数据结构--图

图论基本概念

图的表示 (Graph Representation)

• G(E, V): 图由顶点集合 VVV 和边集合 EEE 组成。
  • VVV 顶点集：图中的节点。
  • EEE 边集：节点之间的连接。
• 无向图 (Undirected Graph): 边没有方向，表示为二元组 (u, v)。
• 有向图 (Directed Graph): 边有方向，表示为二元组 <u, v>。

图的分类

• 稠密图 (Dense Graph): 边的数量接近于 V^2。
• 稀疏图 (Sparse Graph): 边的数量远小于 V^2。

图的表示方法

1. 邻接矩阵 (Adjacency Matrix):
   • 用一个 n×nn \times nn×n 的矩阵表示图，适用于稠密图。
   • 优点：查找两点之间的边很快。
   • 缺点：空间复杂度较高。
2. 邻接表 (Adjacency List):
   • 用链表或数组来表示每个顶点的邻接点，适用于稀疏图。
   • 优点：空间效率高。
   • 缺点：查找特定边较慢。

---

核心算法

1. 拓扑排序 (Topological Sorting)

• 适用于有向无环图 (DAG, Directed Acyclic Graph)。
• 用于解决任务依赖问题，例如在任务存在前后顺序的情况下，如何安排任务的执行顺序。
• 常见方法：
  • Kahn’s Algorithm: 基于入度（indegree）的广度优先搜索。
  • 深度优先搜索 (DFS): 基于逆拓扑序的递归。

2. 最小生成树 (Minimum Spanning Tree, MST)

• 适用于无向连通图。
• 在图中选出 n-1 条边，使得所有顶点连通且路径权重和最小。
• 常见算法：
  1. Prim’s Algorithm: 从一个节点开始，每次选择最小权重的边扩展树。
  2. Kruskal’s Algorithm: 先将所有边按权重排序，然后逐一添加边，确保不形成环。

3. 最短路径算法 (Shortest Path Algorithms)

• 解决从一个顶点到另一个顶点的最短路径问题。
• 常见算法：
  1. Dijkstra’s Algorithm: 适用于没有负权边的图，贪心算法。
  2. Bellman-Ford Algorithm: 处理有负权边的图，动态规划思想。
  3. Floyd-Warshall Algorithm: 解决所有点对之间的最短路径，适用于稠密图。