数据结构-图

1.图的定义

图是由一个顶点集 V 和一个弧集 R构成的数据结构。
Graph = (V , R ) , R={VR}
其中，VR＝{<v,w>| v,w∈V 且 P(v,w)}
<v,w>表示从 v 到 w 的一条弧，并称 v 为弧头，w 为弧尾。

由于“弧”是有方向的，因此称由顶点集和弧集构成的图为有向图

若<v, w>∈VR 必有<w, v>∈VR,
则称 (v,w) 为顶点v 和顶点 w 之间存在一条边。

由顶点集和边集构成的图称作无向图。

弧或边带权的图分别称作有向网或无向网。

假设图中有 n 个顶点，e 条边，则
含有 e=n(n-1)/2 条边的无向图称作完全图；
含有 e = n(n-1) 条弧的有向图称作 有向 完全图 ；
若边或弧的个数 e<nlogn，则称作稀疏图，否则称作稠密图

2.图的存储

2.1邻接矩阵、邻接表法

2.2 邻接多重表、十字链表

2.2.1邻接多重表

2.2.2十字链表

3.图的遍历

3.1深度优先遍历DFS

算法思想
       从图中某个顶点V0 出发，访问此顶点，然后选择一个与V0邻接且未被访问的顶点W为初始顶点,再从W出发进行深度优先搜索, 直至图中所有和V0有路径相通的顶点都被访问到
手工操作

3.2广度优先遍历BFS

算法思想

       从图中的某个顶点V出发，并在访问V0之后依次访问V0的各个未被访问的邻接点，之后按这些顶点被访问的先后次序依次访问它们的邻接点，直至图中所有和V0有路径相通的顶点都被访问到。
       若此时图中尚有顶点未被访问，则另选图中一个未曾被访问的顶点作起始点，重复上述过程，直至图中所有顶点都被访问到为止。
手工操作

使用广度优先搜索在访问了起始顶点 v 之后，由 v 出发，依次访问 v 的各个未曾被访问过的邻接顶点 w1, w2, …, wt，然后再顺序访问 w1, w2, …, wt 的所有还未被访问过的邻接顶点。再从这些访问过的顶点出发，再访问它们的所有还未被访问过的邻接顶点，… 如此做下去，直到图中所有顶点都被访问到为止。

4.图的相关应用

4.1最小生成树MST

最小生成树的树形不是唯一的，代价是唯一的
算法总结

	Prim 算法	Kruskal算法
时间复杂度	O(n2)	O(eloge)
适用场景	稠密图	稀疏图

4.1.1Prim算法（加点法）

与定点有关适合稠密图
算法思想
       取图中任意一个顶点 v 作为生成树的根，之后往生成树上添加新的顶点 w。在添加的顶点 w 和已经在生成树上的顶点v 之间必定存在一条边，并且该边的权值在所有连通顶点 v 和 w 之间的边中取值最小。之后继续往生成树上添加顶点，直至生成树上含有 n-1 个顶点为止。
手工操作

4.1.2Kruskal算法（加边法）

与边有关适合稀疏图
算法思想
       为使生成树上边的权值之和达到最小，则应使生成树中每一条边的权值尽可能地小。
       先构造一个只含 n 个顶点的子图 SG，然后从权值最小的边开始，若它的添加不使SG 中产生回路，则在 SG 上加上这条边，如此重复，直至加上 n-1 条边为止
手工操作

4.2最短路径

	迪杰斯特拉	弗洛伊德
时间复杂度	O(n2)	O(n3)

4.2.1迪杰斯特拉（Dijksta）算法

4.2.2弗洛伊德（Floyd）算法

4.3AOV网

4.4关键路径

完成整个工程所需的时间取决于从源点到汇点的最长路径长度，即在这条路径上所有活动的持续时间之和。这条路径长度最长的路径就叫做关键路径(Critical Path)。

事件发生时间的计算公式：
v_e(源点) = 0；
v_e(k) = Max{v_e(j) + dut(<j, k>)}
v_l(汇点) = v_e(汇点)；
v_l(j) = Min{vl(k) – dut(<j, k>)}
        关键活动的速度提高是有限度的。只有在不改变网的关键路径的情况下，提高关键活动的速度才有效。
        另一方面，若网中有几条关键路径，那么，单是提高一条关键路径上的关键活动的速度，还不能导致整个工程缩短工期，而必须提高同时在几条关键路径上的活动速度