复习-数据结构-图

主要参考《数据结构》严蔚敏 吴伟民 编著 （C语言版）

图的表示法

1. 邻接矩阵
   用n*n的矩阵方式表示顶点之间的关系，用1、0表示相邻与否。
2. 邻接表
   对于边/弧：

typedef struct ArcNode{
	int				adjvex;			// 该弧指向的顶点的位置，在书中为顶点下标
	struct ArcNode	*nextarc;		// 指示下一条弧的信息，该字段与弧无关，由顶点决定
	InfoType		*info;			// 弧相关信息的指针，书本P164中的图应该是没有用到该字段
}ArcNode;

typedef struct VNode{
	VertexType data;				// 顶点信息
	ArcNode *firstarc;				// 指向第一条依附于该顶点的弧
}VNode, AdjList[size];

对比邻接矩阵，在边稀疏的情况下，邻接表比邻接矩阵更加节省空间。但是查询两顶点是否相邻，邻接矩阵更有优势。
还有逆邻接表，就是将弧方向转换。
3. 十字链表法（有向图）
顶点数据结构存放该顶点的第一条出弧的指针和第一条入弧的指针。
弧的数据结构存放该弧的弧头、弧尾顶点位置，以及下一条弧的指针，以此构成一张弧的链表。
弧个表的数据结构构成整个图。
4. 邻接多重表（无向图）
邻接表表示无向图会存在信息冗余。信息冗余必然会带来浪费以及数据的一致性问题。（想到数据库老师刚讲的信息冗余QAQ）
例如删除A->B的边，但是删除完成之后还要删除B->A的边，需要操作两次，增加操作，而且在复杂情况下容易出错。
顶点的数据结构仍然是数据和邻接的第一条边，和邻接矩阵相同。
边的数据结构修改为：

	mark ivex ilink jvex jlink info
	mark:			为标志域，可以用于标记该边是否被搜索过
	ivex/jvex:		为弧两端顶点在图中的位置
	ilink/jlink:	分别指向下一个邻接于ivex/jvex的弧
	info:			弧信息

如此则实现多重邻接表。

图的搜索

深度优先搜索

和树相似，只不过要多加上对检测该顶点是否访问过的检测。
递归思想即可，逻辑层面是类似栈的方式。

广度优先搜索

和树相似，只不过要多加上对检测该顶点是否访问过的检测。
同样递归思想，逻辑为队列。

最小生成树

生成的所有边权值起来最小的树。

Prim算法

算法：
设置两个集合 v = 顶点集 和 u = {}

1. 选择一个顶点a
   v = 顶点集 - {a}
   u = {a}
2. 从u集合的所有顶点的邻接顶点中，选择最近的顶点加入u（选择最小邻接边）
3. 重复2直到所有的顶点都加入u

Kruskal算法

算法：
设置两个集合 v = 边集 和 u = {}

1. 将所有的边按权值排序
2. 选择v中权值最小的边加入u
   加入的时候检测，该边相邻的两个顶点在u中边的作用下是否已经相邻，若相邻则舍弃该边，反之该边加入u
3. 重复2，直到v为空集

关键路径

算法思想：

1. 求各个事件（节点）的最早时间
2. 求各个事件（节点）的晚时间
3. 求各个边的最早时间
4. 求各个边的最晚时间
   最早最晚时间相同的为关键边。
   所有的关键边组成关键路径。

关键路径核心算法

最短路径

Dijkstra算法

计算一个顶点到其余某个顶点的最短距离。
类似Prim算法。
算法：
设置两个集合 v = 顶点集 和 u = {}。
在设置一个path表，表示每个点到初始点的位置，初始化为无穷远。

1. 将初始点加入 u，更新path表，将据相邻位置的顶点距离加入path表。
2. 然后选择和u中顶点相邻的最近的顶点（v中的）加入u。
3. 根据新入顶点，更新path表。
   对于与新入点相邻的每一个点：
   1. 若该点原本初始点不可达，即path[该点]值为无穷，则改为初始点到新入点距离+新入点到该点距离。
   2. 若该点原本可达，则修改为 path[该点] < 初始点到新入点距离+新入点到该点距离 ？ 不变 ： 初始点到新入点距离+新入点到该点距离。