图之二（图的基本算法）

 1.        图的存储表示

1.1.       邻接表表示法

对图中每个顶点，维护一个以该顶点为起点的终点的链表。

整个图需要|V|条链表。邻接表即为这|V|条链表组成的表。

场景：一般用于稀疏表。

优点：

Ø  有向图中，所有邻接表的链长度和为|E|；无向图中，所有邻接表的链长度和为2*|E|.

Ø  每条链表的存储顺序没有要求。

Ø  邻接表表示法中，存储空间为O(V+E)。

Ø  邻接表也可以用于表示带权图，只要将权重存储在链表的顶点v的卫星数据中即可。

缺点：

Ø  要判断一条边(u,v)是否在图中，则需要遍历顶点u的链表。

1.2.       邻接矩阵表示法

为了快速的判断一条边(u,v)是否在图中，可以使用邻接矩阵表示法。

图的邻接矩阵表示法中，将顶点进行编号1.2….|V|。则图G的邻接矩阵A为

|V|*|V|矩阵aij=1，如果边(i，j)存在，aij=0，如果边(i，j)不存在。

特点：

Ø  存储空间为O（|V|*|V|），只与顶点有关，与边无关。

Ø  无向图中邻接矩阵为对称矩阵。因此存储空间可以减少一半。

Ø  如果以aij表示带权图的权，则也可以表示带权图。如果边不存在，则以无穷大表示。

2.        图的搜索

图的搜索是指有序的沿着图的边访问所有顶点。

2.1.       广度优先搜索（BFS）

给定图G=(V,E)及任意一个源顶点s，广度优先搜索系统地搜索图G中的边，以便“发现”可以从s到达的所有顶点，并计算s到达这些顶点的距离（最少的边数）。

该算法还能生成一颗以s为根，且包含s可达的所有顶点的一颗广度优先树。

从s可达的任何顶点v，广度优先树中，从s到v的路径对应于图G中从s到v的一条最短路径。（对有向图，无向图都一样）。

算法称为广度优先的原因在于，算法始终以已发现、未发现顶点之间的边界，沿着广度方向向外发展。即算法会先发现与s相距为k的所有顶点，再发现距离为k+1的所有顶点。

广度优先搜索中，对顶点标以不同的颜色：白色、灰色、黑色。

白色表示未发现的点，灰色、黑色都是已经发现的点，区别在于黑色表示其相邻顶点都已发现，但灰色顶点可能还有未发现的邻接点。即灰色代表了已发现和未发现的边界。

      广度搜索构造了一颗广度优先树。最开始只包含根，即源顶点s。在扫描已发现的顶点u时，如果发现一个白色顶点v，则将该顶点v以及边(u,v)添加到树中。称u为v的父节点。

      使用邻接表表示法时，广度优先搜索可以更快。因为和已发现顶点u的邻接点在其邻接链表中。

      对每个顶点，定义color域代表颜色，定义p域代表父节点，定义d域代表和源顶点s的距离。

      算法中使用一个优先队列（先进先出队列）管理灰色顶点，使用个迭代循环完成。

      算法循环从队列中取顶点u，并从u的邻接表中取邻接顶点，如果邻接顶点为白色，则代表新发现，因此置为灰色。计算其d，p域，并入队列。链表处理完后，将u置为黑色。

      循环直到队列中无灰色元素为止。

复杂度：为O(V+E)。

灰色队列中，任何时刻，队头的元素的d域最多比队尾的d域小1，且队列中的d域为非递减的。

广度优先树也称作前驱子图。在搜索的时候即可建立。

扩展：

BFS搜索时，如果图以邻接矩阵表示。如何进行搜索？复杂度是多少？

树的直径：表示为树中所有最短路径的最大值。求树的直径。

2.2.       深度优先（DFS）

深度优先算法是尽可能“深”的搜索一个图。在深度优先算法中，对于新发现的顶点v，如果还有以此顶点v为起点的边，就沿着边继续探测下去。当该顶点v的所有边都探测完后，再回到发现顶点v的边的起始点。重复过程，直到从源顶点可达的所有顶点都被访问。如果此时还有未发现顶点，则选择一个为源顶点，重复这个过程，直到所有顶点都被访问，这是和广度优先算法的不同点，这个不同的设计主要在于这两种算法的用法不同，广度优先一般用于查找最短路径，深度优先一般作为一个子程序，用于在图中遍历所有节点，以便进行别的操作。

      因此，深度优先遍历出来的是深度优先森林，与广度优先树不同，深度优先森林。

      深度优先的做法也是对顶点进行标色，标色方法和广度类似。且一般再对每个顶点标上两个时间，顶点v被发现的时间d(v)(变灰的时间)，以及对v为根的树完成搜索的时间f(v)（变黑的时间）。因此在d(v)前，v为白色，d(v)和f(v)之间为灰色，f(v)后为黑色。

      算法对图进行遍历，先初始化，将所有顶点标识为白色，且父为空。对每个顶点，如果为白色则深度优先访问该顶点。

       深度优先访问顶点时，先将顶点值灰，并设置d(v)，再对v的邻接点进行遍历，如果发现一个白色（未访问的顶点），则设置其父信息，并先递归对邻接的进行访问。当所有邻接点都访问完后，再将v置为黑色，并设置f(v)。递归为尾递归，因此可以用一个栈来消掉递归调用。

      复杂度：也为O(V+E)。

深度优先性质：

Ø  （括号定理）由[d(v),f(v)]组成的时间戳满足三分关系：两个时间的时间戳不相交，这时候这两个顶点u，v在深度优先森林中都不是对方的后裔。u的时间戳包含v的，则u为v的父。v的时间戳包含u的，则v为u的父。

Ø  (后裔嵌套)顶点u为v的父，当且仅当u时间戳包含v的时间戳。

Ø  （白色定理）顶点u为v的父，当且仅当在d(u)时刻发现u时，可以从u出发，经过由白色顶点组成的路径到达v。

深度优先树中边的分类：

Ø  树边：深度优先森林中，顶点v是在搜索边(u,v)时发现的，则(u,v)即为树边。

Ø  反向边：深度优先森林中，连接顶点u到其某一祖先（非父）顶点的边。有向图中的自环也是反向边。

Ø  正向边：顶点u与其后裔v的非树边（即u与孙节点v以及孙孙节点的边）。

Ø  交叉边：深度优先森林中，同一颗树中，一个顶点不是另一个顶点的祖先。或者不同树的顶点之间的边。

DFS入度非0的顶点开始访问时，d，f的关系不再成立，森林也有问题，拓扑排序也有问题？

2.3.       拓扑排序

有向无环图才能进行拓扑排序。否则不能排序。

是否可以拓扑排序：有向图无回路，当且仅当深度优先搜索时，无反向边则可以拓扑排序。

拓扑排序方法：

方法一，使用深度优先搜索，并在完成搜索后，将顶点插入到一个链表的头部，搜索完成后，链表即为拓扑排序的结果。

方法二，找入度为0的顶点，删除顶点以及边；循环找入度为0的并删除顶点即边，直到无顶点。（生成树为一棵树的图可行，关系的保留问题。多生成树时的处理。）

2.4.       强连通分支

连通图：无向图，且任何两个顶点之间都“可达”，不需要直接可达。

连通分量：无向图的极大连通子图。

无向图连通分量，通过图的遍历即可求解。

强连通图：有向图，且任何两个顶点之间都“可达”，不需要直接可达。

强连通分量：有向图的极大强连通子图。

图的转置图。

强连通分量为图和转置图中都互相可达。

有向图强连通分量，通过遍历两遍，一遍为图，一遍为转置图。