[数据结构]树和二叉树笔记- xp

• 树是n个结点的有限集合，N=0时，称空树
• 树有且仅有一个跟结点
• 根结点无前驱，其余结点有且仅有一个前驱，可有0个或者多个后继
• 从K可到A，说，K是祖先，A是子孙；从K一下就到A，说，K是双亲结点（父结点）；来自同一个双亲，说，是兄弟结点。
• 度：子结点数目
• 结点的层次、高度、深度、树的高度（深度）
• 有序树和无序树

 

二叉树

• 二叉树不是一般树的特殊情况
• N2-1=N0

 

 

图

图G又定点集V和边集E组成，记G=（V，E）。

顶点集表示：V={v1,v2,v3…} ，|V|为顶点的个数，或图G的阶。

边集表示：E={e1,e2,e3…}, |E|为边的个数。

图不可以为空——图不可以没有顶点，但是可以没有边

 

有向图 E1={<v1,v2>,<v2,v3>} 点1指向点2，点2指向点3

 

无向图E2={(v1,v2),(v2,v3)}点之间仅有连线，没有指向

 

简单图：

{

1、不存在重复边

2、不存在顶点到自身的边

}

多重图：两点之间的边数大于1

 

完全图：两个顶点之间都存在边

 

子图

 

连通：无向图中，两点有路径存在。

连通图：任意两点之间连通。

连通分量：无向图中的极大连通子图，称为连通分量。（如果一个图有n个顶点，并且小于n-1条边，则必定非连通！）

生成树：包含全部顶点的极小连通子图。

 

强连通：有向图中，两点之间互相有路径，则两点强连通。

强连通图：任意两点强连通。

 

顶点的度：该顶点为一个端点的边的数目（无向图中，顶点v的度是依附于该顶点的边的条数）

 

边上可以带权，带权的图也称为网

 

边数很少的图——稀疏图（|E|<|V|*log|V|）,反之是稠密图

 

路径是两点之间的路径，路径长度是路径中的边数，第一个顶点和最后一个顶点相同的路径称为回路或者环

 

图的储存以及基本操作

1、邻接矩阵法（无向图、有向图、网都可以的；适合稠密图；容易确定任意两点是否有边，但确定图中的边数需要遍历全体，代价高；空间复杂度是O（n^2））

2、邻接表法（适合稀疏图；对于给顶点，容易找出其对应邻边，但确定两个点之间是否存在边，需要再查找另一点「邻接矩阵法则不用」；）

3、十字链表法（有向图的）不仅可以像邻接表一样，还可以像逆邻接表一样

4、邻接多重表（无向图的）

 

图的遍历

（借助队列）1、广度优先遍历（Breadth-First-Search)BFS

使用邻接表储存时，一个顶点空间复杂度O（|V|），时间复杂度O（|E|），总的时间复杂度O（|V|+|E|）；若采用邻接矩阵的储存方式，一个顶点时间复杂度O（|V|），总的O（|V|2）

（借助栈）2、深度优先遍历(Deepth-First-Search)DFS

 

图的应用

 

 

一、求最小生成树：包含所有顶点，但是有最少的边

法一：prim算法（名字短，所以算法也从局部开始）

1、找最小权值的两点连通作为起始点

2、两点连通后所拥有的最小权值作为下一对连通点

。。。。。。

ps：不能生成环

 

法二、Kruskal算法（名字长，算法也从全局开始）

1、全局最短，进行连通

2、第二短。。。。。。

ps：同样不能生成环

 

二、求最短路径：求某个原点到各个顶点的最小路径

法一：Dijkstra（基于贪心策略，每次连通，都计算出下一步的所有长度）

法二：Floyd（路由器寻址）都走一遍，记录所有最优路径

 

三、拓扑排序

【有向无环图】一个有向图中不存在环

【AOV网】如用有向无环图表示一个工程，用<vi,vj>表示vi与vj之间存在的前驱后继关系，将这种有向图称之为<顶点表示活动的网络>AOE网。

【拓扑排序】1、每个定点出现且出现一次；2、若顶点A排序排在B的前面，则图中不存在B->A;

（可借助栈了避免重复比较）【拓扑排序算法】1、选择一个没有前驱的点输出；2、删除该点及以它为起点的边；3、重复12，若当前图为空或者不存在无前驱的点就停止，而后一种情况说明有环。

 

四、关键路径

【AOE网】带权有向图中，顶点表示时间，有向边表示活动，边上的权值表示活动的开销，则成这种有向图为用边表示活动的网络，AOE网。

有些活动可以并行的，从源点到汇点的路可能有多条，并且可能长度还不一样。尽管时间不同，但是只有完成了所有，整个工程才算是完成了。

「所以」从源点到汇点的所有路径中，最大路径长度的路程称为【关键路径】，关键路径上的活动称之为【关键活动】。