图论（入门版）

目录

 

1  向、权

 2  最小生成树

2.1  Prim算法

2.2  Kruskal算法

3  最大流问题

3.1  Naive算法

3.2  Ford—Fulkerson算法

3.3  Edmonds—Karp算法

3.4  Dinic算法

4  最小割问题

5  二部图

5.1  判断是否是二部图的方法

5.2  匈牙利算法（最小匹配问题）

5.3  最大匹配问题

5.4  婚配问题

---

1  向、权

向：一点和另一点之间有单向和双向两种情况

如果A与B间是双箭头或一条无向线相连，代表无向，即可以从A走向B，也可以从B走向A

权：从一点到另一点的代价

如果任何点之间的代价相同，代表无权，反之，则有权

所以，可以分为四类图：无向无权图、无向有权图、有向无权图、有向有权图

对于无权图，可以运用队列+搜索思想，把起点压入队列，然后把起点弹出队列，同时找到能直接到达的结点并压入队列，循环多次直到队列为空时结束循环，可以把所有结点都遍历一遍。

对于有权图，运用优先队列+搜索思想，和上面操作等同，但要同时记录权。

下图是有向无权图：

 2  最小生成树

图和树最大的区别是树一定不能有回路，图没有要求，所以说树是特殊的图

2.1  Prim算法

思路：找已搜索过的点和未搜索过的点之间的最小通路

1：随机找一个起点

2：搜索出所有的和起点连通的路

3：找出代价最小的一条路并连接，这个点和起点在一棵树上

4：按照前面的步骤进行循环，直到所有的点都在一棵树上

判断是否在一棵树上用并查集：

#include <iostream>
using namespace std;

int n,m,p;
const int N=5e3+10;
int fa[N];

int init()
{
	for(int i=0;i<N;i++)
	{
		fa[i]=i;
	}
}

int find(int x)
{
	int t=x;

	while(t!=fa[t])
	{
		t=fa[t];
	}
	while(x!=fa[x])
	{
		int temp=fa[x];
		fa[x]=t;
		x=temp;
	}
}

void merge(int a,int b)
{
	a=find(a);
	b=find(b);
	if(a!=b)
	{
		fa[b]=a;//结合到一起，也可以是fa[a]=b;
	}
}

int main()
{
	cin>>n>>m>>p;
	init();//初始化父节点； 
	int u,v;
	while(m--)
	{
		cin>>u>>v;
		merge(u,v);
	}
	while(p--)
	{
		cin>>u>>v;
		u=find(u);
		v=find(v);
		puts(u==v?"Yes":"No");
	}
}

2.2  Kruskal算法

直接把所有路的代价按照从小到大排序，并按此顺序连接结点，注意在连接结点前要判断两结点是否已经在一棵树内，若在一棵树内，则直接跳过。

3  最大流问题

对于一张建设好的网络(流网络)(各边上的数值表示流的容量限制,箭头表示流动方向,该网络的建设好后不允许更改):

考察其最大流是指从源点提供流(假设提供能力总是充足的)
那么管道中的流从s->t的过程中所能达到的最大值是多少? 

3.1  Naive算法

这种算法不是好的算法，对于一些情况来说不能算出最好结果，但这种算法为后面的好的算法提供思路。

找简单路（不绕圈的路，即所有路过的结点不重复，随便找一条符合条件的就行）和简单路中的最小权重，所以这段水流=这条最小路的权重，然后把消耗值减掉，再把权重为0的边去掉，如果起点和终点已经不在一棵树内，则停止循环。这里计算出的“最大流”成为阻塞流

3.2  Ford—Fulkerson算法

这种算法比Naive算法多出的一条是，消耗值要反向加回到图中，而不是简单的减去就结束了

3.3  Edmonds—Karp算法

这种算法比Ford—Fulkerson算法多出的一条是，找简单路时要找最短路径

3.4  Dinic算法

思路：

1：画一张阶梯图（要求路只能连接不同层之间的结点），并计算阻塞流（Naive算法）

2：把Naive算法中算出的所有路的消耗值反向加回到原图中

3：根据2得到的图画阶梯图，然后进入步骤1（来回循环），当找不到阻塞流时结束循环

4  最小割问题

选取某些路并割去，使得没有一条路能从起点走到终点，割去路的加和最小值=最小割

结论：最大流=最小割

5  二部图

5.1  判断是否是二部图的方法

1：随意找一个点染成红色

2：把红色结点的邻接结点染成蓝色

3：把蓝色结点的邻接结点染成红色

4：如此往复，如果此过程没有出现矛盾，则是二部图

5.2  匈牙利算法（最小匹配问题）

这里假设有两个集合U和V，每个集合有三个元素u1、u2、u3、v1、v2、v3。

画一张表格：

	u1	u2	u3
v1	8	9	10
v2	7	3	9
v3	5	6	2

减去每行最小值和每列最小值：

	u1	u2	u3
v1	0（-8）	1（-8）	2（-8）
v2	4（-3）	0（-3）	6（-3）
v3	3（-2）	4（-2）	0（-2）

使得每一行每一列都出现至少一个0。然后对0相应的元素的原始值进行处理即可。

图形思路：

 色块和白块分别有4个，如何才能使匹配量最多？

 M1可以和NA直接匹配

M2发现此时NA已经被匹配了，把M1和NA强行分开，M1此时就找NC匹配

  M3找NB匹配，但这样的话M4就不能匹配了，所以M3只能和ND匹配，这样M4也能匹配

5.3  最大匹配问题

把原始数据变成相反数，变成最小匹配问题即可。

5.4  婚配问题