数据结构万字总结（超级详细）第六章——图

编程9898

于 2024-03-22 22:03:55 发布

阅读量1.1k

点赞数 10

分类专栏：数据结构文章标签：数据结构图论

本文链接：https://blog.csdn.net/qq_51956388/article/details/136952530

版权

数据结构专栏收录该内容

7 篇文章 0 订阅

订阅专栏

图

定义

基本概念

顶点的度

对无向图：顶点v的度是指依附于该顶点的边的条数，度数之和等于边数乘以2。

对有向图：入度是以顶点v为终点的有向边的数目

出度是以顶点v为起点的有向边的数目

顶点v的度等于其入度和出度之和

出度

入度

路径

顶点v0到vn之间的一条路径是指顶点序列：v0,v1,v2...vn（包含起点和终点）

回路（又叫环）

第一个顶点和最后一个顶点相同的路径称为回路或环

简单路径

在路径序列中，顶点不重复出现的路径称为简单路径

简单回路

除第一个顶点和最后一个顶点外，其余顶点不重复出现的回路称为简单回路

路径长度

路径上边的数目，注意这里和树结点的路径长度类似，树节点的路径长度时从跟结点到叶子结点的边数

点到点的距离

从顶点u出发到顶点v的最短路径存在，则此路径的长度称为从u到v的距离，若从u到v根本不存在路径，则记该距离为无穷

连通图（对无向图）

若图G中任意两个顶点都是连通的，则称图G为连通图，否则称为非连通图

若G是连通图，则最少有n-1条边，若G是非连通图，则最多可能有C(n-1,2)条边，C(n-1,2)是组合公式。（即n-1个顶点是完全图，剩余一个顶点是孤立的）

强连通图（对有向图）

若图中任何一对顶点都是强连通的，则称此图为强连通图

对于n个顶点的有向图G，若G是强连通图，则最少有n条边（形成回路)

子图

即子图顶点是原图顶点的子集，子图的边是原图边集的子集

生成子图

生成子图的顶点个数和原图个数一样，但是边是原图边集合的子集

连通分量（对无向图）

无向图中的极大连通子图称为连通分量子图必须连通，且包含尽可能多的顶点和边注意：连通分量和强连通分量本质就是一个子图，只是这个子图是极大的，即尽可能包含更多的顶点和边

强连通分量（对有向图）

有向图中的极大强连通子图称为有向图的强连通分量

子图必须强连通，同时保留尽可能多的边

极小连通子图（就是生成树）

若图中顶点数为n，则它的生成树含有n-1条边。对生成树而言，若砍去它的一条边，则会变成非连通图，若加上一条边则会形成一个回路。极小连通子图包含所有顶点，并且边数是最少的连通子图

生成树

连通图的生成树是包含图中全部顶点的一个极小连通子图，若图中顶点数为n，则它的生成树含有n-1条边，

特征

对生成树而言，若砍去它的一条边，则会变成非连通图，若加上一条边则会形成一个回路

生成森林

非连通图中，连通分量的生成树构成了非连通图的生成森林

边的权

在一个图中，每条边都可以标上具有某种含义的数值，改数值称为权值

带权图

边上带有权值的图称为带权图，也称为网

带权路径长度

当图是带权图时，一条路径上所有边的权值之和，称为该路径的带权路径长度

哈夫曼树的带权路径长度：所有叶子结点到根结点的边数乘以叶子结点的权值

无向完全图

无向图中任意两个顶点之间都存在边，若顶点树为n，则边数为（n-1）*n /2

有向完全图

有向图中任意两个顶点之间都存在方向相反的两条弧若顶点树为n，则边数为（n-1）*n

总结：连通分量就是极大连通子图，生成树就是极小连通子图

种类

简单图

1、不存在重复边

2、不存在顶点到自身的边

多重图

图G中某两个结点之间的边数多于一条，又允许顶点通过同一条边和自己关联

有向图

若E是有向边（也称弧）的有限集合时，则图G为有向图

无向图

若E是无向边(简称边)的有限集合时，则图G为无向图

稀疏图

边数很少的图称为稀疏图，一般认为：|E|<|V|log|V|时，可以将G视为稀疏图

图的存储

邻接矩阵法：空间复杂度为：O(|V|^2)，删除边很方便，删除顶点需要大量移动数据

适用于存储稠密图，无向图的邻接矩阵是对称矩阵，可以压缩存储。图的表示唯一

邻接表法：顺序+链式存储，空间复杂度O(|V|+2|E|)，删除边或顶点都不方便。对比树的存储结构：孩子表示法

图的邻接表表示方式不唯一

十字链表：只能存储有向图，空间复杂度：O(|V|+|E|)，删除边或结点很方便

简记：算你识相（算你十向），即十字链表只能存储有向图

邻接多重表：只能存储无向图，空间复杂度O(|V|+|E|)，删除边或结点很方便（只能存储无向图）

关键路径

AOE网

在带权有向图中，以顶点表示事件，以有向边表示活动，以边上的权值表示完成该活动的开销，称之为有用边表示活动的网络。

1、仅有一个入度为0的顶点，称为源点，它表示整个工程的开始

2、也仅有一个出度为0的顶点，称为汇点，它表示整个工程的结束

定义

从源点到到汇点的有向路径可能有多条，所有路径中，具有最大长度路径称为关键路径，而把关键路径上的活动称为关键活动

求解方法

1、求所有事件的最早发生时间

2、求所有事件的最迟发生事件

3、求所有活动的最早发生事件

4、求所有活动的最迟发生时间

5、求所有活动的时间剩余量

简记：一大早忙前忙后，一小晚都在忙后前一大早：max()操作，求最早发生时间，从左往右计算

一小晚：min()操作，求最晚发生时间，从右往左计算

最晚时间-最早时间 == 可以延期的时间

特性

1、若关键活动耗时增加，则整个工程的工期将增长

2、缩短关键活动的时间，可以缩短整个工程的工期

3、当缩短到一定程度时，关键活动可能会变成非关键活动

4、可能有多条关键路径，只提高一条关键路径上的活动速度并不能缩短整个工程的工期，只有加快那些包括在所有关键活动才能达到缩短工期的目的

拓扑排序

定义

在图论中，由一个有向无环图的顶点组成的序列，当且仅当满足下列条件时，称为该图的一个拓扑序列：

1、每个顶点出现且只出现一次

2、若顶点A在序列中排在顶点B的前面，则在图中不存在从顶点B到顶点A的路径

思想

1、从AOV网中选择一个没有后继（入度为0）的顶点并输出

2、从网中删除该顶点和所有以它为终点的有向边

3、重复1和2直到当前的AOV网为空

AOV网

AOV网一定是DAG图，不能有环

性质

拓扑排序、逆拓扑排序可能都不唯一

若图中有环，则不存在拓扑排序或者逆拓扑排序

简记：Vivo排序（即AOV网用来拓扑排序，则剩下的AOE网用来求关键路径）

有向无环图（DAG图）表达式

最短路径

单源最短路径

BFS算法
- 思想
- 缺点：只适用于无权图或者说只适用于所有边权值都相同的图。无权图可以视为一种特殊的带权图，只是每条边的权值都为1
Dijkstra算法
- 思想
  
  以下是Dijkstra算法的核心思想和步骤：
  
  初始化：将所有顶点分为两组，一组是已经求出最短路径的顶点集合，初始时只包含起点；另一组是尚未确定最短路径的顶点集合，初始时包含除起点外的所有顶点。
  
  选取最小距离顶点：从未确定最短路径的顶点集合中，选出距离起点最近的顶点更新邻接点距离：以这个选出的顶点为中介，更新其邻接点到起点的距离。如果通过该顶点到达邻接点的距离小于当前记录的距离，则进行更新。（该算法的核心）
  
  重复过程：将新确定的最短路径顶点移动到已确定最短路径的集合中，重复步骤2和3，直到所有顶点的最短路径都被确定下来。
- 缺点
  
  不适用于带有负权值的带权图

各顶点之间的最短路径

Floyd算法
- 思想
  
  使用动态规划思想，将问题的求解分为多个阶段
- 优点
  
  Floyd算法可以用于负权值带权图
- 缺点
  
  不能解决带有负权回路的图，这种图有可能没有最短路径
- 复杂度：O(|V|^3)

最小生成树

普里姆算法：Prim

思想

从某一个顶点开始构建生成树，每次将代价最小的新顶点纳入生成树，直到所有顶点都纳入为止
特点：得到的最小生成树可能不唯一
复杂度

O(|V|^2)，适用于边稠密度图
适合边稠密图。简记：网络普及很稠密，密密麻麻的（即普及表示普利姆算法，密密麻麻表示稠密图）

克鲁斯卡尔算法：Kruskal

思想

每次选择一条权值最小的边，使这条边的两头连通（原本连通的就不选），直到所有结点都连通

特点：克鲁斯卡尔算法由于全局排序的特性，在没有相同权值的边的情况下，得到的最小生成树是唯一的。

复杂度

O(|E| log2||E|)，适合用于边稀疏图

适合边稀疏图。简记：克鲁稀（克表示克鲁斯卡尔算法，稀表示适用稀疏图）

图的遍历

广度优先遍历

思想：类似于树的层序遍历
借助队列实现（树的层序遍历也要借助队列）
时间复杂度
- 邻接矩阵：O(|V|)+O(|V|^2)
- 邻接表：O(|V|+|E|)

深度优先遍历

思想：类似与树的先跟遍历

树的深度优先遍历(先根、后根):从根节点出发，能往更深处走就尽量往深处走。每当访问一个结点的时候,要检查是否还有与当前结点相邻的且没有被访问过的结点，如果有的话就往下一层钻。图的深度优先遍历类似于树的先根遍历。
借助栈来实现
时间复杂度
- 邻接矩阵：O(|V|)+O(||V|^2)
- 邻接表：O(|V|+|E|)