数据结构day4——图

1.什么是图

也是一种数据结构，由顶点的集合和边的集合组成。其中，边是指顶点的偶对。

表示方法：G=（V，E）

边数较少的称为稀疏图（V<|V|log|V|），相反，边数较多的则称为密集图，所有可能边都存在的叫做完全图。

边有方向性的图称为有向图，否则称为无向图

若图中的各个顶点均带有标号，则为标号图。

边上带有权值的称为带权图。

如果图上的一条路径各个顶点互不相同，则称为简单路径。

如果一条路径将某个顶点连接到它本身且路径长度不小于3，则称为回路。

如果构成回路的路径是简单路径，称其为简单回路。 

子图，顶点集的子集及其关联边构成的图。

连通：无向图中的任意一个顶点到其他任意顶点都至少有一条路径。

连通分量：无向图的最大连通子图，称为该无向图的一个连通分量。

无环图：不带回路的图。

有向无环图：（DAG）不带回路的有向图。

 

2.图的两种表示法

1）相邻矩阵，空间代价为O（|V|^2）

2）邻接表，以链表为元素的数组，第i个位置的元素存储的是指向（顶点vi的边表）的指针。顶点vi的边表是vi所指顶点构成的链表。空间代价为O（|V|+|E|），由此可见，邻接表的实现适用于稀疏图。

 

3.图的周游方式

1）深度优先搜搜DFS

沿着图的某一支搜索直到其末端。然后回溯，沿着另一支搜索。每搜索至一个顶点，将其标记入栈，再访问其某个未被访问的相邻结点（即仅仅对栈顶元素调用DFS）。

回溯的时候，如果一个顶点不再有任何未访问相邻结点，则将其出栈。

可见DFS对每个顶点访问一次，如果是有向图，则恰好也对每条边处理一次（或许处理的结果是忽略此边，因为边的顶点可能已经被访问过了）；而如果是无向图，DFS对每条边分别沿两个方向处理，所以总的时间代价是O（|V|+|E|）

2）广度优先搜索BFS

与DFS的区别是，在访问其他顶点之前，先检查起点的所有邻接点。

对于一个起点，将其所有的邻接点放进队列中，再从队首取出继续BFS。

 

3.拓扑排序

可以理解为一个有向无环图，任务与任务之间存在着一定的优先级关系。

拓扑排序可以利用深度优先算法实现，在某顶点以及要被弹出栈的时候，打印该顶点，如此即可得到一个拓扑排序的逆序。

另一种实现：将所有无前驱（说明该任务无先决条件）放入队列，再依次取出并打印，取出时以此顶点为前驱的所有顶点的数目全部减一。当某顶点的前驱数目减到0时就入列。这样得到的是顺序的拓扑序列。

 

4.最短路径问题

单源最短路径问题：

dijkstra算法

经典算法。

floyd算法：

k-path：所谓k-path，即从u到v的路径中除了u和v两个顶点外，任意一个中间顶点的序号的大小必须小于k。特殊的，0-path是指u，v直接相连的路径。

floyd利用最短k-path来检验：

如果u，v之间的现在存在一个最短k-path，则k+1-path或者经过K，或者不经过K。如果经过K，则说明u，v之间的最短k-path就等于u，k之间的最短k-path与k, v之间的最短k-path；如果不经过k则保持不变；

floyd要求出全局最短路径，则要对每个顶点进行检查，对于某个顶点，又要检查其到其他所有顶点的最短路径，两两之间还要检查序号k的所有顶点，因此需要三重循环。时间复杂度是O|V^3|.

 

5.最小支撑树（MST）

一类子图：包括图的所有顶点；其边上权的和是所有子图中最小的；连通的；

最小支撑树的算法：

1）prim算法：首先任选一个顶点加入到MST集合中，在集合外选择一个对于距离集合中顶点最近的一个顶点，将该顶点和该顶点到MST集合的关联边加入到集合中，直到集合外不剩任何顶点。

实际上是一种贪心算法。

2）Kruskal算法

也是一种贪心算法

首先将图化为|V|个等价类。每次选择关联边权值最小的两个等价类进行合并，最后只剩一个等价类，即为MST。