7 ＞数据结构与算法图-CSDN博客

本文链接：https://blog.csdn.net/qq_55902573/article/details/141531150

图

概念

图 $G$ 由顶点集V和边集E组成， $G = (V, E)$ ， $V (G)$ 为图 $G$ 顶点的非空集合， $V (E)$ 为图 $G$ 边的非空结合。 $∣ V ∣$ 表示顶点个数(称为 $G$ 的阶)， $∣ E ∣$ 表示边条数。
图不可以为空，V 一定是非空，但 E 可以为空（可以没有边）。
无向图：边没有方向，简称边。(v,w) = (w,v)
1. 顶点的度：该顶点连接了多少条边，记作： $T D (v)$ 。
  
  $度之和：\sum^n_{i=1}TD(v_i)=2e~~~~~~~_{(n个顶点，e条边)}$
2. 路径：顶点到另一个顶点可以经过的一系列的其他顶点。
3. 回路：走了一个环。（简单回路：所经回路没有重复出现的点）
4. 简单路径：顶点不重复出现的路径。
5. 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。
6. 路径长度：总共经过几条边。
7. 顶点之间距离：最短路径长度。若两个顶点之间没有路径则记为 $~\infty$ 。
8. 连通：有路径则有连通。
有向图：边有方向，简称弧，箭头方向为弧头，箭尾为弧尾。（等于是向量）<v,w> ≠ <w,v>
1. 顶点的度：入度和出度之和，记作： $T D (v) = I D (v) + O D (v)$
  1. 入度：顶点上有多少个箭头，记作： $I D (v)$ 。
  2. 出度：顶点上有多少个箭尾，记作： $O D (v)$ 。
  $度之和：\sum^n_{i=1}ID(v_i)+\sum^n_{i=1}OD(v_i)=2e~_{(n个顶点，e条边)}$
2. 路径：必须按照箭头方向走，其所经过的其他顶点。
3. 回路：和无向图一样
4. 简单路径：和无向图一样
5. 路径长度：和无向图一样
6. 顶点距离：和无向图一样
7. 连通：两顶点间有双向箭头连接，为强连通图。
简单图：不存在重复边，不存在自己到自己的边。
多重图：存在重复边，存在自己到自己的边。
连通图：
1. 无向图：全部顶点都连通。（都有边相连，至少有 $n - 1$ 条边）（非连通图至多有 $C_{n-1}^2$ 条边，多一条都是连通图）
2. 有向图：任意顶点强连通，为强连通图。（强连通图至少有 n 条边（回路））
子图：从原图中截取出来的，记作 $G^{'} = (V^{'}, E^{'})$ 。
1. 生成子图：包含原图所有顶点，但不一定包含所有边，记作 $V (G^{'}) = V (G)$ 。
连通分量：
1. 无向图：所有子图中的最大子图就是这个原图的连通分量。（子图包含的尽可能多）
2. 有向图：所有子图中的最大强连通子图就是这个原图的强连通分量。
连通图的生成树：
1. 无向图：包含所有顶点，但在原图的基础上去掉所有无影响的边。（极小连通子图）（生成树可能有多个）（例如：各种修路方案）
生成森林：在非连通图中，所有连通分量的生成树构成原图的连通森林。
带权图：边带上权值，其图也可称为网。带权路径长度，路径上所有边之和。
无向完全图：每两个顶点之间都有一条边连接，最多有 $C_n^2$ 条边。
有向完全图：每两个顶点之间都有两条箭头连接，最多有 $2C_n^2$ 条边。
稀疏图：边很少的图，反之为稠密图。
树：= 生成树
有向树：只有一个顶点出度为 0 （根节点），其余所有顶点的入度为 1 。（非强连通图）

存储结构

邻接矩阵法：（顺序存储）
1. 无向图：矩阵中 1 表示两顶点相互连接，0 表示不连接。
2. 有向图：矩阵中 1 表示有箭头指向，0表示没有箭头指向。（先行后列）
3. 性能：空间复杂度 $O(|V|^2)$ ，无向图为对称矩阵，可以采用压缩矩阵存储。
4. 适用范围：适合存储稠密图。（空间复杂度高）
5. 表示方式：唯一
6. 性质：若图的邻接矩阵为 A ，则 $A^n$ 的的元素 $A^n[i][j]$ 表示由顶点 $i$ 到顶点 $j$ 的长度为 $n$ 的路径数目。（路径长度为几就是几个矩阵相乘）
邻接表法：（顺序 + 链式存储）
1. 存储结构：
```
#define  MAX_VERTEX_NUM 20//最大顶点个数
#define  VertexType int//顶点数据的类型
#define  InfoType int//图中弧或者边包含的信息的类型

typedef struct ArcNode{
    int adjvex;//邻接点在数组中的位置下标
    struct ArcNode * nextarc;//指向下一个邻接点的指针
    InfoType * info;//信息域
}ArcNode;

typedef struct VNode{
    VertexType data;//顶点的数据域
    ArcNode * firstarc;//指向邻接点的指针
}VNode,AdjList[MAX_VERTEX_NUM];//存储各链表头结点的数组

typedef struct {
    AdjList vertices;//图中顶点的数组
    int vexnum,arcnum;//记录图中顶点数和边或弧数
    int kind;//记录图的种类
}ALGraph;
```
2. 空间复杂度：
  1. 无向图： $O (2 e + v) = O (e + v)$
  2. 有向图： $O (e + v)$
3. 适用范围：适用于存储稀疏图。
4. 表示方式：不唯一（各个边在孩子中出现的顺序不唯一）
十字链表：（存储有向图）
1. 空间复杂度： $O (e + v)$
邻接多重表：（存储无向图）
1. 空间复杂度： $O (e + v)$
发展过程：
1. 邻接矩阵：可以简单明了的反映各个顶点和边之间的关系，但对于稀疏图来说浪费空间 ⇒
2. 邻接表：克服了邻接矩阵的劣势，但对于有（无）向图来说查找存在劣势 ⇒
  1. 邻接多重表：克服了邻接表不能高效查找无向图顶点之间是否存在边的问题；
  2. 十字链表法：克服了邻接表不能高效查找有向图顶点入度的问题。

	邻接矩阵	邻接表	十字链表	邻接多重表
空间复杂度	O( e^2 )	无向图：O( v + 2e )有向图：O( v + e )	O( v + e )	O( v + e )
适用范围	稠密图	稀疏图	有向图	无向图
表示方式	唯一	不唯一	不唯一	不唯一
计算度、出度、入度	必须遍历对应行、列	有向图度、入度不方便，其余方便	方便	方便
找相邻边	必须遍历对应行、列	有向图找顶点“入边”不方便，其余方便	方便	方便

基本操作 $_{(对于邻接表和邻接矩阵)}$

增删改查…
广度优先遍历（BFS）：队列实现（最坏空间复杂度： $O (∣ V ∣)$ ）（树的层次遍历）
1. 如果是连通图：
  1. 邻接矩阵法：输出的元素序列与矩阵中元素排列顺序相同。时间复杂度： $O(v^2)$
  2. 邻接表法：输出的元素序列与链元素的排列顺序相同。时间复杂度： $O (v + e)$
2. 对于邻接矩阵遍历序列唯一，邻接表遍历数列不唯一。
3. 如果是非连通图：需多次调用算法。
4. 广度优先生成树：通过广度优先遍历生成的树。（邻接表访问顺序不同，生成树不同）
5. 广度优先生成森林：遍历非连通图生成。
深度优先遍历（DFS）：用栈实现（树的先序遍历）
1. 最坏空间复杂度： $O (∣ V ∣)$ ，主要来自递归栈
2. 时间复杂度：和广度一样。
3. 深度优先生成树：访问序列不唯一，树不唯一。
4. 深度优先生产森林：树不唯一，森林不唯一。
5. 和广度一样，有向图调用算法次数一样的，只能向箭头方向访问。

应用

最小生成树（MST）：
1. 对象：带权无向图
2. Prim算法：从某一个顶点开始构造树，每次选择代价最小的新顶点加入。（适合用于边稠密图）（可能存在多个最小生成树）
  1. 时间复杂度：只与顶点个数有关， $O(V^2)$
  2. 算法实现：挑选一个节点加入树，每次循环扫描所有节点找到距离短的，然后加入树；之后跳到新加入的节点继续循环扫描。
3. Kruskal算法：每次挑选权值最小的边，让两顶点加入。（适合用于边稀疏图）
  1. 时间复杂度： $O(E\log_2E)$
  2. 算法实现：先将所有边按权值排序，依次查找排序表，先查询边两顶点是否属于同一集合，如果不是则将两顶点加入同一集合，如果是则跳过；依次重复。（需要用到并查集，每次判定以两个顶点为根的两个集合是否元素一样，是则为同一）（总共循环 e 轮，每轮都用并查集判断 $log_2e$ ）
4. 若图的各边权值均不相同，则 MST 唯一。
5. 所有 MST 的总代价一定唯一。
6. 权值问题：
  1. 所有权值最小的边不一定出现在所有 MST 中；
  2. 权值最小的边一定出现在某一个 MST 中。

最短路径：

BFS算法：广度优先求无向图的最短路径。（只能用于每条边权重都一样的图）
Dijkstra算法：求无向图和有向图的一个节点到其他各点的最短路径。（时间复杂度： $O(v^2)$ ）（不适合带负权值的图）（DFS搜索）
Floyd算法：求无向图和有向图的各个点到各个点的最短路径。（时间复杂度： $O(v^3)$ ，空间复杂度： $O(v^2)$ ）（可用于带负权的图）（但不能解决带负权回路的图）
```
//需要两个矩阵，一个为邻接矩阵，一个为路径矩阵
for (int i=0;i<MAXSIZE;i++){      //每一个节点都作为一次中转节点，总共有i个节点
			for (int j=0;j<MAXSIZE;j++){      //j为行号，k为列号
				for (int k=0;k<MAXSIZE;k++){
						if (linjie[j][k]>linjie[i][k]+linjie[j][i]){//以Vi为中转点的路径更短
								linjie[j][k]=linjie[i][k]+linjie[j][i];//更新最短路径
								lujin[j][k]=i;	        //更新路由表（中转点）
						}
				}
		}
}
```

	BFS算法	Dijkstra算法	Floyd算法
无权图	√	√	√
带权图	×	√	√
带负权图	×	×	√
带负权图且回路	×	×	×
时间复杂度	$矩阵:O( v^2 )~~~表:O( v+e )$	$O( v^2 )$	$O( v^3 )$
适用于	无权图或所有路径均相等的有权图的单源最短路径	带权图单源最短路径（用于求各个顶点间最短路径时，时间复杂度为 $O( v^3 )$ ）	带权图各顶点间最短路径

有向无环图（DAG图）

有向图中不存在回路。（王道 6.4_5）
DAG描述算数表达式：将表达式化成二叉树，合并算数表达式中的 ”相同“ 的节点。

拓扑排序

AOV网（DAG图）：表示一个工程，有向边 $v_i,v_j>$ 表示活动 $v_i$ 先于 $v_j$ 进行。（vertex表示活动）
拓扑排序：从 AOV 网中找到做事的顺序，进行排序。（必须没有回路）
1. 找到图中没有入度的点加入队列，
2. 将当前点和当前点的出边全部删除，然后继续执行 a ，直到 AOV 为空。
3. 序列可能不唯一。
逆拓扑排序：（DFS实现）
1. 找到当前图中出度为 0 的点加入队列，
2. 将当前点和当前节点的入边全部删除，然后继续执行 a ，直到 AOV 为空。
3. 序列可能不唯一。