图论知识和代码(一)

写在前面:这段时间到年末了,准备写点博客复习下以前学的一些知识,那么就先从图论开始吧

图论

目录

1.并查集

2.最短路

3.拓扑排序

4.生成树

5.二分图

6.欧拉路

7.网络流

8.连通性

这是我准备说的一些东西提前告诉大家那么先从并查集开始吧
这里假定大家已经知道什么是图,包括顶点,边,邻接表 , 邻接矩阵等基本的概念


并查集

——又叫union find , disjoint set

网上有很多关于并查集的博客,大多是用树的概念来说明的,我这次就用图的概念说下

现在图上有许多顶点,这些顶点各自为营,并且有她们的标号
这里写图片描述

那么这里也对应我们并查集的初始化
我就直接写一下

vector< int > disjoint ;
for( int i=0 ; i<= 5 ; i++){
disjoint.push_back( i ) ;
}
好现在我们把它们看成5个国家

2号国家国王 和 5号国家的国王是一对好基友,他们约定好你的就是我的

也就是他们两个结盟了对应的就是我们的Union

那么find就是找队友那自己毫无疑问是自己队友也就是我们一开始的初始化

int find( int u ){
return disjoint[u] == u ? u : disjoint[u] = find( disjoint[u]);
}
void Union( int u , int v ){
int fu = find( u ) ;
int fv = find( v ) ;
if( fu == fv )
return ;
disjoint[fv] = fu;
}
我们来看下结盟的过程
2号find一下 是自己毫无疑问
5号find一下 也是自己没问题
现在2!= 5
那么我们知道咋们还没结盟 , 接着我们让5号指向2号表示我们结盟了
这里写图片描述

也就是意味着我们现在这个无向图里有了一条边

然后我们可以按照这个方法和3号再结盟

接着我们可以对着图进行询问了

利用并查集我们可以
第一 , 我们可以判断 盟军关系 (find(3) 和find(5)相等代表盟军 )
第二 , 我们可以判断整个图是不是连通的(就任意两顶点有条路径)
第三, 我们可以继续让国家结盟

以防万一 大家如果没有听懂 , 那么我推荐一篇博客http://blog.csdn.net/dellaserss/article/details/7724401/

这篇博客说的也是很好的那么下一期会说一些并查集的题目

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,让我们来建模最大流问题。首先,我们需要导入 `networkx` 库来实现图论相关的功能。 ```python import networkx as nx ``` 接着,我们需要创建一个有向图,其中包含源点 `s`、汇点 `t`、以及其他的节点和边。这里我们使用 `DiGraph()` 函数创建一个有向图,并使用 `add_edge()` 函数来添加边。 ```python G = nx.DiGraph() # 添加边 G.add_edge('s', 'A', capacity=4) G.add_edge('s', 'B', capacity=5) G.add_edge('A', 'B', capacity=2) G.add_edge('A', 'C', capacity=3) G.add_edge('B', 'D', capacity=4) G.add_edge('C', 'D', capacity=6) G.add_edge('C', 't', capacity=2) G.add_edge('D', 't', capacity=5) ``` 在这个例子中,源点 `s` 到节点 `A` 的边的容量为 4,源点 `s` 到节点 `B` 的边的容量为 5,以此类推。现在我们已经建立了一个有向图,接下来可以使用 `max_flow()` 函数来计算最大流。 ```python # 计算最大流 flow_value, flow_dict = nx.maximum_flow(G, 's', 't') print('最大流:', flow_value) print('流量分配:', flow_dict) ``` 在这个例子中,最大流为 9,流量分配可以通过 `flow_dict` 来访问。 完整代码如下: ```python import networkx as nx # 创建有向图 G = nx.DiGraph() # 添加边 G.add_edge('s', 'A', capacity=4) G.add_edge('s', 'B', capacity=5) G.add_edge('A', 'B', capacity=2) G.add_edge('A', 'C', capacity=3) G.add_edge('B', 'D', capacity=4) G.add_edge('C', 'D', capacity=6) G.add_edge('C', 't', capacity=2) G.add_edge('D', 't', capacity=5) # 计算最大流 flow_value, flow_dict = nx.maximum_flow(G, 's', 't') print('最大流:', flow_value) print('流量分配:', flow_dict) ``` 输出结果为: ``` 最大流: 9 流量分配: {'s': {'A': 4, 'B': 5}, 'A': {'B': 2, 'C': 2}, 'B': {'D': 4}, 'C': {'D': 3, 't': 2}, 'D': {'t': 5}, 't': {}} ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值