图-上

什么是图？

1.表示一种多对多的关系
数据对象集：G(V,E)由一个非空的有限顶点集合V和一个有限边集合E组成；
包含
1.一组顶点：通常用V（vertex）表示顶点集合;
2.一组边：通常用E（Edge）表示边的集合；

常见术语

怎么在程序中表示一个图

1.邻接矩阵（只有稠密才划算）

*优点：*
1.直观、简单、好理解 
2.方便检查任意一对顶点间是否存在边 
3.方便找任一顶点的所有“邻接点”（有边直接相连的顶点） 
4.方便计算任一顶点的“度”（从该点发出的边数为“出 度”，指向该点的边数为“入度”）
无向图与有向图的度的计算方法 
**无向图：**对应行（或列）非0元素的个数 ；
**有向图：**对应行非0元素的个数是“出度”；对应列非0元素的 个数是“入度；
缺点：
1.浪费空间——存稀疏图（点很多而边很少）有大量无效元素
2.对稠密图（特别是完全图）还是很合算的 浪费时间——统计稀疏图中一共有多少条边
用领接矩阵表示图
顶点信息：有n个顶点的图G(V, E) 用一维数组D [ n ] 表示
边的信息：用邻接矩阵A [ n ] [ n ] 表示为:

用上图的用玲接矩阵表示为

对于无向图的存储，怎样可以省一半空间

用一个长度为N(N+1)/2的1维数组A存储 {G00,G10,G11,……,Gn-1 0,…,Gn-1 n-1}， 则Gij在A中对应的下标是： ( i(i+1)/2 + j );
对于网络，只要把G[i][j]的值定义为边 <vi,vj>的权重即可.

2.邻接表（只有稀疏才划算）

定义：G[N]为指针数组，对应矩阵每行一个链表， 只存非0元素；

优点
1.方便找任一顶点的所有“邻接点”
2.节约稀疏图的空间 需要N个头指针+ 2E个结点（每个结点至少2个域）
3.方便计算任一顶点的“度”？
4.对无向图：是的
5.对有向图：只能计算“出度”；需要构造“逆邻接表”（存指向自己 的边）来方便计算“入度

图的遍历

DFS在空间上占优势，但往往耗时，BFS在时间上占优势，但浪费空间。
1.深度优先搜索（DFS）
原路返回（堆栈）
时间复杂度
用邻接表存储图：有O（N+E）
用邻接矩阵存储图，有O（N2）；
DFS例题
邻接矩阵存储图的深度优先遍历

void DFS( MGraph Graph, Vertex V, void (*Visit)(Vertex) )
{
    Vertex i;
    Visited[V] = 1;
    Visit(V);
    for(i = 0; i < Graph->Nv ; i++)
    {
        if(Graph->G[V][i] ==1&&!Visited[i])
        {
            DFS(Graph, i, Visit);
        }
    }
    return;
}

2.广度优先搜索（BFS）
相当于树的层序遍历
时间复杂度
用邻接表存储图：有O（N+E）
用邻接矩阵存储图，有O（N2）；

BFS例题

void BFS ( LGraph Graph, Vertex S, void (*Visit)(Vertex) ) {
    int q[MaxVertexNum],head = 0,tail = 0;
    q[tail ++] = S;
    Visited[S] = true;
    while(head < tail) {
        int temp = q[head ++];
        Visit(temp);
        Visited[temp] = true;
        PtrToAdjVNode k = (Graph -> G[temp]).FirstEdge;
        while(k) {
            int d = k -> AdjV;
            if(!Visited[d]) {
                Visited[d] = true;
                q[tail ++] = d;
            }
            k = k -> Next;
        }
    }
}

图不连通怎么办？
连通：如果从V到W存在一条（无向）路径，则称 V和W是连通的 
路径：V到W的路径是一系列顶点{V, v1, v2, …, vn, W}的集合，其中任一对相邻的顶点间都有图 中的边。路径的长度是路径中的边数（如果带 权，则是所有边的权重和）。如果V到W之间的所 有顶点都不同，则称简单路径 
回路：起点等于终点的路径 
连通图：图中任意两顶点均连通
连通分量：无向图的极大连通子图 
极大顶点数：再加1个顶点就不连通了 
极大边数：包含子图中所有顶点相连的所有边
强连通：有向图中顶点V和W之间存在双向路 径，则称V和W是强连通的 
强连通图：有向图中任意两顶点均强连通 
强连通分量：有向图的极大强连通子图

应用实例

拯救

深度优先（DFS）

//visited[]标记是否走过了
voidListComponents( Graph G )
{
    for( each V in G )
        if( !visited[V] )
        {
            DFS( V );
        }
}
intDFS ( Vertex V )
{
    visited[V] = true;
    if( IsSafe(V) )//判断是否可以上岸，可以就直接结束
        answer = YES;
    else
    {
        for( each V in G )
            if( !visited[W]&&Jump(v，w))Jump(v,w)//是否在跳的范围内
            {
                answer = DFS(W);
                if(answer==YES)
                    break;
            }
    }
    return answer;
}

应用例题
六度空间

“六度空间”理论虽然得到广泛的认同，并且正在得到越来越多的应用。但是数十年来，试图验证这个理论始终是许多社会学家努力追求的目标。然而由于历史的原因，这样的研究具有太大的局限性和困难。随着当代人的联络主要依赖于电话、短信、微信以及因特网上即时通信等工具，能够体现社交网络关系的一手数据已经逐渐使得“六度空间”理论的验证成为可能。假如给你一个社交网络图，请你对每个节点计算符合“六度空间”理论的结点占结点总数的百分比。输入格式:输入第1行给出两个正整数，分别表示社交网络图的结点数N（1<N≤10​3​​，表示人数）、边数M（≤33×N，表示社交关系数）。随后的M行对应M条边，每行给出一对正整数，分别是该条边直接连通的两个结点的编号（节点从1到N编号）。输出格式:对每个结点输出与该结点距离不超过6的结点数占结点总数的百分比，精确到小数点后2位。每个结节点输出一行，格式为“结点编号:（空格）百分比%”。输入样例:10 9
1 2
2 3
3 4
4 5
5 6
6 7
7 8
8 9
9 10

输出样例:1: 70.00%

2: 80.00%
3: 90.00%
4: 100.00%
5: 100.00%
6: 100.00%
7: 100.00%
8: 90.00%
9: 80.00%
10: 70.00%

分析
对每个节点，进行广度优先搜索
搜索过程中累计访问的节点数
需要记录“层”数，仅计算 6层以内的节点数
BFS代码区

void BFS(int P)
{
    struct ints
    {
        int sp, cnt;
    };
    queue<ints> Q;
    Q.push({P, 0});
    book[P] = true;
    int pass{1};
    while (!Q.empty())
    {
        ints top = Q.front();
        if (top.cnt == 6)
        break;
        for (int i = 1; i <= N; ++i)
        {
            if (mat[top.sp][i] && !book[i])
            {
                pass++;
                Q.push({i, top.cnt + 1});
                book[i] = true;
            }
        }
        Q.pop();
    }
    printf("%d: %.2lf%%\n", P, (static_cast<double>(pass) / N) * 100);
}