Data Structure and Algorithm Template
Chapter3. 图论
树和图的存储
图是一群点构成的集合, 点与点直接由边连接, 边可能有方向, 也可能没有方向, 可能带有权值, 也可能没有权值
树是一种特殊的图, 存储方式与图相同
考虑使用邻接表存储
// 对于每个点k, 开一个单链表, 存储k所有可以走到的点, h[k]存储这个单链表的头节点
int h[maxn], e[maxn], ne[maxn], idx;
// 添加一条边a->b
void add(int a, int b) {
e[idx] = b, ne[idx] = h[a], h[a] = idx++;
}
// 初始化
void init() {
idx = 0;
memset(h, -1, sizeof(h));
}
树与图的DFS
int dfs(int u) {
st[u] = true; // 标记u已经走过
for (int i = h[u]; i != -1; i = ne[i]) {
int j = e[i];
if (!st[j]) dfs(j);
}
}
树和图的BFS
queue<int> que;
st[1] = true; // 表示1号点已经走过
que.push(1);
while (!que.empty()) {
int t = que.front();
que.pop();
for (int i = h[t]; i != -1; i = ne[i]) {
int j = e[i];
if (!st[j]) {
st[j] = true;
que.push(j);
}
}
}
拓扑排序
时间复杂度 O ( n + m ) O(n + m) O(n+m), n表示点数, m表示边数
bool toposort() {
int hh = 0, tt = -1;
// d[i] 存储i点的入度
for (int i = 1; i <= n; i++) {
if (!d[i]) q[++tt] = i;
}
while (hh <= tt) {
int t = q[hh++];
for (int i = h[t]; i != -1; i = ne[i]) {
int j = e[i];
if (--d[j] == 0) {
q[++tt] = j;
}
}
}
// 如果所有点都入队了, 说明存在拓扑序列; 否则不存在拓扑序列
return tt == n - 1;
}
最短路算法
朴素Dijkstra算法
适用于单源最短路, 所有边权都是正数, 时间复杂度 O ( n 2 ) O(n ^ 2) O(n2)
int g[maxn][maxn]; // 存储每条边
int dist[maxn]; // 存储1号点到每个点的最短距离
bool st[maxn]; // 存储每个点的最短路是否已经确定
// 求1号点到n号点的最短路, 如果不存在就返回-1
int dijkstra() {
memset(dist, 0x3f, sizeof(dist));
dist[1] = 0;
for (int i = 0; i < n - 1; i++) {
int t = -1; // 在还未确定最短路的点中, 寻找距离最小的点
for (int j = 1; j <= n; j++) {
if (!st[j] && (t == -1 || dist[t] > dist[j])) t = j;
}
// 用t更新其他点的距离
for (int j = 1; j <= n; j++) {
dist[j] = min(dist[j], dist[t] + g[t][j]);
}
st[t] = true;
}
if (dist[n] == 0x3f3f3f3f) return -1;
return dist[n];
}
堆优化版的Dijkstra算法
适用于单源最短路, 所有边权都是正数, 时间复杂度 O ( m log n ) O(m\log n) O(mlogn)
typedef pair<int, int> pii;
int n; // 点的数量
int h[maxn], w[maxn], e[maxn], ne[maxn], idx; // 邻接表存储所有边
int dist[maxn]; // 存储所有点到1号点的距离
bool st[maxn]; // 存储每个点的最短距离是否已确定
// 求1号点到n号点的最短距离, 如果不存在, 则返回-1
int dijkstra() {
memset(dist, 0x3f, sizeof(dist));
dist[1] = 0;
priority_queue<pii, vector<pii>, greater<pii>> heap;
heap.push({0, 1});
while (heap.size()) {
auto t = heap.top();
heap.pop();
int ver = t.second, distance = t.first;
if (st[ver]) continue;
st[ver] = true;
for (int i = h[ver]; i != -1; i = ne[i]) {
int j = e[i];
if (dist[j] > distance + w[i]) {
dist[j] = distance + w[i];
heap.push({dist[j], j});
}
}
}
if (dist[n] == 0x3f3f3f3f) return -1;
return dist[n];
}
Bellman-Ford
适用于单源最短路, 存在负权边, 时间复杂度 O ( n m ) O(nm) O(nm)
int n, m;
int dist[maxn];
struct Edge {
int a, b, w;
}edges[maxn];
int bellman_ford() {
memset(dist, 0x3f, sizeof(dist));
dist[1] = 0;
for (int i = 0; i < n; i++) {
for (int j = 0; j < m; j++) {
int a = edges[i].a, b = edges[i].b, w = edges[i].w;
if (dist[b] < dist[a] + w) {
dist[b] = dist[a] + w;
}
}
}
if (dist[n] > 0x3f3f3f3f / 2) return -1;
return dist[n];
}
SPFA
适用于单源最短路, 存在负权边, 一般情况下时间复杂度 O ( m ) O(m) O(m), 最坏时间复杂度 O ( n m ) O(nm) O(nm)
int n; // 总点数
int h[maxn], w[maxn], e[maxn], ne[maxn], idx; // 邻接表存储所有边
int dist[maxn], cnt[maxn]; // dist[maxn]存储1号点到x的最短距离, cnt[x]存储1到x的最短路中经过的点数
bool st[maxn]; // 存储每个点是否在队列中
// 如果存在负环, 则返回true, 否则返回false
bool spfa() {
// 不需要初始化dist数组
// 原理: 如果某条最短路径上有n个点(除了自己), 那么加上自己之后一共有n+1个点, 由抽屉原理一定有两个点相同, 所有存在环
queue<int> q;
for (int i = 1; i <= n; i++) {
q.push(i);
st[i] = true;
}
while (q.size()) {
auto t = q.front();
q.pop();
st[t] = false;
for (int i = h[t]; i != -1; i = ne[i]) {
int j = e[i];
if (dist[j] > dist[t] + w[i]) {
dist[j] = dist[t] + w[i];
cnt[j] = cnt[t] + 1;
if (cnt[j] >= n) return true;
if (!st[j]) {
q.push(j);
st[j] = true;
}
}
}
}
return false;
}
Floyd
适用于多源最短路, 时间复杂度 O ( n 3 ) O(n ^ 3) O(n3)
// 初始化:
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= n; j++) {
if (i == j) {
d[i][j] = 0;
} else {
d[i][j] = INF;
}
}
}
// 算法结束后, d[a][b]表示a到b最短距离
void floyd() {
for (int k = 1; k <= n; k++) {
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= n; j++) {
d[i][j] = min(d[i][j], d[i][k] + d[k][j]);
}
}
}
}
最小生成树
朴素版Prim算法
时间复杂度是 O ( n 2 + m ) O(n^2 + m) O(n2+m) , n表示点数, m表示边数
int n; // n表示点数
int g[maxn][maxn]; // 邻接矩阵, 存储所有边
int dist[maxn]; // 存储其他点到当前最小生成树的距离
bool st[maxn]; // 存储每个点是否已经在生成树中
// 如果图不连通, 则返回INF(0x3f3f3f3f), 否则返回最小生成树的树边权重之和
int prim() {
memset(dist, 0x3f, sizeof(dist));
int res = 0;
for (int i = 0; i < n; i++) {
int t = -1;
for (int j = 1; j <= n; j++) {
if (!st[j] && (t == -1 || dist[t] > dist[j])) t = j;
}
if (i && dist[t] == INF) return INF;
if (i) res += dist[t];
st[t] = true;
for (int j = 1; j <= n; j++) dist[j] = min(dist[j], g[t][j]);
}
return res;
}
Kruskal算法
时间复杂度 O ( m log m ) O(m\log m) O(mlogm), n表示点数, m表示边数
int n, m; // n是点数, m是边数
int p[maxn]; // 并查集的父节点数组
struct Edge {
int a, b, w;
bool operator< (const Edge &W)const {
return w < W.w;
}
}edges[maxm];
int find(int x) {
if (p[x] != x) p[x] = find(p[x]);
return p[x];
}
int kruskal() {
sort(edges, edges + m);
for (int i = 1; i <= n; i++) {
p[i] = i;
}
int res = 0, cnt = 0;
for (int i = 0; i < m; i++) {
int a = edges[i].a, b = edges[i].b, w = edges[i].w;
a = find(a), b = find(b);
if (a != b) {
p[a] = b;
res += w;
cnt++;
}
}
if (cnt < n - 1) return INF;
return res;
}
染色法判别二分图
时间复杂度 O ( n + m ) O(n + m) O(n+m), n表示点数, m表示边数
int n; // n表示点数
int h[maxn], e[maxn], ne[maxn], idx; // 邻接表存储图
int color[maxn]; // 表示每个点的颜色, -1表示未染色, 0表示白色, 1表示黑色
// 参数: u表示当前节点, c表示当前点的颜色
bool dfs(int u, int c) {
color[u] = c;
for (int i = h[u]; i != -1; i = ne[i]) {
int j = e[i];
if (color[j] == -1) {
if (!dfs(j, !c)) return false;
} else if (color[j] == c) return false;
}
return true;
}
bool check() {
memset(color, -1, sizeof(color));
bool flag = true;
for (int i = 1; i <= n; i++) {
if (color[i] == -1) {
if (!dfs(i, 1)) {
flag = false;
break;
}
}
}
return flag;
}
匈牙利算法
时间复杂度是 O ( n m ) O(nm) O(nm), n表示点数, m表示边数
int n1, n2; // n1表示第一个集合中的点数, n2表示第二个集合中的点数
int h[maxn], e[maxm], ne[maxm], idx; // 邻接表存储所有边, 匈牙利算法中只会用到第一个集合指向第二个集合的边, 蓑衣这里只用存一个方向的边
int match[maxn]; // 存储第二个
bool st[maxn]; // 表示第二个集合中的每个点是否已经被遍历过
bool find(int x) {
for (int i = h[x]; i != -1; i = ne[i]) {
int j = e[i];
if (!st[j]) {
st[j] = true;
if (match[j] == 0 || find(match[j])) {
match[j] = x;
return true;
}
}
}
return false;
}
// 求最大匹配数, 依次枚举第一个集合中的每个点能否匹配第二个集合中的点
int res = 0;
for (int i = 1; i <= n; i++) {
memset(st, false, sizeof(st));
if (find(i)) res++;
}