【数据结构：图】

一、基本概念

1. 什么是图？

图G = （V, E) , V：有穷顶点集； E：边集

无向图：（v1, v2) = (v2, v1) 顶点对无序
有向图：<v1, v2> 不等于 <v2, v1>, 顶点对有序

2. 什么是子图？

顶点和边相应包含在主图

3. 什么是加权图？

图的每条边对应一个权值。权可以代表费用，时间长度等。

4. 什么是相关联？

指的是顶点与边之间的关系。

（1) 设G=(V, E)是无向图，若边(V1, V2)属于E，则称V1、V2是相邻顶点，边(V1, V2)是与顶点V1、V2相关联的边。
（2) 设G=(V,E)是有向图，若边<V1, V2>属于E，则称V1邻接到V2，V2邻接于V1，边<V1, V2>是顶点V1和V2相关联的边。

5. 什么是度？

（1）无向图中：
V1的度：与顶点V1相关联的边数和

（2）有向图中：
出度：以顶点V1为始点，并与V1相关联的边数
入度：以顶点V1为终点，并与V1相关联的边数
V1的度 = 出度 + 入度

终端顶点（叶子结点）：有向图中，出度为0的顶点。

试题：

6. 什么是简单图？

（1）简单无向图：任意两个顶点之间最多一条边，且不含自回路。

（2）简单有向图：任意两个顶点之间最多两条相反的边，且不含自回路。

试题：

7. 什么是完全图？

（1）无向完全图：任意两个顶点之间都有一条边的简单无向图。含有n个顶点的无向完全图有n*(n-1)/2条边

（2）有向完全图：任意两个顶点之间都有反向相反的两条边的简单有向图。含有n个顶点的有向完全图有n*(n-1)条边。

8. 什么是路径？

（1）路径：有向（或无向）图中，无重复边且相邻前后边衔接的边序列称为从V1到Vn的一条路径。序列中的边数称为路径的长度。

（2）简单路径：除了V1和Vn可以相等，路径上所有的顶点各不相同。

（3）回路/环：V1 = Vn的简单路径

试题：
（1）.

（2） 注意：简单路径一定是路径

9. 什么是连通图/强连通图？

（1）连通图：无向图 G中，任意两个顶点Vi和Vj之间有路径

（2）强连通图：有向图 G中，任意两个顶点Vi和Vj, 存在Vi到Vj的路径，以及Vj到Vi的路径。

10. 什么是连通分量/强连通分量？

(1) 连通分量：无向图的极大连通子图。如：

(2) 强连通分量：有向图的极大强连通子图。如：

11. 什么是生成树？

(1) 生成树：
含有n个顶点的连通无向图G的生成树是G的一个含有全部n个顶点和n-1条边的连通图
（即含有全部n个顶点的极小连通子图）

(2) 生成森林：
含m个连通分量的无向图的每个连通分量都有一棵生成树，构成图的生成森林。

二、图的存储表示

引言：考虑调用scanf()输入一个图？如何设计输入格式？在内存如何保存一个图？

1. 矩阵

1.1 如何用相邻矩阵表示图？

1.2 如何用相邻矩阵表示加权图？

1.3 如何用相邻矩阵存储图？

（1）用相邻矩阵表示图
a. 需要一个顺序表存储n个顶点
b. 需要一个nn的矩阵存储边
对于有向图，需要n^2个单元
对于无向图，只需要存储矩阵的上三角或者下三角，只需n(n-1)/2个单元

（2）思考：矩阵有何缺点？如何克服？

2. 邻接表

2.1如何用邻接表存储图？

邻接表由顶点表和边表组成

（1）无向图：对于每个顶点，将与顶点相关联的边组织一个链表，称为边表。顶点表的每个表项对应一个顶点，保存与该顶点相关联的表头指针。

（2）有向图：可以将与顶点相关联的出边组织成链表，作为与该顶点相关联的边表，称为出边表；或者将所有入边组织成链表，称为入边表。

2.2 结论

（1）邻接表表示加权图(网), 只需在边表的每个结点加上一个表示权的字段。
（2）邻接表存储具有n个顶点、m条边的图：
a. 顶点表n个表项
b. 无向图的所有边表共有2m个表项
c. 有向图的所有边表共有m个表项

2.3 思考

邻接表表示无向图时，每条边对应两个边表结点，不利于插入、删除等操作。如何修改邻接表，使得每条边只对应一个边表结点？

3. 邻接多重表

3.1 如何用邻接多重表存储无向图

邻接多重表由顶点表和边表组成，每条边只对应一个边表结点。 注意：

（1）顶点表结点包含data域和edge域（指向与该顶点相关联的第一条边）

（2）边表结点包含5个域:
mark：边访问标记
i，j：边(Vi, Vj)的两个顶点的标号
ilink：指向与Vi相关联的下一条边
jlink：指向与Vj相关联的下一条边

练习：

• 如何用邻接多重表存储有向图
  邻接表表示有向图时只保存顶点的入边表或出边表。
  有向图的邻接多重表同时能表示顶点的出边和入边，而不增加边表节点数。
  有向图的邻接多重表包含顶点表和边表：
  （1）顶点表的每个表项包含3个域：
  data：表示顶点信息
  edge1：指向以该顶点为始点的边表的第一条边；
  edge2：指向以该顶点为终点的边表的第一条边。
  

（2）边表结点结构与无向图的邻接多重表相同，但ilink指向以Vi为始点的下一条边；jlink指向以Vj为终点的下一条边。

练习：

三、基于邻接表表示的Graph结构

四、图的遍历

从图的任一顶点出发沿着边访问图的每个顶点恰好一次。

1. 两种遍历方法
   （1）宽度优先遍历
   先访问出发顶点（第1层），然后访问与出发顶点相邻的所有顶点（第2层），接着访问与第2层顶点相邻的所有未被访问的顶点（第3层），……，依此类推。

练习：

宽度优先次序：ABCFDE

思考：尝试使用队列设计宽度优先遍历算法
分析：
队头<f, v>出队，若v未被访问，则访问v，<f, v>加入树，将与v相邻的未访问过的顶点依次入队。

教材算法思路：
a. 选一个未被访问过的顶点加入队列尾部；
b. while（队列不空）
删除队列头结点v；若v未被访问，则访问v，且将与v相邻的所有未访问过的顶点依次加入队列尾部。
c. 如果还有顶点没被访问过，则转a

宽度优先生成树：
宽度优先遍历中，将每次前进路过的结点和边记录下来，得到以出发点为根的树，称为宽度优先生成树。
宽度优先生成树林：
如果必须从多个结点出发才能遍历所有结点，则得到多棵生成树，称为宽度优先生成树林。

练习：

（2）深度优先遍历

深度优先次序：ABDCFE

思考：尝试使用栈实现深度优先？
分析：栈顶<f, v>出栈；若v未访问，则访问v, <f, v>加入树，将与v相邻的未访问过的顶点依次入栈。

教材算法思路：
a. 选一个未被访问过的顶点加入栈；
b. while（栈不空）
栈顶结点v出栈，若v未被访问，则访问v，且将与v相邻的所有未访问过的顶点依次入栈
c. 如果还有顶点没被访问过，则转a

深度优先生成树：
深度优先遍历中，将每次前进路过的结点和边记录下来，得到以出发点为根的树，称为深度优先生成树。
深度优先生成树林：
如果必须从多个结点出发才能遍历所有结点，则得到多棵生成树，称为深度优先生成树林。

练习：

五、最小代价生成树

引例：顶点代表城市，边代表光缆，边的权值代表光缆成本。如何铺设光缆，使得城市之间可以通过光缆进行通信，且铺设成本最低？

1. 什么是最小代价生成树？
   加权图中，生成树的边的权值之和最小的生成树称为最小代价生成树。

注：图的生成树不唯一

2. 跨U和V-U的最小边一定在最小生成树里
   
   基于该定理，设计一个最小生成树算法。

3. Prim算法
   
   
   
   Prim算法的时间复杂度O(n^2)

4. kruskal算法
   
   练习：
   

六、单源最短路径问题

定义：给定单个源点s，求s到其它各顶点的最短路径。

注意：s到i的最短路径上i的前面是j，那么s到j的最短路径加上<j,i>是s到i的最短路径。

思考：如何存储最短路径？
使用Dist数组：Dist[i].length = s到顶点i的最短距离，Dist[i].pre = 最短路径上顶点i的前一个顶点。

将顶点集分成A、B两组，A中的顶点已经确定从源到该顶点的最短路径，B中顶点尚未确定从源到该顶点的最短路径。设V0为源点，初始时A={V0}, B = V \ A.

给A和B中的顶点v定义距离值，记为v.length。对于A中的顶点v，v.length为从源到v的最短路径长；对于B中的顶点v, v.length为只允许以A中顶点为中间点的从源到v最短路径长。

B中距离值最小的顶点Vm, 其距离值就是从源到该顶点的最短路径长度。

Dijkstra算法





Dijkstra算法的时间复杂度是O(n^2)

七、每队顶点间最短路径问题

计算每队顶点之间的最短路径
方法1. 以网格中的每个顶点为源点，分别调用Dijkstra()，时间复杂性为O(n^3).
方法2. Floyd算法，时间复杂性是O(n^3)

例如：

思考：如何保存这些结果？

Floyd算法：
假设n个顶点{V0, V1, ……, Vn-1}， 边的权值非负，adj为相邻矩阵。
算法的结果保存在矩阵D和矩阵path中：

八、有向无回路图DAG

引例：

大型的工程可以划分为多个工序，大多数工序与其他工序相关联，即某些工序必须等到其它一些工序完成后才能开始。DAG是描述这类问题的有效工具。

两种DAG：
（1）AOV：顶点表示活动
（2）AOE：边表示活动

一、AOV网

1. 什么是AOV网？
   用顶点表示活动，边表示活动间的先后关系。活动v1是活动v2的前提，当且仅当AOV网中v1是v2的前驱。
   
2. AOV网的拓扑排序
   对AOV网 G=<V,E>的顶点进行拓扑排序–把所有顶点排成一个序列V1, V2, ……，Vn，使得该序列满足：若<Vi, Vj>是G的边，则序列中Vi位于Vj之前。这个序列称为G的一个拓扑排序。

拓扑排序算法：
（1）从图中选择一个入度为0的顶点并输出；
（2）从图中删除此顶点及其所有的出边；
（3）重复1和2， 知道输出图的全部顶点。如果不能输出图的全部顶点，说明图中有回路。

结论：
（1） 通过拓扑排序，可以为AOV网上的活动安排合理的先后执行次序。
（2）拓扑序列通常不唯一
（3）DAG图存在拓扑序列，不存在拓扑序列的有向图存在回路。

二、AOE网
用边表示活动，顶点表示活动的开始和结束（事件），边上的权表示活动所需的时间长度。活动e1是活动e2的前提，当且仅当AOE网中e1的终点是e2的起点。

1. 顶点事件的发生？
   只有当顶点入边上的活动全部结束后，顶点事件才可以发生；只有当顶点事件发生后，顶点出边上的活动才可以启动。
   

2. 完成工程的最短时间？
   表示工程的AOE网有一个入度为0的顶点，称为源点，代表工程的始点，有一个出度为0的顶点，称为汇点，代表工程的终点。完成工程的最短时间为从源点到汇点的最长路径长度。
   关键路径：AOE网从源点到汇点的最长路径称为关键路径。
   完成工程的最短时间为关键路径长度。

3. 最早发生时间？
   假设AOE网的顶点集为{V1, V2, ……, Vn}，V1为源点（始点），Vn为汇点（终点）。
   事件Vj的最早发生时间e(j)：从源点到Vj的最长路径长。
   

4. 最晚发生时间
   假设AOE网的顶点集为{V1, V2, ……, Vn}，V1为源点（始点），Vn为汇点（终点）。
   在不耽误工程进度的前提下，事件vi最晚发生时间I(i)：关键路径长减去从Vi到汇点的最长路径长。
   

5. 关键事件
   最早和最晚发生时间相等的时间为关键事件。
   

6. 关键活动
   活动ai=<Vj, Vk>的最早启动时间ae(i)=e(j)最晚启动时间aI(i) = I(k)-t(j, k)
   最早和最晚启动时间相等的活动为关键活动。
   
   求关键活动的算法
   （1）对顶点进行拓扑排序
   （2）按顶点的拓扑次序从前往后，计算每个顶点Vi的最早发生时间e(i)
   （3）按顶点的拓扑次序从后往前，计算每个顶点Vk的最晚发生时间l(k)
   （4）若l(k)-t(j, k) = e(j)，则<Vj, Vk>是关键活动。

注意：
某路径是关键路径的充要条件是其上的每个活动是关键活动（其上每个顶点是关键事件）

总结：