《算法竞赛入门经典(第2版)》
《计算机考研——机试指南(第2版)》
11图论模型与算法
11.1再谈树
11.1.1无根树转有根树
n个结点 n-1条边
存储:邻接矩阵(n^2)—>vector数组
vector<int> G[MAXN];
void read_tree()
{
int u,v;
cin>>n;
for(int i=0; i<n-1; i++)
{
cin>>u>>v;
G[u].push_back(v);
G[v].push_back(u);
}
}
void dfs(int u, int father) //以u为根的子树,u的父节点为father
{
int d = G[u].size();//结点u的相邻点个数
for(int i=0; i<d; i++)
{
int v = G[u][i];
if(v!=father)
{
dfs(v, p[v]=u);//v的父结点设为u,递归转化以v为根的子树
}
}
}
主程序
p[root]=-1;
dfs(root, -1);
11.1.2表达式树
11.2最小生成树(Minimal Spanning Tree)
并查集(Union-Find Set)
用途:处理不交集(Disjoint Set)的合并和查询问题。
功能:
1)查询:判断任意两个元素是否属于同一个集合——根结点是否相同(路径压缩:查找某个特定结点的根结点的同时,将其与根结点之间的所有结点都直接指向根结点)
2)合并:按照要求合并不同的集合——将一棵树作为另外一棵树的子树(总是将高度较低的树,作为高度较高的树的子树进行合并)
int Find(int x)
{
if(x!=father[x])
{
father[x]=Find(father[x]);
}
return father[x];
}
void Union(int x, int y)
{
x = Find(x);
y = Find(y);
if(x!=y){
if(height[x]<height[y])
{
father[x]=y;
}
else if(height[y]<height[x])
{
father[y]=x;
}
else{
father[y]=x;
height[x]++;
}
}
return;
}
Kruskal和Prim算法:
https://haokan.baidu.com/v?pd=wisenatural&vid=13606880642872584625
Kruskal算法
算法步骤:
代码:
struct Edge
{
int from;
int to;
int w;
bool operator<(const Edge& e)const {
return w < e.w;
}
}
Edge edge[MAXN*MAXN];
int father[MAXN];
int height[MAXN];
int Kruskal(int n, int edgeNumber)
{
//初始化并查集
for(int i=0; i<n; i++)
{
father[i]=i;
height[i]=0;
}
//边按权值排序
sort(edge,edge+edgeNumber);
int sum=0;
for(int i=0; i<edgeNumber; i++)
{
Edge current = edge[i];
if(Find(current.from)!=Find(current.to))
{
Union(current.from, current.to);
sum+=current.w;
}
}
return sum;
}
买还是建(UVa1151):Kruskal算法 边的选取
Prim算法
时间复杂度:O(n^2),适合稠密图
11.3最短路问题
Dijkstra算法
计算正权图上的单源最短路(SSSP),适用于有向图和无向图
O(mlogn):
struct Edge{
int to;
int length;
Edge(int t, int l): to(t),length(l){}
};
struct Point{
int number; //点的编号
int distance; //源点s到点的距离
Point(int n, int d): number(n), distance(d){}
bool operator<(const Point& P)const{
return distance > P.distance; //距离小的优先级高
}
}
vector<Edge> graph[MAXN]; //图(邻接表)
int dist[MAXN]; //源点到各点的距离
void Dijkstra(int s)
{
priority_queue<Point> myPQ;
dist[s]=0;
myPQ.push(Point(s,dist[s]));
while(!myPQ.empty())
{
int u = myPQ.top().number; //离源点最近的点
myPQ.pop();
for(int i=0; i<graph[u].size; i++)
{
int v = graph[u][i].to;
int d = graph[u][j].length;
if(dist[v]>dist[u]+d)
{
dist[v]=dist[u]+d;
myPQ.push(Point(v,dist[v]));
}
}
}
return;
}
int main(){//部分代码
int n,m;
......
for(int i=0; i<n; i++) dist[i]=INF;//n点的数目
while(m--)
{
int from, to, length;
cin>>from>>to>>length;
graph[from].push_back(Edge(to,length));
graph[to].push_back(Edge(from,length));
}
......
Bellman-Ford算法
如果最短路存在,一定存在一个不含环的最短路。
最短路最多只经过(不包括起点)n-1个结点,可以通过n-1轮松弛操作得到。
适用:
边权可正可负
单源最短路径
有向图&无向图
差分约束系统
https://blog.csdn.net/u011893609/article/details/81232124
1.只有上一次迭代中松弛过的点才有可能参与下一次迭代的松弛操作
2.迭代的实际意义:每次迭代k中,我们找到了经历了k条边的最短路。
3.“没有点能够被松弛”时,迭代结束
Floyd算法
https://www.freesion.com/article/354373291/