图论方法学习

图论方法

考过的点

• 2024年省赛考察：最小生成树
• 2023年国赛考察：分层图（$01BFS$双端队列）
• 2022年国赛考察：Floyd算法

2024国赛准备

• 重点掌握$Dijkstra$、$SPFA$、$Floyd$、$Prim$、$Kruskal$基本思路和解题

  ---

  • $Dijkstra$算法(n个结点，m条边) 只能用于非负边权图
    • 朴素版：$O(n^2)$ 用于稠密图
      • 更新$n-1$次，每次选取一个非s集合中的距离最小的结点，去更新每一个结点的距离。
    • 堆优化版：$O(mlogn)$ 用于稀疏图
      • 基本思路就是用堆去优化选取非s集合中的距离最小的结点。更新的化就是遍历与当前结点所有相邻的结点进行更新，只有当某个结点被更新时才放入堆中。

  ---

  • $SPFA$算法(n个结点,m条边) 可以用于含有负权边的图
    • 时间复杂度：一般情况$O(m)$ 最坏 $O(nm)$
    • 基本思路：当一个结点的距离变小时，通过这个结点就有可能将到其他结点的距离减小。因此只需要建立一个队列，每次将距离变小的点放入队列即可，用队列中的点更新其他点。

  ---

  • $Floyd$(n个结点) 多源最短路
    • 时间复杂度：$O(n^3)$
    • 基本思路：每次利用一个结点($k$)更新所有结点(遍历($i,j$))之间的距离。
    • $k,i,j$的方式枚举，转移：$d[i][j]=min(d[i][j],d[i][k]+d[k][j])$

  ---

  • $Prim$(n个结点，m条边)
    • 朴素版：$O(n^2)$ 用于稠密图
      • 思路类似$Dijkstra$
      • 更新n次(选n个点)，每次选取一个非s集合中距离集合最近的点，去更新不在集合s中的点到集合s的距离。
    • 堆优化版：$O(mlogn)$ 用于稀疏图
      • 思路也是类似于$Dijkstra$
      • 注意点就是要用一个$cnt$进行计数，判断最后是否能构成最小生成树。如果存在孤立点$cnt$肯定小于n

  ---

  • $Kruskal$(n个结点，m条边)
    • 时间复杂度：$O(mlogm)$ 用于稀疏图
    • 基本思路：先用三元组把边存起来，然后按小到大排序，依次枚举每条边判断是否在一个集合中，不在一个集合中就加上这条边，并放到集合中，用并查集实现。

---

• 其他一些搜索算法的作用

  • 多源$BFS$

    • 基本思想就是把所有的起点都先放进队列，然后再开始$BFS$

  • 双端队列

    • 主要就是解决权值有0有1的问题，权值为0的放入队列的左边，权值为1的放到队列的右边。与堆优化版$Dijkstra$一样必须在出对时才知道每个点的最小值，而和一般的$BFS$不一样。

  • 双向广搜

    • 主要解决的就是搜索空间爆炸的问题。基本思想就是用两个队列一个从起点$BFS$一个从终点$BFS$，每次扩展一层。哪个队列的元素少就扩展哪一层。

  • A*

    • 基本思想是启发式搜索减少搜索空间，优化$BFS$，比如第$k$短路问题，暴力做法就是$BFS$暴力搜索。这样的化状态空间直接爆炸。感觉应该是不会考察这东西。
    • 上面那个问题是用$Dijkstra$反向计算最短路作为到终点的估计值。然后$Astar$函数优先队列存放$[distance+w[i]+dist[j],[distance+w[i],j]$其中$distance$存放的是$Astar$的到当前点的距离，$w[i]$是$i$这条边的长度，$dist[j]$表示结点$j$的估值函数的值也就是$Dijkstra$计算的值。一个点出队$k$次表示当前的$distance$是它的第$k$短路径。与$Dijkstra$不同的是当枚举$x$临界点时，每个点都需要入队，而$Dijkstra$则是更新了的点才入队。