定是非空集

种类

无向图

若E为无向边，则图为无向图，边（v,w）和顶点相关联；

• 度

  • 顶点v的度是指依附于该顶点的边的条数，几位TD(v)。

  • 度为边数*2；握手定理

• 路径

  • 顶点v1到顶点v2之间的一条路径是指顶点序列，v1，v3，v4······v2；

• 回路

  • 第一个顶点到最后一个顶点相同的路径称为回路或环；

• 简单路径

  • 在路径序列中，定点不重复出现的路径称为简单路径。

• 简单贿赂

  • 除第一个顶点和最后一个顶点外，其余顶点不重复出现的回路称为简单回路；

• 路径长度

  • 路径上边的数目

• 点到点的距离

  • 从顶点u出发到顶点v的最短路径若存在则此路径的长度称为从u到v的距离。若从u到v根本不存在路径，则记该距离为无穷。

• 无向图中若从顶点v到顶点w有路径存在，则称v和w是连通的。

• 若无向图中任意两个顶点都是连通的，则称图G为连通图，否则称为非联通图。

• n个顶点的无向图若为连通图，则最少有n-1条边

• n个顶点的无向图若为连通图，则最多有n-1里面取条边

   

有向图

若E为有向边，则图为有向图，边<v,w>v称为弧尾，w称为弧头,<v,w>不等于<w,v>;

• 度

  • 入度：是以顶点v为终点的有向边的数目，记为ID(v);

  • 出度：是以顶点v为起点的有向边的数目，记为OD(v);

  • 顶点v的度等于入度和出度之和，即TD(v)=ID(v)+OD(v).

  • 入度之和=出度之和=边数

• 有向图中，若从顶点v到顶点w和从顶点w到顶点v之间都有路径，则称这两个顶点是强连通的

• 若图中任何一对顶点都是强连通的，则称此图为强连通图。

• 若为强连通图，则最少有n条边（形成回路）

简单图（数据结构常用）

简单图--1.不存在重复边；2.不存在顶点到自身的边；

多重图

多重图--图G中某两个节点之间的边数多于一条，又允许定点通过同一条边和自己关联，则G为多重图

子图

设有两个图G=(V,E)和G=(V,E)，若V是v的子集，且E是E的子集，则称为G是G的子图

生成子图

若有满足V(G`)=V(G)的子图，则称其为G的生成子图

连通分量

连通图：n-1条边

非连通图最多Cn-1 2条边

无向图中的极大连通子图称为连通分量

有向图中的极大强连通子图称为有向图的强连通分量

生成树

连通图的生成树是包含途中全部顶点的一个极小连通子图

生成森林

在非连通图中，连通分量的生成树构成了非连通图的生成森林

边的权，带权图/网

边的权--在一个图中，每条边都可以标上具有某种含义的数值，该数值称为该边的权值。

带权图/网--边上带有权值的图称为带权图，也称网。

带权路径长度--当图是带权图时，一条路径上所有边的权值之和，称为该路径的带权路径长度。

特殊的图

无向完全图--无向图中任意两个顶点之前都存在边。若其顶点数为|V|=n;|E|=[0,n(n-1)/2];

有向完全图--有向图中任意两个顶点之前都存在方向相反的两条弧。若其顶点数为|V|=n;|E|=[0,n(n-1)];

稀疏图--边很少的图（|E|<|V|log|V|）

稠密图--便很多的图

树--不存在回路，且连通的无向图（n个节点的树一定有n-1条边）

图的存储

邻接矩阵

#define MaxVertexNum 100
typedef struct{
    char Vex[MaxVertexNum];
    int Edge[MaxVertexNum][MaxVertexNum];
    int vexnum,arcnum;
}MGraph;

节点数为n的图G=（V,E）的邻接矩阵A是n*n的。将G的顶点编号为v1,v2······，vn;则

A[ i ] [ j ]={1,若（vi,vj）或<vi,vj>是E(G)中的边

{0,若（vi,vj）或<vi,vj>不是E(G)中的边

无向图：第i个结点的度=第i行（或第i列）的非零元素个数

有向图：第i个结点的出度=第i行的非零元素的个数

第i个结点的入度=第i列的非零元素个数

第i个结点的度=第i行，第i列的非零元素个数之和

注：邻接矩阵求顶点的度/出度/入度的时间复杂度为O(|V|)

邻接矩阵法存储带权图（网）

#define MaxVertexNum 100                        //顶点数目的最大值
#define INFINITY 最大的int值                     //宏定义常量“无穷”
typedef char VertexType;                        //顶点的数据类型
typedef int EdgeType;                           //带权图中边上权值的数据类型
typedef struct{
    VertexType Vex[MaxVertexNum];               //顶点
    EdgeType Edge[MaxVertexNum][MaxVertexNum];  //边的权
    int vexnum,arcnum;
}MGraph;                                        //图的当前顶点数和弧度

空间复杂度：O(|V|^2)--只和顶点数相关，和实际的边数无关

适合用于存储稠密图

无向图的邻接矩阵是对称矩阵，可以压缩存储（只存储上三角区/下三角区）

性质

A^n的元素A^n[i] [j]等于由顶点i到顶点j的长度为n的路径数目

邻接表法（顺序+链式存储）

边结点的数量是2|E|

适合存储稀疏图

表示方法不唯一

typedef struct{
    AdjList vertices;
    int vexnum,arcnum;
}ALGraph;
typedef struct ArcNode{ 
    int adjvex;     //边弧指向哪个结点
    struct ArcNode *next;   //指向下一条弧的指针
    //InfoType info;        //边权值
}ArcNode;
typedef struct VNode{
    VertexType data;    //顶点信息
    ArcNode *first;     //第一条边/弧
}VNode,AdjList[MaxVertexNum];

十字链表--存储有向图

空间复杂度：O(|V|+|E|)

弧结点：弧顶点编号，弧头顶点编号，权值，弧头相同的下一条弧。

顶点结点（用数组顺序存取）：数据域，该顶点作为弧头的第一条弧，该顶点作为弧尾的第一条弧。

指定顶点的出边：绿色线路；

入边：橙色线路

邻接多重表--存储无向图

边结点：边结点两个顶点编号：i，j，info（权值）iLink依附于顶点i的下一条边，jLink依附于顶点j的下一条边。

顶点结点：data数据域，firstedge：与该顶点相连的第一条边

空间复杂度：O(|V|+|E|)

基本操作

图的基本操作：

• Adjacent ( G , x , y )：判断图 G 是否存在边＜ x , y ＞或（ x , y )。

• Neighbors ( G , x )：列出图 G 中与结点 x 邻接的边

• InsertVertex ( G , x )：在图 G 中插入顶点 x 。

• DeleteVertex ( G , x )：从图 G 中删除顶点 x 。

• AddEdge ( G , x , y )：若无向边（ x , y ）或有向边＜ x , y ＞不存在，则向图 G 中添加该边。

• RemoveEdge ( G , x , y ):若无向边（ x , y ）或有向边＜ x , y ＞存在，则从图 G 中删除该边。

• FirstNeighbor ( G , x )：求图 G 中顶点 x 的第一个邻接点，若有则返回顶点号。若 x 没有邻接点或图中不存在 x ，则返回﹣1

• NextNeighbor ( G , x , y ):假设图 G 中顶点 y 是顶点 x 的一个邻接点，返回除 y 之外顶点 x 的下一个邻接点的顶点号，若 y 是 x 的最后一个邻接点，则返回﹣1。

• Get _ edge _ value ( G , x , y ):获取图 G 中边（ x , y ）或＜ x , y ＞对应的权值。

• Set _ edge _ value ( G , x , y , v )：设置图 G 中边（ x , y ）或＜ x , y ＞对应的权值为 v 。

图的遍历

广度优先遍历（代码会写）

• 找到与一个顶点相邻的所有顶点

• 标记那些定点被访问过

• 需要一个辅助队列：

  • FirstNeighbor ( G , x )：求图 G 中顶点 x 的第一个邻接点，若有则返回顶点号。若 x 没有邻接点或图中不存在 x ，则返回﹣1

  • NextNeighbor ( G , x , y ):假设图 G 中顶点 y 是顶点 x 的一个邻接点，返回除 y 之外顶点 x 的下一个邻接点的顶点号，若 y 是 x 的最后一个邻接点，则返回﹣1。

• 代码实现

  bool visited [ MAX _ VERTEX _ NUM ]; /／访问标记数组
  void BFSTraverse ( Graph G ){/／对图 G 进行广度优先遍历
      for (i=0;i<G.vexnum;++i)
              visited[i]= FALSE;
      InitQueue (Q);
      for (i=0;i<G.vexnum;++i)
          if (!visited[i])
   BFS ( G , i );
  /／访问标记数组初始化
  /／初始化辅助队列 Q /／从0号顶点开始遍历
  /／对每个连通分量调用一次 BFS // vi 未访问过，从 vi 开始 BFS
  /／广度优先遍历
   void BFS (Graph G,int v){  /／从顶点 v 出发，广度优先遍历图 G 
      visit(v);               /／访问初始顶点 v 
      visited[v]=TRUE;        /／对 v 做已访问标记
      Enqueue(Q,v);           /／顶点 v 入队列 Q 
      while(!isEmpty(Q)){
          DeQueue(Q,v);       /／顶点 v 出队列
          for(w=FirstNeighbor(G,v);w>=0;w=NextNeighbor(G,v,w))
              /／检测 v 所有邻接点
              if(!visited[w]){    // w 为 v 的尚未访问的邻接顶点/／问顶点 w  
              visit(w);
              visited[w]=TRUE;/／对 w 做已访问标记 
              EnQueue(Q,w);/／顶点 w 入队列
              }// if  
      }// while
  }

深度优先遍历（代码会写）

bool visited [MAX_VERTEX_NUM];      /／访问标记数组
void DFSTraverse(Graph G){      /／对图 G 进行深度优先遍历 
    for(v=0;v<G.vexnum;++v)
        visited[v]=FALSE;       /／初始化已访问标记数据 
    for(v=0;v<G.vexnum;++v)/／本代码中是从 v =0开始遍历
        if(!visited[v])
            DFS(G,v);
}
 void DFS(Graph G,int v){       /／从顶点 v 出发，深度优先遍历图 G
     visit(v);              /／访问顶点 v 
     visited [v]=TRUE;      /／设已访问标记
     for(w=FirstNeighbor(G,v);w>=0;w=NextNeighor(G,v,w))
         if(!visited[w]){       // w 为 u 的尚未访问的邻接顶点
            DFS(G,w);
         } // if 
}

时间复杂度：访问各节点所需的时间+探索各条边所需的时间

对无向图进行BFS/DFS遍历调用BFS/DFS函数的次数=连通分量数

对于连通图只需要调用一次。

最小生成树

连通图的生成树是包含全部顶点的一个极小连通子图。

对于一个带权连通无向图 G =( VE )，生成树不同，每棵树的权（即树中所有边上的权值之和）也可能不同。设 R 为 G 的所有生成树的集合，若 T 为 R 中边的权值之和最小的生成树，则 I 称为 G 的最小生成树（ Minimum - Spanning - Tree , MST )

• 最小生成树可能有多个，但边的权值之和总是唯一且最小的

• 最小生成树的边数=顶点数﹣1。砍掉一条则不连通，增加一条边则会出现回路

• 如果一个连通图本身就是一颗树，则其最小生成树就是它本身

• 只有连通图才有生成树，非连通图只有生成森林。

prim算法（选点）

时间复杂度：O(|V|^2),适用于稠密图

从某一个顶点开始构建生成树；每次将代价最小的新顶点纳入生成树，直到所有顶点都纳入为止。

Kruskal算法（选边）

每次选择一条权值最小的边，使这两条边的两头联通（原本已经连通的就不选），直到所有结点都连通

时间复杂度：O(|E|log2|E|)，适用于稀疏图。

最小路径问题

单源最短路径

• BFS算法（无权图）

• void BFS_MIN_Distance(Graph G,int u ){
      for (i=0;i<G.vexnum;++i){
          d[i]=∞;
          path[i]=-1;
      }
      d[u]=0;
      visited[u]=TRUE;
      EnQueue(Q,u);
      while(!isEmpty(Q)){
          DeQueue(Q,v);       /／顶点 v 出队列
          for(w=FirstNeighbor(G,v);w>=0;w=NextNeighbor(G,v,w))
              if(!visited[w]){    // w 为 v 的尚未访问的邻接顶点/／问顶点 w  
              d[w]=d[u]+1;
              path[w]=u;
              visited[w]=TRUE;/／对 w 做已访问标记 
              EnQueue(Q,w);/／顶点 w 入队列
              }// if  
      }// while
  }

• Dijkstra算法（带权图，无权图）不适用于带负权值的图

各顶点间的最短路径

• Floyd算法（带权图，无权图）O(V^3)

有向无环图

AOV网

拓扑排序

• 从AOV网中选择一个没有前驱（入度为0）的顶点并输出。

• 从网中删除该顶点和所有以它为起点的有向边。

• 重复1和2直到当前的AOV网为空或当前网中不存在无前驱的顶点为止。

• 时间复杂度O(|V|+|E|),采用邻接矩阵需O（|V|^2）

逆拓扑排序

对一个AOV网，如果采用下列步骤进行排序，称之为逆拓扑排序：

• 从AOV网中选择一个没有后继（出度为0）的顶点并输出。

• 从网中删除该顶点和所有以它为终点的有向边。

• 重复1和2直到当前的AOV网为空。

AOE网

在带权有向图中，以顶点表示事件，以有向边表示活动，以边上的权值表示完成该活动的开销，称之为用边表示的网络

只有一个入度为0的点（源点）

仅有一个出度为的顶点（汇点）

最大路径长度为关键路径