图的小结

对于图这种数据结构，可以从五个维度来理解：表示方法，搜索算法，最小生成树，最短路径，最大流。

一、表示方法

邻接表和邻接矩阵

通常采用邻接表（Adj）的方法，因为这种方法表示稀疏图（|E|远小于|V|2的图）比较紧凑，所需的存储空间为O(v+E),不足之处在于要确定某一边（u ,v）是否存在只能在顶点u的邻接表Adj[u]中来搜索v。

二、搜索算法

广度优先搜索和深度优先搜索

广度优先搜索：假设输入用邻接表来表示，对于每个顶点u∈V，其彩色变量存储于变量color[u]中，u的父母变量存于变量π[u]中，如果没有父母或者尚未发现则π[u]＝NIL，源点和顶点u之间的距离存于变量d[u]中，算法用一个先进先出的队列Q来管理所有的灰色顶点。此算法可以解决百度地图中两点“最小换乘”的问题。

输出s到v上最短路径所有顶点的时候采用递归的方法，当s＝v的时候递归终止。

深度优先搜索：也是同多对顶点着色来表示顶点的状态，深度优先搜索可以从多个源顶点开始搜索，从而可以生成一个深度优先搜索森林。广度优先搜索通常用于从某个顶点开始寻找最短路径，深度优先搜索通常作为另一个算法的一个子程序。深度优先搜索的最基本特征是他的先子辈图形成了一个森林，另一个重要的特性是发现和完成时间具有括号结构，这个可以用来实现拓扑排序，经拓扑排序的顶点以与其完成时刻相反的顺序出现，算法实现的时候用一个链表，当深度优先搜索一个顶点完成的时候（变黑），就把这个顶点插入到链表的前面。

拓扑排序：对有向无回路图G进行拓扑排序后，结果为该图所有顶点的一个线性序列，满足如果G包含边（u,v）则在该序列中，u就出现在v的前面（如果是有回路的，就不可能存在这样的线性序列），有向无回路图经常用于说明事件发生的先后次序。

三、最小生成树

Kruskal（克鲁斯卡尔）算法和Prim算法

Kruskal和Prim算法都是用普通的二叉堆，都很容易达到O(ElgV)的运行时间，通过采用斐波那契堆，Prim算法的运行时间可以减少到O(E+VlgV)，如果V远小于E的话，这将是对算法的较大改进。两个算法都是贪心算法。

Kruskal：该算法找出森林中连接任意两棵树的所有边中，具有最小权值的的边（u,v）作为安全边，并把它添加到正在生长的森林中。

Prim：Prim算法的执行非常类似与寻找图的最短路径的Dijkstra算法。集合中的的边总是形成但棵树，直到该树覆盖了V中的所有顶点。

四、最短路径

有四个个基本形式：单源最短路径问题，单终点最短路径问题，单对顶点最短路径问题，每对顶点最短路径问题。

单源是找出某个给定的源点到每个顶点的最短路径，单终点是从每个顶点到指定的终点的的最短路径（可以把图中的每条边反向，从而转化成单源最短路径问题），单对顶点最短路径问题是找出给定的两个顶点的最短路径，目前还没有比单源算法更快的算法来解决这一问题。以上三类都可以用单源最短路径来解决，还有一种求每对顶点间的最短路径问题，虽然将每个顶点作为源点，运行一次单源算法就可以解决这一问题，但通常可以更快的解决这一问题。

基本算法：Bellman－Ford和Dijkstra（迪杰斯特拉）

这两个算法都会重复的对边进行松弛，松弛是改变路径和前驱的唯一方式，算法的区别在于对每条边进行的松弛操作次数，以及对边执行松弛操作的次序有所不同。在Dijkstra算法中对每条边执行一次松弛操作，在Bellman－Ford算法中，对每条边要执行多次松弛操作。

Bellman-Ford：该算法能在一般的情况（存在负权边的情况）下解决单源最短路径问题），对图运行Bellman-Ford算法后可以返回一个布尔值，表明图中是否存在着一个从源点可达的负的回路。算法的运行时间为O(VE)。

一种特殊情况：有向无回路图，安顶点的拓扑序列对某加权dag图（有向无回路图）G＝（V，E） 的边进行松弛后，就可以在O（V+E）时间内计算单源最短路径。也可以求最长路径，把边的权值取负值，运行dag－shortest-path求的路径即为最长路径，可以应用在求某项工作的最晚完成时间。

Dijkstra：该算法解决了有向图上待权的单源最短路径问题，但要求所有的边的权值非负。算法的运行时间依赖于最小优先队列的实现方式。二叉最小堆实现最小优先队列的时候为O((E+V)lgV)，斐波那契堆来实现最小优先队列时候，可以将运行时间提升到O(VlgV+E)。

Dijkstra算法和广度优先搜索算法Prim算法有类似之处。和广度优先算法的相似在于，前者的集合S相当于后者的黑色顶点集合，正如集合S中的顶点有着最终的最短路径的权值，广度优先搜索的黑色顶点也有着正确的广度优先距离。Dijsktra算法和Prim 算法相似之处在于，两种算法均采用最小优先队列，来找出给点集合（Dijsktra算法中集合S以及Prim算法中的生长树）以外“最轻”的顶点，然后把该点加入到集合中，并相应的调整该集合以外的剩余顶点的权。