mysql无向图_浅谈算法和数据结构: 十二无向图相关算法基础

最新推荐文章于 2022-04-18 10:30:12 发布

徐赓

最新推荐文章于 2022-04-18 10:30:12 发布

阅读量320

点赞数

文章标签： mysql无向图

本文链接：https://blog.csdn.net/weixin_36140683/article/details/113613121

版权

本文介绍了无向图的概念及其在现实生活中的广泛应用，并探讨了图的表示方法，如邻接矩阵和邻接列表。接着详细阐述了深度优先搜索（DFS）和广度优先搜索（BFS）算法，包括它们的工作原理、代码实现以及在迷宫探索问题中的应用。这些基础算法是图处理和后续复杂算法的核心。

摘要由CSDN通过智能技术生成

从这篇文章开始介绍图相关的算法，这也是Algorithms在线课程第二部分的第一次课程笔记。

图的应用很广泛，也有很多非常有用的算法，当然也有很多待解决的问题，根据性质，图可以分为无向图和有向图。本文先介绍无向图，后文再介绍有向图。

之所以要研究图，是因为图在生活中应用比较广泛：

无向图

图是若干个顶点(Vertices)和边(Edges)相互连接组成的。边仅由两个顶点连接，并且没有方向的图称为无向图。在研究图之前，有一些定义需要明确，下图中表示了图的一些基本属性的含义，这里就不多说明。

图的API 表示

在研究图之前，我们需要选用适当的数据结构来表示图，有时候，我们常被我们的直觉欺骗,如下图，这两个其实是一样的，这其实也是一个研究问题，就是如何判断图的形态。

要用计算机处理图，我们可以抽象出以下的表示图的API：

Graph的API的实现可以由多种不同的数据结构来表示，最基本的是维护一系列边的集合，如下：

还可以使用邻接矩阵来表示：

也可以使用邻接列表来表示：

由于采用如上方式具有比较好的灵活性，采用邻接列表来表示的话，可以定义如下数据结构来表示一个Graph对象。

public class Graph

{

private readonly int verticals;//顶点个数

private int edges;//边的个数

private List[] adjacency;//顶点联接列表

public Graph(int vertical)

{

this.verticals = vertical;

this.edges = 0;

adjacency=new List[vertical];

for (int v = 0; v < vertical; v++)

{

adjacency[v]=new List();

}

public int GetVerticals ()

{

return verticals;

}

public int GetEdges()

{

return edges;

}

public void AddEdge(int verticalStart, int verticalEnd)

{

adjacency[verticalStart].Add(verticalEnd);

adjacency[verticalEnd].Add(verticalStart);

edges++;

}

public List GetAdjacency(int vetical)

{

return adjacency[vetical];

}

图也分为稀疏图和稠密图两种，如下图：

在这两个图中，顶点个数均为50，但是稀疏图中只有200个边，稠密图中有1000个边。在现实生活中，大部分都是稀疏图，即顶点很多，但是顶点的平均度比较小。

采用以上三种表示方式的效率如下：

在讨论完图的表示之后，我们来看下在图中比较重要的一种算法，即深度优先算法：

深度优先算法

在谈论深度优先算法之前，我们可以先看看迷宫探索问题。下面是一个迷宫和图之间的对应关系：

迷宫中的每一个交会点代表图中的一个顶点，每一条通道对应一个边。

迷宫探索可以采用Trémaux绳索探索法。即：

在身后放一个绳子

访问到的每一个地方放一个绳索标记访问到的交会点和通道

当遇到已经访问过的地方，沿着绳索回退到之前没有访问过的地方：

图示如下：

下面是迷宫探索的一个小动画：

深度优先搜索算法模拟迷宫探索。在实际的图处理算法中，我们通常将图的表示和图的处理逻辑分开来。所以算法的整体设计模式如下：

创建一个Graph对象

将Graph对象传给图算法处理对象，如一个Paths对象

然后查询处理后的结果来获取信息

下面是深度优先的基本代码，我们可以看到，递归调用dfs方法，在调用之前判断该节点是否已经被访问过。

public class DepthFirstSearch

{

private bool[] marked;//记录顶点是否被标记

private int count;//记录查找次数

private DepthFirstSearch(Graph g, int v)

{

marked = new bool[g.GetVerticals()];

dfs(g, v);

}

private void dfs(Graph g, int v)

{

marked[v] = true;

count++;

foreach (int vertical in g.GetAdjacency(v))

{

if (!marked[vertical])

dfs(g,vertical);

}

public bool IsMarked(int vertical)

{

return marked[vertical];

}

public int Count()

{

return count;

}

试验一个算法最简单的办法是找一个简单的例子来实现。

深度优先路径查询

有了这个基础，我们可以实现基于深度优先的路径查询，要实现路径查询，我们必须定义一个变量来记录所探索到的路径。

所以在上面的基础上定义一个edgesTo变量来后向记录所有到s的顶点的记录，和仅记录从当前节点到起始节点不同，我们记录图中的每一个节点到开始节点的路径。为了完成这一日任务，通过设置edgesTo[w]=v，我们记录从v到w的边，换句话说，v-w是做后一条从s到达w的边。 edgesTo[]其实是一个指向其父节点的树。

public class DepthFirstPaths

{

private bool[] marked;//记录是否被dfs访问过

private int[] edgesTo;//记录最后一个到当前节点的顶点

private int s;//搜索的起始点

public DepthFirstPaths(Graph g, int s)

{

marked = new bool[g.GetVerticals()];

edgesTo = new int[g.GetVerticals()];

this.s = s;

dfs(g, s);

}