【数据结构理论】图

定义

图由顶点集V和边集E组成

线性表和树都可以是空的，但图不可为空，但图的边集可以是空集

E是有向边/无向边决定图是有向图/无向图

AB为两端点。E的集合若是无向边，则E{(A,B)}；若E的集合是有向边，则E{<A,B>}

度：无向图就是依附于顶点的边的条数（TD(V)）；有向图就是入度和出度和（TD(v)=ID(v)+OD(v)）

在具有n个顶点，e条边的有向图中。ID和=OD和=e

路径、回路

简单路径：再路径序列中，顶点不重复出现的路径

简单回路、路径长度

点到点的距离：顶点间最短路径，若不存在该路径，则距离记为∞

无向图中，若顶点v和顶点w有路径存在，则称v和w是连通的

有向图中，若顶点v到w和顶点w到v之间都有路径，则称这两个顶点是强连通的

若G中任意两个顶点连通，就是连通图，否则为非连通图

若G中两两顶点强连通，就是强连通图

对于n个顶点的有向图G，若G是强连通图，则最少有n条边

子图：顶点和边都是原图子集的图

生成子图：包含原图所有顶点，可以去掉部分边

无向图中极大连通子图称作连通分量

有向图中极大强连通子图乘坐强连通分量

生成树：连通图的生成树是包含图中全部顶点的一个极小连通子图

生成森林：非连通图

边的权、带权图/网

特殊图

无向完全图、有向完全图、稀疏图、稠密图、树、森林

图的存储

邻接矩阵法：int型二维数组。1代表有边，0代表无边（注意区分有向和无向，有向1个1，无向2个1）

求度的时间复杂度O(|v|)。存储边的空间复杂度O(|v|)适合存储稠密图

带权图（网）：0和∞代表无边，有边存边的值

𝐴n𝑖𝑗等于由顶点i到顶点j的长度为n的路径的数目

邻接表法：存顶点和这个顶点的指针。无向图空间复杂度O(|v|+2|E|）有向图O(|v|+|E|)

找出度很简单，找入度很麻烦

十字链表法（存储有向图）（空间复杂度O(|v|+|E|）

邻接多重表（存储无向图）（空间复杂度O(|v|+|E|）

图的基本操作

列出G中与结点x邻接的边：邻接矩阵O(|v|)；邻接表出边O(1)-O(|v|)入边O(|E|)

图G中插入新的顶点x：邻接矩阵O(1)；邻接表O(1)

删除顶点x：邻接矩阵O(|V|)；邻接表O(1)-O(E)。

增加一条边：都是O(1)

图的广度优先遍历

无向图BFS调用函数次数=连通分量数

邻接矩阵存储的图：时间复杂度O(|v|2)

邻接表存储的图：时间复杂度O(|v|+|E|)，若是无向图时间复杂度O(|E|)

图的深度优先遍历

空间复杂度：最坏Ov最好O1

时间复杂度O(|v|2)

最小生成树

prim算法：从某一个顶点开始构建生成树，每次纳入代价最小的顶点，直到纳入所有顶点

时间复杂度O(|v|2)。适合边稠密

kruskal算法：每次选择一条权值最小的边，使这条边的两头连通

时间复杂度O(|E|log2𝐸)。适合边稀疏

最短路径

单源最短路径：1、BFS算法（无权图）；2、dijistra算法（带权图、无权图）

各顶点间的最短路径：Floyd算法（带权图、无权图）

先不学，如果刷到题再看，有点复杂

有向无环图（DAG图）

AOV网

拓扑排序

拟拓扑排序

从源点到汇点的多条有向路径，所有路径中，最大路径长度为关键路径

时间余量：最早开始时间和最迟开始时间的差值

代码构建图的一些助记

邻接矩阵：typedef struct{存顶点的数组，存边的二维数组，图的顶点和弧数}Mgraph;

插入点时直接插入；插入边/判定连通时，获取两点分别对应点数组的下标，把下标I,j带到边数组讨论

邻接表：

struct ArcNode{ajvex(弧指向顶点位置)，ArcNode *next指向下一个弧的指针，(边权)}ArcNode	//边表结点结构体
Struct Vnode{data(数据)，ArcNode *first指向第一条依附于该顶点的弧}Vnode,adjlist[]	//顶点表结点，也可看做数组
Struct{adjlist vertex邻接表，图的顶点和弧数}ALGraph	//总的存储类型