数据结构知识点-图

图

完全图：任意两个点都有一条边相连，无向完全图有n(n-1)/2条边，有向完全图n(n-1)条边。

顶点的度
在有向图中，顶点的度等于该顶点的入度与出度之和。
当有向图中仅有一个顶点的入度为0，其余顶点的入度均为1是一颗有向树。

连通图（强连通图）
无向图中，若任何两个顶点u、v都存在从u到v的路径，则称为连通图。
有向图中，若任何两个顶点u、v都存在从u到v的路径，则称为强连通图。

无向图的极大连通子图成为G的连通分量，
极大连通子图是该子图是G的连通子图，将G的任何不再该子图中的顶点加入，子图不再连通。

图的存储
顺序存储结构：数组表示法、邻接矩阵
链式存储结构：多重链表、邻接表、邻接多重表、十字链表

邻接矩阵：如果图G有n个顶点，邻接矩阵是一个二维数组A[n][n]
无向图的邻接矩阵表示法
1、无向图的邻接矩阵是对称的
2、顶点i的度等于第i行(列)中1的个树
3、完全图的邻接矩阵中，对角元素为0，其余为1

有向图的邻接矩阵表示法
1、有向图的邻接矩阵可能是不对称的
2、顶点的出度等于第i行元素之和，顶点的入度等于第i列元素之和，顶点的度等于第i行元素和加第i列元素和。

邻接矩阵表示法的特点
优点：容易实现图的操作，如求某个顶点的度、判断顶点之间是否有边，找顶点的邻接点
缺点：n个顶点需要n*n个单元存储边，空间效率为O(n^2)，对于稀疏图尤其浪费空间

邻接表表示法
每个顶点建立一个单链表，把与边Vi有关联的边的信息链接起来，每个结点设为三个域。
每个单链表有一个头结点设为两个域，每个单链表的头结点另外用顺序存储结构存储。
无向图的邻接表表示法
邻接表不唯一，因为各个边结点的链入顺序是任意的，空间效率为O(n+2e)，n个表头结点，2e个表结点.
有向图的邻接表示法
出度等于单链出边表中链接的结点数
入度等于邻接点域为Vi的个数

邻接表表示法的特点
优点：空间效率高，容易找到顶点的邻接点。
缺点：判断两顶点是否有边或者弧，需要搜索两结点对应的链表。

邻接矩阵和邻接表表示法的关系
联系：邻接表中每个链表对应邻接矩阵中的一行，链表中的结点个数等于一行中非零元素的个数。
区别：对于任一确定的无向图，邻接矩阵是唯一的，但是邻接表不唯一。邻接矩阵的空间复杂度为O(n^2)，邻接表的空间复杂度为O(n+e)
用途：邻接矩阵用于稠密图，邻接表用于稀疏图

十字链表
十字链表多用于有向图


图的遍历
深度优先搜索：一条路走到黑，和树的先序遍历类似，使用栈递归的访问。访问结点V，若V的第一个结点没有被访问过，深度遍历此邻接点，若当前邻接点已经被访问过，在找v的第二个邻接点重新访问。开辟一个visited数组，每访问一个结点就置为1。

算法思想：
从图中某个顶点v出发，访问v并置visited[v]的值为true，然后将v进栈，

# 使用邻接矩阵
void DFS(AMGraph G,int v)
{
	cout<<v;
	visited[v]=true;
	for(w=0;w<G.vexnum;w++)
			if((G.arcs[v][w]! = 0) && (!visited[]w))
				DFS(G,w);#w是v的邻接点，如果w未被访问，则递归调用DFS
}
# 使用邻接表
void DFS(ALGraph G,int V)
{
	cout<<v;
	visited[v]=true;
	p=G.vertices[v].firstarc;#指向边链表的第一个边结点
	while(p!=NULL)
	{
		w=p->adjvex; #w是v的邻接点
		if(!visited[w]) #如果w没有被访问过，递归调用DFS
			DFS(G,w);
		p=p->nextarc;# 访问下一个边结点
	}
}

用邻接矩阵表示图，遍历图中的每一个顶点都要从头开始扫描，时间复杂度为O(n^2)
用邻接表表示图，虽然有2e个表结点，但是只需要扫描e个即可完成，加上访问n个头结点的时间，时间复杂度为O(n+e)

广度优先搜索：在访问起点v后，以此访问v的邻接点；然后依次访问这些顶点中未被访问过的邻接点；直到所有顶点都被访问过为止。
广度优先搜索是一种分层的搜索过程，每向前走一步可能访问一批顶点，不像深度优先搜索那样有回退，因此广度优先搜索不是一个递归的过程，广度优先搜索使用的是队列，类似于树的层次遍历。

算法思想：
从图中某个顶点v出发，访问v并置visited[v]的值为true，然后将v进队；
只要队列不空，就重复执行(1)队头顶点u出队(2)依次检查u的所有邻接顶点w，如果visited[w]的值为false，则访问w，并置visited[w]的值为true，然后入队。

void BFS(Graph G,int v)
{
	cout<<v;
	visited[v]=true;
	InitQueue(Q);
	EnQueue(Q,v);
	while(!QueueEmpty(Q))#如果队列非空
	{
		DeQueue(Q,u);#队头元素出队
		for(w=FirstAdjvex(G,u);w>=0;w=NextAdjVex(G,w,w))
			if(!visited[w])#如果w为u没有访问过的邻接顶点
			{
				cout<<w;
				visited[w]=true;
				EnQueue(Q,w);#入队
			}
	}
}

DFS和BFS算法比较
空间复杂度相同都是O(n)，DFS借用了堆栈，BFS借用了队列。
时间复杂度与存储结构有关，使用邻接矩阵时间复杂度为O(n^2)，使用邻接表时间复杂度为O(n+e).

图的应用

最小生成树
极小连通子图：该子图是G的连通子图，在该子图中删除任何一条边，子图不在连通。
生成树：包含图G所有顶点的极小连通子图（n-1条边）。
求最小生成树
使用不同的遍历图的方法可以得到不同的生成树
从不同的顶点出发，也可能得到不同的生成树
按照生成树的定义，n个顶点的连通图网络的生成树有n个顶点，n-1条边

构造最小生成树准则
必须只使用该网中的边来构造最小生成树
必须使用且仅使用n-1条边，来联结网络中的n个顶点
不能使用产生回路的边

求最小生成树算法
Prim算法：归并顶点，与边无关，适合稠密网。
1、从顶点u0出发，选择与它关联的具有最小权值的边，将顶点加入到生成树的顶点几何U中。
2、每一步从一个顶点在U中，而另一个顶点不再U中的各条边中选择权值最小的边，把他的顶点加入到U中。
3、直到所有顶点都加入到生成树顶点集合U中。

Kruskal算法：归并边，与点无关，适合稀疏网。
1、构造一个只有n个顶点，没有边的非连通图，每个顶点组成一个连通分量。
2、在E中选择最小权值的边，若该边的两个顶点落到不同的连通分量上，则加入T中，否则舍弃重新选择。
3、重复下去，直到所有顶点都在同一连通分量上。

最短路径
Dijkstra：单源最短路径，求一个顶点到其余各个顶点指点的。
1、初始化：先从源点V0到各个重点Vk的直达路径，即通过一条弧到达的路径。
2、选择：从这些路径中找到长度最短的路径。
3、更新：然后对其他的各条路径进行调整。
若在图中存在弧(u,vk)，且(v0,u)+(u,vk) < (v0,vk)则以路径(v0,u,vk)代替(v0,vk)

1、首先初始化矩阵找到V0到所有相邻（一条路可以到达的结点）进行初始化，从初始化的数组路径中找到与v0结点路径最短的结点，添加到S[]中(S[]表示已经已经被确定最短路径的结点)。
2、计算当添加到一个结点后到达其他结点的最短路径，如果计算后的路径比之前的路径短则更新，如果长则不变。从v0到各个结点的最短路径中找到最短路径的结点，添加到S[]数组中。
3、以此执行以上步骤，即可按照路径递增的顺序求出v0到各个结点的最短路径了。

Floyd：所有顶点间的最短路径，任意两项之间的。

有向无环图的应用
AOV(Activity On Vertices)用顶点表示活动的网络
AOE(Activity On Edges)用边表示活动的网络

拓扑排序
1、输入AOV网，令n为顶点的个数。
2、在AOV网络中选择一个没有直接前驱的顶点进行输出。
3、从图中删除该顶点，同时删除以他为出度的有向边。
4、重复2、3直到全部顶点均以输出，拓扑有序序列形成；
若图中还有顶点未输出，但是已经跳出处理循环，说明图中还剩下一些顶点，都有直接前驱，再也找不到没有前驱的顶点，此时说明AOV网络中必定存在有向环。

关键路径
关键路径用来估算工程需要完成的时间
AOE网络：定义结点为时间，有向边的指向的指向表示事件执行的次序，有向边定义为活动，权值为所需要的时间。
专用术语
源点：表示整个工程的开始点，也称起点。
收点：表示整个工程的结束点，也称汇点。
事件结点：单位时间表示时刻。
活动（有向边）：权值为活动进行所需要的时间，方向表示起始结点事件先发生，终止结点时间才能发生。
事件最早发生时间（Ve(j)）：从起点到本结点的最长路径，意味事件最早能够发生的时刻。
ve(1)=0,ve(k) = Max{ ve{j} + Weight(j, k) }
事件最迟发生时间（Vl(j)）：不影响工程如期完工，本结点事件必须发生的时刻。
活动最早开始时间（e(ai)）：e(ai)=Ve(j)
活动最迟开始时间（l(ai)）：l(ai)=Vl(k)-dut(j,k)
关键活动：最早开始时间=最迟开始时间的活动
关键路径：从源点到收点的最长的一条路径，或者全部由关键活动构成的路径

利用拓扑排序求时间结点最早发生时间：
1、设每个结点的最早发生时间为0，将入度为0的结点入栈。
2、将栈中入度为0的结点取出，并压入另外一个栈，用于形成逆向拓扑排序序列。

发生是针对事件的，也就是图中的顶点，只有在指向该顶点的所有有向边的活动结束，改顶点所代表的事件才发生。
开始是针对活动的，也就是图中的边，只有在一个顶点所代表的事件发生后，从顶点出发的所有边对应的活动才能开始。

求目标顶点的最早发生时间：
目标顶点的所有前提顶点的最早完成时间+对应的前提顶点到目标顶点活动中的最大值。