数据结构与算法——31. 图的应用：拓扑排序、强连通分支、最短路径问题、最小生成树

一、拓扑排序（Topological Sort）

很多问题都可转化为图， 利用图算法解决，例如制作煎饼的过程，以动作为顶点，以先后次序为有向边。

但问题是如果一个人独自做，所有动作的先后次序是什么？从加料开始？还是从加热烤盘开始？

从工作流程图得到工作次序排列的算法，称为“拓扑排序”。拓扑排序处理一个DAG（有向无圈图），输出顶点的线性序列。使得两个顶点v,w，如果G中有(v,w)边，即从顶点v到顶点w，那么在线性序列中v就出现在w之前。比如，在上图中“pour 1/4 cup”在“turn when bubbly之前”。

拓扑排序广泛应用在依赖事件的排期上，还可以用在项目管理、数据库/查询优化和矩阵乘法的次序优化上……

实现思路

拓扑排序可以采用DFS很好地实现：

1. 将工作流程建立为图，工作项是节点，依赖关系是有向边；
2. 工作流程图一定是个DAG图，否则有循环依赖；
3. 对DAG图调用DFS算法，以得到每个顶点的“结束时间”；
4. 按照每个顶点的“结束时间”从大到小排序；
5. 输出这个次序下的顶点列表。

制作煎饼的步骤顺序（其中一种）

二、强连通分支

我们先看一张非常巨大的图：由网页通过超链接连接而形成的图。以网页（URI作为id）为顶点，网页内包含的超链接作为边，可以转换为一个有向图。

美国路德学院计算机系网站链接情况，有三个有趣的现象：

• 图中包含了许多路德学院其它系的网站；
• 包含了一些爱荷华其它大学学院的网站；
• 还包含了一些人文学院的网站。

我们可以猜想，Web的底层结构可能存在某些同类网站的聚集。在图中发现高度聚集节点群的算法，即寻找“强连通分支（Strongly Connected Components）”算法。

强连通分支，定义为图G的一个子集C，C中的任意两个顶点v,w之间都有路径来回，即(v,w)(w,v)都是C的路径，而且C是具有这种性质的最大子集。

下图是具有3个强连通分支的9顶点有向图，一旦找到强连通分支，可以据此对图的顶点进行分类，并对图进行化简。

1. 转置的概念

在用深度优先搜索来发现强连通分支之前，先熟悉一个概念：Transposition转置。

一个有向图G的转置${\text{G}}^{\text{T}}$，定义为将图G的所有边的顶点交换次序，如将(v,w)转换为(w,v)，可以观察到图和转置图在强连通分支的数量和划分上，是相同的。比如下图：

2. 强连通分支算法：Kosaraju算法思路

1. 首先，对图G调用DFS算法，为每个顶点计算“结束时间”；
2. 然后，将图G进行转置，得到${\text{G}}^{\text{T}}$；
3. 再对${\text{G}}^{\text{T}}$调用DFS算法，但在dfs函数中，对每个顶点的搜索循环里，要以顶点的“结束时间”倒序来搜索；
4. 最后，深度优先森林中的每一棵树就是一个强连通分支。

算法实例：

• 第一趟DFS：

• 转置后第二趟DFS：

  从原来结束时间最大的A（18）开始，第一个子图探索完成后，开始从剩余顶点中的原来结束时间最大的C（10）开始……接着是F（9）……

  

• 结果：

  

Kosaraju算法最好理解，但是效率最差，因此另外的常用强连通分支算法有：Tarjan算法、Gabow算法（对Tarjan的改进）。感兴趣可以自行搜索了解。

三、最短路径问题

当我们通过网络浏览网页、 发送电子邮件、 QQ消息传输的时候， 数据会在联网设备（以路由器为例）之间流动，不同的路径花费的代价不同。这些是《计算机网络原理》的内容，在此不做赘述，这里我们只关心其中包含的图算法。如何通过图算法，找到代价最小或者说传播速度最快的路径？

我们可以将网络设备体系表示为一个带权边的图：

• 路由器作为顶点，路由器之间网络连接作为边；
• 权重可以包括网络连接的速度、网络负载程度、分时段优先级等影响因素；
• 作为一个抽象，我们把所有影响因素合成为单一的权重。

解决数据在路由器网络中选择传播速度最快路径的问题， 就转变为在带权图上最短路径的问题。这个问题与广度优先搜索BFS算法解决的词梯问题相似， 只是在边上增加了权重。

1. 最短路径问题：Dijkstra算法

解决带权最短路径问题的经典算法是以发明者命名的“迪杰斯特拉（Dijkstra）算法”。这是一个迭代算法，得出从一个顶点到其余所有顶点的最短路径，很接近于广度优先搜索算法BFS的结果。

具体实现上，在顶点Vertex类中的成员dist用于记录从开始顶点到本顶点的最短
带权路径长度（权重之和），算法对图中的每个顶点迭代一次。

• 顶点的访问次序由一个优先队列来控制，队列中作为优先级的是顶点的dist属性；

• 最初，只有开始顶点dist设为0，而其他所有顶点dist设为sys.maxsize（最大整数），全部加入优先队列；

• 随着队列中每个最低dist顶点率先出队；

• 并计算它与邻接顶点的权重，会引起其它顶点dist的减小和修改，引起堆重排；

• 并据更新后的dist优先级再依次出队。

算法实例：

1. 设u为开始顶点，计算与u相连的其他顶点的权重，并将u出队；
2. 更新v，x的权重，将较小的x（d=1）出队；
3. 计算与x相连的v，w，y的权重，v:1+2=3 > 2，因此不更新权重，其余的更新，然后将最小的v出队；
4. 同时y(d=2)也出队，计算与之相连的w,z，并更新w,z；
5. 将w,z出队。

2. python代码实现

form pythonds.graphs import Graph,PriorityQueue,Vertex

def dijkstra(aGraph, start):
    pq = PriorityQueue()
    # 起点的距离设置为0
    start.setDistance(0)
    # 对所有顶点建堆，形成优先队列
    pq.buildHeap([(v.getDistance(), v) for v in aGraph])
    while not pq.isEmpty():
        # 优先队列出队
        currentVert = pq.delMin() 
        # 更新相邻顶点的距离值
        for nextVert in currentVert.getConnections():
            newDist = currentVert.getDistance() + currentVert.getWeight(nextVert)
            if newDist < nextVert.getDistance():
                # 修改出队顶点所邻接顶点的dist，并逐个重排队列
                nextVert.setDistance(newDist)
                nextVert.setPred(currentVert)
                # 重新排列优先队列
                pq.decreaseKey(nextVert, newDist)

需要注意的是，Dijkstra算法只能处理大于0的权重，如果图中出现负数权重，则算法会陷入无限循环。

虽然Dijkstra算法完美解决了带权图的最短路径问题，但实际上Internet的路由器中采用的是其它算法🤨。其中最重要的原因是，Dijkstra算法需要具备整个图的数据，但对于Internet的路由器来说，显然无法将整个Internet所有路由器及其连接信息保存在本地。这不仅是数据量的问题，Internet动态变化的特性也使得保存全图缺乏现实性。

路由器的选径算法（或“路由算法”）对于互联网极其重要，有兴趣可以进一步参考“距离向量路由算法”。

3. Dijkstra算法分析

• 首先，将所有顶点加入优先队列并建堆，时间复杂度为$O(|V|)$；
• 其次，每个顶点仅出队1次，每次delMin花费$O(\log |V|)$，一共就是$O(|V|\log |V|)$；
• 另外， 每个边关联到的顶点会做一次decreaseKey操作$O(\log |V|)$，一共是$O(|E|\log |V|)$；

上面三个加在一起， 数量级就是$O((|V|+|E|)\log |V|)$。

四、最小生成树

本算法涉及到在互联网中网游设计者和网络收音机所面临的问题——信息广播问题。如：网游需要让所有玩家获知其他玩家所在的位置，收音机则需要让所有听众获取直播的音频数据等。

1. 单播解法

信息广播问题最简单的解法是由广播源维护一个收听者的列表（Broadcast list）将每条消息向每个收听者（Listener）发送一次。如下图，每条消息会被发送4次，因为有四个Listener，每个消息都采用最短路径算法到达收听者。

路由器A会处理4次相同消息，C仅会处理1次；而B/D位于其它3个收听者的最短路
径上，则各会处理转发3次相同消息。这就会产生许多额外流量。

2. 洪水解法

信息广播问题的暴力解法，是将每条消息在路由器间散布出去，所有的路由器都将收到的消息转发到自己相邻的路由器和收听者。显然，如果没有任何限制，这个方法将造成网络洪水灾难，很多路由器和收听者会不断重复收到相同的消息，永不停止！

所以，洪水解法一般会给每条消息附加一个生命值（TTL:Time To Live），初始设置为从消息源到最远的收听者的距离；每个路由器收到一条消息：

• 如果其TTL值大于0，则将TTL减少1，再转发出去；
• 如果TTL等于0了，则就直接抛弃这个消息。

TTL的设置防止了灾难发生，但这种洪水解法显然比前述的单播方法所产生的流量还要大。

3. 最小生成树解法

信息广播问题的最优解法，依赖于路由器关系图上选取具有最小权重的生成树（minimum weight spanning tree）。

生成树：拥有图中所有的顶点和最少数量的边，并保持连通的子图。

图G(V,E)的最小生成树T定义为：包含所有顶点V，以及E的无圈子集，并且边权重之和最小。

下图为上面广播网络图的最小生成树。沿着实线就可以到达每一个顶点，省去了非必须的虚线部分：

这样信息广播就只需要从A开始，沿着树的路径层次向下传播，就可以达到每个路由器只需要处理1次消息，同时总费用最小。

4. Prim算法

解决如何生成最小生成树问题的Prim算法，属于“贪心算法”，即每步都沿着最小权重的边向前搜索。

构造最小生成树的思路很简单，如果T还不是生成树，则反复做：找到一条最小权重的可以安全添加的边，将边添加到树T。

“可以安全添加”的边，定义为一端顶点在最小生成树中，另一端不在最小生成树中的边，以便保持树的无圈特性。

算法实例：

我们来看看Prim是如何求出上面那棵最小生成树的。

1. 以A为起点，与A相邻的顶点有B、C，其中可以安全添加的边为AB、AC；
2. 选择权重最小的AB，将AB加入最小生成树；
3. 与A、B相邻的有C、D、E，BD、和BC权重都是最小，任意选一个，就选BC，加入生成树；
4. 与B、C相邻的D、E、F，选择BD……
5. 直到所有顶点都在最小生成树中。

python代码实现

from pythonds.graphs import PriorityQueue, Graph, Vertex

def prim(G,start):
    # 创建优先队列
    pq = PriorityQueue()
    # 节点最小权重代价默认maxsize
    for v in G:
        v.setDistance(sys.maxsize)
        v.setPred(None)
    # 起点最小权重代价设置为0
    start.setDistance(0)
    pq.buildHeap([(v.getDistance(),v) for v in G])
    while not pq.isEmpty():
        # 取出最小生成树中目前权重最小的节点，作为当前节点
        currentVert = pq.delMin()
        # 遍历节点的所有邻接节点
        for nextVert in currentVert.getConnections():
          newCost = currentVert.getWeight(nextVert)
          # 如果邻接节点是"安全边"，并且小于邻接节点原有最小权重代价dist，就更新邻接节点
          if nextVert in pq and newCost<nextVert.getDistance():
              nextVert.setPred(currentVert)
              nextVert.setDistance(newCost)
              pq.decreaseKey(nextVert,newCost)