算法系列15.2——图相关基本算法-CSDN博客

本文链接：https://blog.csdn.net/m0_55826578/article/details/129126855

宽度优先遍历，bfs，只需要Node即可，不需要edge
- 一个队列，一个set，set为queue服务，已经进过队列的点不会再进队列
- 入队之前检查是否在set里，入队的同时入set
在很经常的情况下，点集合的哈希表结构可以简化成数组结构
- 在常数级上进行优化
- 原因是通常点的value值就是一个整形编号可以作为下标
- 而且范围通常不会特别大
深度优先遍历，dfs，用栈来实现
- 一个栈，一个set
- 与bfs不同，深度优先遍历是加到栈里的时候就要进行处理，bfs是出队的时候才进行处理
- 比宽度优先遍历更加复杂
  - 从栈中弹出
  - 遍历他的nexts
  - 如果还有不在set中的next
    - 将当前点压回栈中
    - 将这个next压到栈顶，加入set并处理
    - break回到第一步
  - 直到栈为空
- 即是
  - 处理完当前的点之后，或者是下方处理完返回到这一层之后
  - 会检查他的所有邻居
  - 有路没有走过就往下走走到无路可走，否则继续往上返回
拓扑排序算法
- 适用条件：有向无环图，没有循环依赖
- 首先看入度为0，一定是排在最前面的A
- 将A及他的影响擦掉，找下一个入度为0的点
- 编程实现
  - 一张哈希表inMap，key是Node，value是这个点当前剩余的入度
  - 一个队列，入度为0的点入队
  - 记录初始inmap，入度为0入对
    - 出队，加入链表结果数组
    - 所有的next，在inmap中入度-1
    - 新的入度为0的点加入队列

kruskal算法(ElogE)

要求：无向图
从边的角度出发，先把所有的边排序，每次选最小的边
每一次只需要考察加入当前边之后会不会形成环

需要并查集结构

一开始所有的点的集合都只有自己，所有的点都不连通
考察某一条边的时候，考察from和to所在的集合是否是同一个集合
- 是，不可用，会形成环，看下一条更大的边
- 不是，可以用，from和to的集合要合并

并查集实现快，查询和合并都是常数级别，先用一个比较慢的实现（合并不是常数集）

public static class MySets{
  public HashMap<Node, List<Node>> setMap;
  
  
  public MySets(List<Node> nodes) {
    for(Node cur : nodes) {
      List<Node> Set = new ArrayList<Node>();
      set.add(cur);
      setMap.put(cur, set);
    }
  }
  
  
  public boolean isSameSet(Node from, Node to) {
    List<Node> fromSet = setMap.get(from);
    List<Node> toSet = setMap.get(to);
    return fromSet == toSet;
  }
  
  
  public void union(Node from, Node to) {
    List<Node> fromSet = setMap.get(from);
    List<Node> toSet = setMap.get(to);
    for(Node toNode : toSet) {
      fromSet.add(toNode);
      setMap.put(toNode, fromSet);
    }
  }
}

定义一个比较器，自己做一个堆，优雅的每次弹出最小的边

prim算法，同样要求是无向图（VLogE）
- 一开始所有的边都没有被解锁
- 选择一个点之后，相关的边被解锁
- 从所有被解锁没有被选过的边中调一个最小的边
- 一定要能够拽进一个新的点（边中一个点不在哈希表set中），产生新的解锁边
- k算法需要一个集合的查询和合并，因为有已经连成两片的东西连在一起
- 而p算法只需要一个哈希表，因为点是一个个加到哈希表中的
- 编程实现
  - 所有解锁的边放入小根堆
  - 一个hashset检查两个点是否都已经在里面
  - set.add
  - priorityQueue.add
  - if（！set.contains）
  - 这个代码会重复放入边，进优先队列，但是不影响结果，增加了一点常数时间
  - 要注意处理森林的问题，不连通的图，可能各自要生成最小生成树
dijkstra算法，单源最短路径算法（没有权值为负的边）
- 一定要规定出发点，算出到所有其它点的最短距离
- 有一种启发式算法A*，比dijkstra效率更好
- 初始化如下的记录表
- 每次从记录表中挑一个最小的进行处理
- 查看这个点向外发散的所有边，看能否使其他点的距离更新变小
- 如果能则更新，使用所有边之后，当前点的记录就固定了
- 继续挑最小的进行处理
- 如果有权值为负的边，可能某一时刻，某一个锁定的点结论就不对了
- 其实完整的条件是不能有累加和权值为负数的环，可以有权值为负的边
- dijkstra也有一个改进方法，需要一个自己改进的堆
- 最基础的是，每一次都遍历选出一个最小的点
- 貌似可以用堆，但是某一个较大的值突然变小，堆里的东西就需要修改
- 系统实现的堆不能临时改完然后修改让堆进行修改，只能自己手动实现堆