[数据结构]第十一章-图论

图的概念

图：由V和E两个集合组成的二元组 G（V,E）

子图：V’是V的子集，E’是E的子集，且E’中的边所关联的顶点均在V’中，则G’ = ( V’ , E’ )也是一个图，称其为G的子图

生成子图： V’ = V

连通分支：无向图G的极大连通子图称为G的连通分支。任何连通图都只有一个连通分支，而非连通图有多个连通分支。通俗来讲，一个图被分成几个小块，每个小块是联通的，但小块之间不联通，那么每个小块称为联通分支。一个孤立点也是一个联通分支。

强连通分支：强连通是指一个有向图中任意两点v1、v2间存在v1到v2的路径及v2到v1的路径。强连通的连通分支是强连通分支。

生成树： | E’| = n-1 且G’连通。

极小生成树：包含原图中的所有 n 个结点，并且有保持图连通的最少的边。

图的表示法

1.邻接矩阵表示法

用一个二维数组存储图中各边的信息。

图G的邻接矩阵是一个布尔矩阵，若 i j 间有边则A[i，j]为1。当图是一个网络时A[i , j]为边的权重，无边时为∞。

2.邻接表表示法

对V中的每个顶点，将他的所有邻接顶点存放在一个表中，成为顶点 i 的邻接表。将每个顶点的邻接表存储在G的邻接表数组中。

图的遍历

1、DFS（对应树的前中后序遍历）
2、BFS（对应树的层次遍历）

最短路径

1.单源最短路

① Dijkstra算法 O（n^2）

设S为已求出最短路径的结点集合，U为未被选过的结点集合。
开始时dist都为INF，只有源点为0。每次从U中选取一个dist最小的顶点 i 加入S中（该选定的距离就源点v到 i 的最短路径长度）。然后以 i 为新考虑的中间点，修改从 i 点能到达的其他结点的dist值，若从源点到结点 j 的距离（经过 i ）比原来距离（不经过 i）短（dist[j] > dist[i]+value[i][j]），则修改dist[j]为 dist[i]+value[i][j]，这样直到所有顶点都包含在S中。

Dijkstra的特点
· 求出n-1条最短路径（单源最短路径）
· 按长度递增的次序
· 只适用于非负权边
· 贪心算法（每次在dist中找最小）

② Bellman-Ford算法 O（mn）

第一，初始化所有点。每一个点保存一个值，表示从原点到达这个点的距离，将原点的值设为0，其它的点的值设为无穷大（表示不可达）。
第二，进行循环，循环下标为从1到n－1（n等于图中点的个数）。在循环内部，遍历所有的边，进行松弛计算。
第三，遍历途中所有的边（edge（u，v）），判断是否存在这样情况：
d（v） > d (u) + w(u,v)
则返回false，表示途中存在从源点可达的权为负的回路。

之所以需要第三部分的原因，是因为，如果存在从源点可达的权为负的回路。则 应为无法收敛而导致不能求出最短路径。

Bellman-Ford特点：
· 允许负权边
· 以边为跳板，看是否由于存在某条边而对结果产生影响

③ SPFA算法（非经典算法，Bellman-Ford的改进）

实现方法为，初始时所有点dist为INF，只有起始点的dist为0。然后建立一个队列，初始时队列里只有起始点，之后不断弹出队首结点 i 去更新它能到达的所有点 j 的dist值，如果dist[j] > dist[i]+value[i][j]则更新成功，再判断下被更新的结点若不在队列中，则把该点加入到队列。这样重复执行直到队列为空。

2.所有顶点间最短路径

Floyd算法（博客很详尽）

算法思想在于逐点试探，看加入这个点是否会影响结果。

for(k=1;k<=n;k++)   
    for(