数据结构----图的存储结构+遍历+应用

一、图的基本概念和术语

图： 多对多，必须有点，可以没有边。边有方向为有向图
完全图： 任意两个点之间都有边相连。
n个顶点的图，完全无向图有n（n-1）/2个边，完全有向图有n（n-1）个边。有向图的边也叫弧。弧用尖括号表示<>


两个顶点有连线，则点与线关联。


简单路径是对于一条路径单独而说的，就是不走多余的路的就是简单路径，起始点到终点不用重复经过任何顶点就是简单路径。
简单回路是简单路径的环状。
连通图是无向图，强连通图是有向图：任意两点之间存在路径就是连通（不是任意两点有连线，只要求存在路径，可以经过别的顶点），有向图是否连通要考虑方向。


图中拿出一部分边一部分点构成的就是子图。



生成树就是把无向图的点都保留，尽量删除较多边之后仍然连通的子图。

二、图的存储结构

图没有顺序存储结构，但可以借助二维数组来表示元素间的关系。
故介绍一种数组表示法和三种链式存储结构（多重链表），重点是邻接矩阵和邻接表。

1，邻接矩阵表示法

(1)无向图的邻接矩阵：对角线都是0；两个点互为邻接，故是对称矩阵；矩阵中第i行（列）中1的个数=该顶点的度；完全图的对角线为0，其余元素都为1。

(2)有向图的邻接矩阵：按行来看，顶点发出的弧记为1，否则为0，几条边就有几个1。（行为起点，列为终点，起点才会记录，所以可以是不对称的矩阵）
有向图的度=该顶点的行度+该顶点的列度

(3)网（有权图）的邻接矩阵：

(4)采用邻接矩阵表示法创建无向网：

极大值就是∞的意思，构造邻接矩阵时，有权值的地方更新为权值，其余保持不变（仍为∞）。根据输入的边所关联的顶点来确定顶点的下标，根据输入权值来修改邻接矩阵对应的元素值（对应权值）。





(5)零阶矩阵表示法的优缺点：

1. 优点
   
2. 缺点
   行列固定，插入删除不方便；矩阵大小只跟顶点个数有关，跟边数无关，时间=空间效率O（n²）。
   

2，邻接表表示法

这里的一维数组（头结点）跟邻接矩阵不同在于：每个元素都有两个成员，分别是data域和firstarc（指针域指向第条个边边结点的地址）；前述方法用邻接矩阵存放边，边用结点表示。表结点：数据域存放与头结点邻接的结点下标（从0开始），头结点有几个邻接的结点，就连几个表结点。有权值时，表结点增加一个域表示权值。
(1)无向图的邻接表： 表不唯一（邻接的点在表结点的顺序不唯一）；空间效率O（n+2e）；有几个表结头就是度为几；

(2)有向图的邻接表： 相对于无向图，只记录出度边。空间效率O（n+e）。出度边=该顶点的表结点个数，但是入度边需要遍历整个表。
或者只存储入度边（逆邻接表）。
(3)建立邻接表的算法：

1. 定义结点类型和数组类型：
   

2. 边结点的结构
   

3. 图的结构定义
   

4. 算法思想
   

5. 算法（头插法）
   
   

(4)邻接表优缺点+和邻接矩阵的关系:

1. 优点
   

2. 缺点
   对于有向图需要构建逆邻接表和邻接表搭配使用才能方便计算度。
   不方便检查任意一对顶点间是否存在边。

3. 关系
   
   
   

3，十字链表（好绕啊，头都晕了）

在邻接表基础上，对头结点增加入度指针域；对弧结点增加指针域，包含弧尾（箭头起点）+弧头（箭头终点）+下一条弧头相同的边（入度边）+下一条弧尾相同的边的指针（出度边）

4，邻接多重表

几条边就几个边结点。每个结点两个指针域，分别指向与对应指针域前面结点相关联的。对于网增加权值信息。

三、图的遍历

访问过程可能会重复访问，

辅助数组相当于地图上打勾表示已经看过

1，深度优先搜索遍历（DFS）

DFS算法思想： 一条道走到黑。连通图的深度优先遍历类似树的先根遍历。

DFS时间复杂度：

邻接矩阵表示图的深度优先算法：
设辅助数组初始元素都为0，访问邻接矩阵时，首先对起点a处一行元素从左往右找第一个不为0的元素b（说明是邻接点），然后判断辅助数组相应元素b是否为1，为1说明已经访问过，为0则可以访问，并更新数组该值为1；然后转到邻接矩阵中b的那一行，从左往右找出第一个未被访问的邻结点，依次进行；直到某个元素处已经没有未被访问的邻结点，就后退一个结点，找其下一个未被访问的邻结点，然后重复深度访问，直到退回到邻结点。

对于非连通图，先深度遍历一个子图，再在下一个子图中任选一个未被访问的结点继续深度遍历

2，广度优先搜索遍历 （BFS）

一次访问该结点处所有邻结点（一层一层，一圈一圈的放大已访问范围）

邻接表表示图的广度优先遍历：
用队列存储存储第一个要访问的呃结点，然后将一维数组相应位置置为1之后，头结点出队；由头结点出发找与其相连的所有表结点（表结点中记录了与其邻接的结点）将所有表结点入队之后，将一维数组相应处置1；将第二个被访问的结点出队，找到该结点在邻接表中作为头结点的所有表结点入队，重复操作，直到队列为空。

时间效率：

两种算法比较：

四、图的应用（重要）

1，最小生成树

生成树： 一个图的所有顶点连在一起（连通子图）却不构成回路（其实就是树结构）
一个图的生成树不唯一；n个顶点的生成树有n-1条边，反过来不成立。
无向图的生成树： 对图遍历经过的边连起来。可分为深度优先生成树和广度优先生成树。

最小生成树：

MST性质： 把权值最小的边包含在最小生成树中

Prim算法： 先将一个顶点并入U，在U和V-U中有相连的所有边中找权值最小的边，并将该边及顶点并入U。

kruscal算法： 先将所有顶点加入生成树，然后将边按权值排序，选最小的边加入生成树（且不能构成环）

比较：

2，最短路径

dijkstra算法：（好复杂）找一个顶点分别到其余顶点的距离最小的路径
初始化时，先找到所有能从源点v0直接到达的结点路径vk（vk代表≥1个结点），无法直接到达则记为∞；找到源点v0直接相连路径中最短的一条u（u∈vk，将其加入S，代表已找到最短路径），然后对剩余在T中的结点路径进行调整，看经过v0到u这个最短路径能否找到其他结点的更短的路径，修改路径值（此时只看权值，可以不是直达，v0到u就是一个过渡的量）

Floyd算法：所有顶点之间最短路径（可以对每个顶点用dijkstra算法，不过太复杂）
加入新顶点后，看剩下每一个顶点经过新顶点后到别的顶点的路径会不会变小

3，拓扑排序

有向无环图：在有向图的基础上不构成环
AOV解决拓扑排序，AOE解决关键路径问题

AOV网的特点：

拓扑排序： 将有向无环图变成拓扑序列


AOV网的拓扑序列不唯一，序列中任一点的前驱结点必然排在其前面。在对AIV网进行拓扑排序的过程中，若网中所有顶点都在拓扑序列中，则AOV网中必然无环（若网中有环，则无法将网中所有顶点加入拓扑序列）

4，关键路径

源点：工程开始（入度为0）
汇点：工程结束（出度为0）
关键路径：源点到汇点路径长度最长的路径，路径长度为路径上各活动持续时间之和。

先求事件和活动的最早+最晚发生时间，然后计算时间余量来找到关键活动，再求关键路径
ve从前往后推事件发生的最小值，多条弧汇入时取最大；vl从后往前推事件发生的最大值，多条弧头（箭头）时取最小
活动的最早时间=弧尾事件（起始点）的最早时间
活动的最晚时间=弧头事件的最晚时间-活动时间（做差）
（弧头是箭头，是终点；弧尾是起点，有点混）