一.图论的基本概念
- 有向图(有向边),无向图(无向边),顶点集合,边集合,顶点数(阶),边数;
- 完全图,有向完全图,稀疏图,稠密图,平凡图(只有一个顶点),零图(没有边);
- 顶点的度数,奇点,偶点,最小度,最大度;
- 基本定理:度数之和等于边数的两倍;
- 度序列,可图(有限序列是度序列);
- Havel-Hakimi定理:判断序列是否可图;
- 二部图(偶图),完全二部图,二部图判定(无奇圈);
- 同构;
- 子图,生成树(极小(边数)连通子图);
- 路径(通路),简单路径,回路,简单回路(圈);
- 连通性,连通分量(极大(顶点数)连通子图),强连通图,强连通分量;
- 权值,加权图(网络),有向网,无向网;
- 邻接矩阵,邻接表。
二. 图和树
具有V个顶点的图G满足下列条件之一,就是一棵树:
1. 有V-1条边,且无环;
2. 有V-1条边,且连通;
3. 连通,删除任意一边就不连通了;
4. 无环,增加任意一边就有环了;
5. 任意两个顶点仅存在一条简单路径;
三. 构建图
class Graph {
private:
int V; //顶点数,假设1~V
int E; //边数
vector<list<int>> adj; //邻接表
vector<int> visited; //是否访问,DFS和BFS用到
public:
Graph(int v) : V(v), E(0) {
adj = vector<list<int>>(v);
visited.resize(v, 0); //初始为0
}
void addEdge(int v, int w) {
++E;
adj[v - 1].push_back(w); //相邻节点放入邻接表
adj[w - 1].push_back(v);
}
void addVertex() {
//顶点默认为V+1
++V;
visited.push_back(0);
adj.push_back(list<int>());
}
int getV() const { return V; }
int getE() const { return E; }
list<int> getAdj(int v) const{
return adj[v - 1];
}
int& getVisited(int v) {
return visited[v - 1];
}
void reset() {
for(int i = 0; i < V; ++i) {
visited[i] = 0;
}
}
};
使用邻接表形式存储,用C++语言实现则是:vector和list结合起来使用。动态增加顶点集和边集还好,动态减少感觉有点复杂,暂时没想清楚。
四. 常见的API
- 查找与顶点v连通的所有节点, 返回集合, 使用DFS。
vector<int> Search(Graph &G, int v) {
//采用DFS
DFS(G, v);
vector<int> result(G.getV());
int j = 0;
for(int i = 1; i <= G.getV(); ++i) {
if(G.getVisited(i) == 1) {
result[j++] = i;
}
}
G.reset(); //重置DFS的visited
result.resize(j);
return result;
}
- 查找与顶点v连通的所有节点的个数。
int Count(Graph &G, int v) {
return Search(G, V).size();
}
- 判断两个顶点v, w是否是连通的(这里也可以使用我们之前介绍的并查集算法——Union Find)。
bool IsConnected(Graph &G, int v, int w) {
DFS(G, v);
bool ic = G.getVisited(w);
G.reset(); //重置DFS的visited
return ic;
}
五. DFS与BFS
深度优先搜索: Depth First Search.
深度优先搜索的思想很简单,就和我们牵着绳子走迷宫一样:
- 选择一条没有标记过的通路,在走过的每一条路上都铺上绳子(等价于visited对应位置标为1);
- 标记第一次走过的路口;
- 当来到一个已经被标记的路口时,回退到上一个路口;
- 当回退到的路口已经没有可走的通路时,继续回退。
void DFS(Graph &G, int v) {
G.getVisited(v) = 1;
for(auto w : G.getAdj(v)) {
if(!G.getVisited(w)) {
DFS(G, w);
}
}
}