第10周总结博客（校历第12周）最小生成树最短路读资料和做题总结

这周自我批评，自己感觉做的很差，到发这篇博客为止程序设计B的作业还没调出来，概率统计的作业还差2个题没做，程序设计B做的时候图省事，以为之前写过一次了，再写就全写完一起debug，结果全写完后一堆bug,一个接着一个，浪费了一下午时间。做事不能图省事，否则就会变成相反的结果。这周感觉自己想不出东西，写不出来。

下面大部分内容都是读资料的笔记

Prim和Dijkstra算法的复杂度堆优化后都能到O(ElogV)。Kruskal算法本身的复杂度就是O(ElogV)，主要耗费在排序上。
Bellman-Ford算法的复杂度是O(VE)，复杂度高一些，但能解决负权和负圈问题。
Floyd算法复杂度是O(V^3)，写法简单，适用于解决多对多最短路径。
树的问题中用邻接矩阵十分的浪费空间，时间，邻接表空间浪费较小

邻接表是用vector存边（push_back），所以不必担心重边丢失的情况

使用邻接表存储图的话，对于两点之间是否连通的查询，相比邻接矩阵，邻接表处于劣势（因为在邻接表里必须遍历整个当前点的to才能判断是否与另一点连通）

贪心思想：

1：Dijkstra 算法

每次将未加入最短路径的点种找距离出发点最近的点加入，然后用这个点更新所有没有加入的点到起始点的最小距离，每次加入一个点更新一次，直到所有的点都加入数组后结束，就可以统计出这个点到所有点的最短路径。

2：prim 算法

类似于dijkstra算法，区别是是每次选取的点是距离生成树最近的点，更新的时候不再是更新这个点到起始点的最短距离，而是到这个生成输的最短距离。

并查集思想：

kruskal 算法：将原图G中所有E条边按权值从小到大排序。循环：从权值最小的边开始遍历每条边，直至图G_new中所有的节点都在同一个连通分量中。每次从图中未加入树种的边种找到边权最小的看，这两个点的祖先是否是一个，如果是一个说明两个点已经是一个树上的了，不做操作，如果两个点来自不同的树即有不同的祖先，那么就把这两个点所代表的两个树合并起来，最后当所有的点都在一棵树上的时候停止操作，一般用合并次数来控制，即n个点需要合并n-1次，所以最好合并操作写在kruskal函数内部，这样方便统计步数

动态规划思想：

Floyd 算法：

对于每个节点k，都对定点对[i,j]做一次松弛操作

松弛操作：

BellmanFord 算法和SPFA 算法：
设置一个队列，开始将初始点加入这个队列中，如果队列不空的话，取出队列顶端的元素i，用队列顶端的元素对所有的点j进行松弛操作　　if(mp[i][j]!=INF&&dis[j]>dis[i]+mp[i][j]) dis[j] = dis[i]+mp[i][j];　　如果j点没有在队列中，说明它还有更新其他点的潜力，所以将被更新的j点也加入到队列中去，设置一个计数器，设总点数为n，如果一个点进队的次数大于n则说明存在负环。

各种算法应用的问题：

Dijkstra 算法解决的问题：

非负权图单源最最短路径问题

1.从某一点出发到所有点的最短路径，就是最后更新的dis数组

2.从某一个点到出发到具体某一点的最短路

3.注意Dijkstar 算法不能处理负权边

BellmanFord 算法和SPFA 算法解决的问题：

1.权值有负值得图的单源最短路，并且可以检测到负环，注意，由于B_F算法的复杂度过高而且都可以用SPFA解决，所以我们只学习SPFA算法（一个特例：bellman可以检测并输出负环，单SPFA不能输出负环）

2.最长路

Floyd 算法：

1.全局最短路。2.最长路

prim算法和kruskal 算法：

最小生成树。

对于图的题，一定要根据题意来选取是用链表存储还是用数组存储，选择好的存储方法便于解决问题，也要注意点的编号是从几开始的。

链式前向星：

链式前向星是介于邻接矩阵 和 邻接表之间比较均衡的一种数据结构

本质上是图上所有边以某种特殊方式组成的链表。

通过加边方法，可以知道，如何查询一个点连出的边的方法：

        要查询一个点的连出边，我们要先查head，知道这个点最近添加的那条边在哪里（查询结果在这里是j），然后比这条边早一些添加的就是next[j]，再早一点的就是next[next[j]]，更早一点的是next[next[next[j]]]，再早一点的是……，就这样我们一直往时间添加时间更早的边查，直到查到空节点（用来标记链表结束）。