图
图的逻辑结构
图的定义：
图是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G=(V，E)其中：G表示一个图，V是图G中顶点的集合，E是图G中顶点之间边的集合。
基本定义：
有向图
无向图
简单图
邻接、依附（有向图和无向图不同）
有向完全图
无向完全图
稀疏图
稠密图
顶点的度
顶点的入度
顶点的出度
权
网
路径
…
深度优先遍历：
基本思想 ：
⑴ 访问顶点v；
⑵ 从v的未被访问的邻接点中选取一个顶点w，从w出发进行深度优先遍历；
⑶ 重复上述两步，直至图中所有和v有路径相通的顶点都被访问到。
（深度优先搜索是带回溯的许多问题的解决
都是通过深度优先搜索方法解决的）
广度优先遍历
基本思想：
⑴ 访问顶点v；
⑵ 依次访问v的各个未被访问的邻接点v1, v2, …, vk；
⑶ 分别从v1，v2，…，vk出发依次访问它们未被访问的邻接点，并使“先被访问顶点的邻接点”先于“后被访问顶点的邻接点”被访问。直至图中所有与顶点v有路径相通的顶点都被访问到。
图的存储结构及实现
邻接矩阵表示方法
基本思想：
用一个一维数组存储图中顶点的信息
用一个二维数组（称为邻接矩阵）存储图中各顶点之间的邻接关系。
假设图G＝(V，E)有n个顶点，则邻接矩阵是一个n×n的方阵，定义为：
arc[i][j]＝1 （若(vi, vj)∈E（或<vi, vj>∈E））
arc[i][j]＝0 （其它）
特点：
主对角线为 0 且一定是对称矩阵。
1.如何求顶点i的度？
邻接矩阵的第i行（或第i列）非零元素的个数。
2.如何判断顶点 i 和 j 之间是否存在边？
测试邻接矩阵中相应位置的元素arc[i][j]是否为1。
3.如何求顶点 i 的所有邻接点？
将数组中第 i 行元素扫描一遍，若arc[i][j]为1，则顶点 j 为顶点 i 的邻接点。
4.如何求顶点 i 的出度？
邻接矩阵的第 i 行元素之和。
5.如何求顶点 i 的入度？
邻接矩阵的第 i 列元素之和。
6.如何判断从顶点 i 到顶点 j 是否存在边？
测试邻接矩阵中相应位置的元素arc[i][j]是否为1
构造函数
template <class T>
MGraph::MGraph(T a[ ], int n, int e) {
vertexNum=n; arcNum=e;
for (i=0; i<vertexNum; i++)
vertex[i]=a[i];
for (i=0; i<vertexNum; i++) //初始化邻接矩阵
for (j=0; j<vertexNum; j++)
arc[i][j]=0;
for (k=0; k<arcNum; k++) {
cin>>i>>j; //边依附的两个顶点的序号
arc[i][j]=1; arc[j][i]=1; //置有边标志
}
}
深度优先遍历
int visited[MaxSize];
template <class T>
void MGraph::DFSTraverse(int v)
{
cout<<vertex[v]; visited [v]=1;
for (j=0; j<vertexNum; j++)
if (arc[v][j]==1 && visited[j]==0)
DFSTraverse( j );
}
广度优先遍历：
int visited[MaxSize];
template <class T>
void MGraph::BFSTraverse(int v){
front=rear=-1; //假设采用顺序队列且不会发生溢出
int Q[MaxSize]; cout<<vertex[v]; visited[v]=1; Q[++rear]=v;
while (front!=rear) {
v=Q[++front];
for (j=0; j<vertexNum; j++)
if (arc[v][j]==1 && visited[j]==0 ) {
cout<<vertex[j]; visited[j]=1; Q[++rear]=j;
}
}
}
邻接矩阵上的其他操作：
增加一个点：
template <class T>
void MGraph<T>::InsertVex(int num,T name) {
if ( num<0|| num>vertexNum) throw "位置";
int row, col, numv;
numv = vertexNum-1;
vertexNum++;
for(int i=numv;i>=num;i--) vertex[i++]=vertex[i];
vertex[num]=name;
for(row=numv;row>=0;row--) {所有行上num列之后的列后移，增加一列，
for(col=numv;col>=num;col--) arc[row][col+1]=arc[row][col];
arc[row][num]=0;
}
for(row=numv;row>=num;row--)
for(col=0;col<=numv+1;col++) arc[row+1][col]=arc[row][col];
for(col=0;col<vertexNum;col++) arc[num][col]=0;
}
删除一个顶点
template <class T> void MGraph<T>::DeleteVex(int pos){
if ( pos<0|| pos>MaxSize) throw "位置";
int row， col;
int numv=vertexNum;
for(int i=pos;i<numv;i++) vertex[i]=vertex[i+1];
vertexNum--;
for(row=0;row<numv;row++) { //删除一列
for(col=pos;col<numv;col++) arc[row][col]=arc[row][col+1];
}
for(row=pos;row<numv;row++)
for(col=0;col<numv;col++)
arc[row][col]=arc[row+1][col];
}
}
插入一条边
tmplate <class T>
void MGraph<T>::InsertArc(int i, int j)
{
if ( i>MaxSize|| j>MaxSize) throw "位置";
arc[i][j]=1;
arc[j][i]=1;
}
删除一条边
template <class T>
void MGraph<T>::DeleteArc(int i, int j)
{
if ( i>MaxSize|| j>MaxSize) throw "位置";
arc[i][j]=arc[j][i]=0;
}
图的连通性
有向图的连通子图的求解过程
⑴ 从某顶点出发进行深度优先遍历，并按其所有邻接点都访问完（即出栈）的顺序将顶点排列起来。
⑵ 从最后完成访问的顶点出发，沿着以该顶点为头的弧作逆向的深度优先遍历。若不能访问到所有顶点，则从余下的顶点中最后访问的那个顶点出发，继续作逆向的深度优先遍历，直至有向图中所有顶点都被访问到为止。
普里姆（Prim）算法——基本思想：
设G=(V, E)是具有n个顶点的连通网，
T=(U, TE)是G的最小生成树，
T的初始状态为U={u0}（u0∈V），TE={ }，
重复执行下述操作：
在所有u∈U，v∈V-U的边中找一条代价最小的边(u, v)并入集合TE，同时v并入U，直至U=V。
最小生成树
Prim算法——伪代码：
初始化两个辅助数组lowcost（=arc[0][i]）和adjvex(=0)(0是始点)；
输出顶点u0，将顶点u0加入集合U中；
重复执行下列操作n-1次
3.1 在lowcost中选取最短边(lowcost[k])，取对应的顶点序号k；
3.2 输出顶点k和对应的权值；
3.3 将顶点k加入集合U中（lowcost[k]=0）；
3.4 调整数组lowcost和adjvex；
Void prime(MGraph G){
for(int i=1;i<G.vertexNu;i++){
lowcost[i]=G.arc[0][i]; adjvex[i]=0;
}
lowcost[0]=0;
for(i=1;i<G.vertexNum;i+++){
k=MinEdge(lowcost,G.vertexNum)
cout<<K<<adjvex[k]<<lowcost[k];
lowcost[k]=0;
for(j=1;j<G.vertexNum;j++)
if((G.arc[k][j]<lowcost[j]){
lowcost[j]=G.arc[k][j];
arcvex[j]=k;
}
}
}
克鲁斯卡尔（Kruskal）算法 ——基本思想：
1.设无向连通网为G＝(V, E)，令G的最小生成树为T＝(U, TE)，其初态为U＝V，TE＝{ }，
2.然后，按照边的权值由小到大的顺序，考察G的边集E中的各条边。
（1）若被考察的边的两个顶点属于T的两个不同的连通分量，则将此边作为最小生成树的边加入到T中，同时把两个连通分量连接为一个连通分量；
（2）若被考察边的两个顶点属于同一个连通分量，则舍去此边，以免造成回路，
3.如此下去，当T中的连通分量个数为1时，此连通分量便为G的一棵最小生成树。
克鲁斯卡尔（Kruskal）算法 ——伪代码：
初始化：U=V； TE={ }；
循环直到T中的连通分量个数为1
2.1 在E中寻找最短边(u，v);
2.2 如果顶点u、v位于T的两个不同连通分量，则
2.2.1 将边(u，v)并入TE；
2.2.2 将这两个连通分量合为一个；
2.3 在E中标记边(u，v)，使得(u，v)不参加后续最短边的选取；
关键问题：
1.图的存储结构
采用边集数组存储图。
2.如何判断一条边所依附的两个顶点在同一个连通分两中
定义Parent[i]数组，辅助完成连通分量的处理。数组分量的值表示顶点i的双亲节点（初值为-1；）
当一条边（u,v）的两个顶点的根结不同时，这两个结点属于不同的连通分量（利用parent 数组查找一棵树的根节点。当一个结点n的parent==-1，树的根节点即为n）
3. 如何将一条边所依附的两个顶点合并到同一个连通分量中
要进行联通分量的合并 ，其中一个顶点所在的树的根节点为vex1，另一个顶点所在的树的根节点为vex2，则：parent[vex2]=vex1；
for (k=0;k<arcNum;k++) {
begin=edge[k].from; end=edge[k].to;
int m,n;
m=Find(parent,begin); n=Find(parent,end);
if(m!=n) {
cout<<begin<<","<<end<<","<<edge[k].weight<<endl;
parent[n]=m; count++;
if(count==vertexNum-1) break;
}
}
return 0;
}
int Find(int *parent, int node)
{
int f;
f=node;
while(parent[f]>-1)
f=parent[f];
return f;
}
—
最短路径
Dijkstra算法和Floyed算法
最短路径：
在非网图中，最短路径是指两顶点之间经历的边数最少的路径。
在网图中，最短路径是指两顶点之间经历的边上权值之和最短的路径。
最短路径问题：
单源点到其他顶点的最短路径：
Dijkstra方法，O（n2）按路径长度递增
任意一对顶点之间的最短路径：
Floyed方法，O（n3）
Dijkstra算法：按路径长度递增
1.设置一个集合S存放已经找到最短路径的顶点，S的初始状态只包含源点v，
2.对vi∈V-S，假设从源点v到vi的有向边为最短路径（从v到其余顶点的最短路径的初值）。
3.以后每求得一条最短路径v, …, vk，就将vk加入集合S中，并将路径v, …, vk , vi与原来的假设相比较，取路径长度较小者为最短路径。
4.重复上述过程，直到集合V中全部顶点加入到集合S中。
路径长度最短的最短路径（即第一条最短路）的特点：
在这条路径上，必定只含一条边，并且这条边上的权值最小。
下一条路径长度次短的最短路径的特点：
（1）直接从源点到该点(只含一条边)；
（2）从源点经过顶点v1（第一条最短路径所依附的顶点），再到达该顶点(由两条边组成)。
再下一条路径长度次短的最短路径的特点：
（1）直接从源点到该点(只含一条边)；
（2）从源点经过顶点v1，再到达该顶点(由两条边组成)；
（3）从源点经过顶点v2，再到达该顶点（两条条边）；
（4）从源点经过顶点v1、v2，再到达该顶点（多条边）。
其余最短路径的特点：
（1）直接从源点到该点(只含一条边)；
（2）从源点经过已求得最短路径的顶点（集合S中的顶点），再到达该顶点。
Dijkstra算法的主要步骤：
(1) g为用邻接矩阵表示的带权图。
S←{v0} ， dist［i］= g.arcs［v0］［vi］,path[i]=“v0vi”或“”；
将v0到其余顶点的路径长度初始化为权值；
(2) 选择vk，使得
dist［vk］=min(dist［i］ | vi∈V-S)
vk为目前求得的下一条从v0出发的最短路径的终点。
将vk加入到S中
(3) 修改从v0出发到集合V-S上任一顶点vi的最短路径的长度。如果
dist[k]+ g.arcs[k][i]<dist[i]
则将dist[i]修改为
dist[k]+ g.arcs[k][i]
path[i]=path[k]+”vi”
(4) 重复(2)、(3) n-1次，即可按最短路径长度的递增顺序，逐个求出v0到图中其它每个顶点的最短路径。
const int MAX=1000;
void Dijkstra(MGraph g, int v){
for ( i =0; i<g.vexnum ; i++){
dist[i]=g.arcs[v][i];
if ( dist[i]!= MAX)
path [i]=g.vertex[v]+g.vertex[i];
else
path[i]=“”;
}
S[0]=g.vertex[v];
num=1;
While (num<g.vextexNum){
k=0;
for(i=0;i<G.vertexNum;i++)
if((dist[i]<dist[k]) k=i
cout<<dist[k]<<path[k];
s[num++]=G.vertex[k];
for(i=0;i<G.vertexNum;i++)
if(dist[k]+g.arc[k][i]<dist[i] {
dist[i]=dist[k]+g.arc[k][i];
path[i]=path[k]+g.vertex[i];
}
}
}
Floyed算法——基本思想：
设图g用邻接矩阵法表示， 求图g中任意一对顶点vi、 vj间的最短路径。
（-1） 将vi到vj 的最短的路径长度初始化为(vi,vj)， 然后进行如下n次比较和修正：
（0） 在vi、vj间加入顶点v0，比较（vi, v0, vj）和(vi, vj)的路径的长度，取其中较短的路径作为vi到vj的且中间顶点号不大于0的最短路径。
（1） 在vi、vj间加入顶点v1，
得（vi, …，v1）和(v1, …，vj)，其中：
（vi, …, v1）是vi到v1 的且中间顶点号不大于0的最短路径，
(v1, …, vj) 是v1到vj 的且中间顶点号不大于0的最短路径，
这两条路径在上一步中已求出。
将（vi, …, v1, …, vj）与上一步已求出的且vi到vj 中间顶点号不大于0的最短路径比较，取其中较短的路径作为vi到vj 的且中间顶点号不大于1的最短路径。
（2）在vi、vj间加入顶点v2，得
（vi, …, v2）和(v2, …, vj)， 其中：
（vi, …, v2）是vi到v2 的且中间顶点号不大于1的最短路径，
(v2, …, vj) 是v2到vj 的且中间顶点号不大于1的最短路径，
这两条路径在上一步中已求出。
将（vi, …, v2, …, vj）与上一步已求出的且vi到vj 中间顶点号不大于1的最短路径比较， 取其中较短的路径作为vi到vj 的且中间顶点号不大于2的最短路径。
void Floyd(MGraph G)
{
for (i=0; i<G.vertexNum; i++)
for (j=0; j<G.vertexNum; j++)
{
dist[i][j]=G.arc[i][j];
if (dist[i][j]!=∞)
path[i][j]=G.vertex[i]+G.vertex[j];
else path[i][j]="";
}
for (k=0; k<G.vertexNum; k++)
for (i=0; i<G.vertexNum; i++)
for (j=0; j<G.vertexNum; j++)
if (dist[i][k]+dist[k][j]<dist[i][j]) {
dist[i][j]=dist[i][k]+dist[k][j];
path[i][j]=path[i][k]+path[k][j];
}
}
AOV网与拓扑排序
拓扑排序：
基本思想：
⑴ 从AOV网中选择一个没有前驱的顶点并且输出；
⑵ 从AOV网中删去该顶点，并且删去所有以该顶点为尾的弧；
⑶ 重复上述两步，直到全部顶点都被输出，或AOV网中不存在没有前驱的顶点。
AOV-网的特性如下：
若vi为vj的先行活动，vj为vk的先行活动，则vi必为vk的先行活动，即先行关系具有可传递性。
显然，在AOV-网中不能存在回路，否则回路中的活动就会互为前驱，从而无法执行。
AOV-网的拓扑序列不是唯一的。
基于邻接表的拓扑排序基本思想：
（1）找G中无前驱的顶点查找indegree ［i］为零的顶点vi；
（2）修改邻接于顶点i的顶点的入度（删除以i为起点的所有弧）
对链在顶点i后面的所有邻接顶点k，将对应的indegree［k］ 减1。
为了避免重复检测入度为零的顶点，可以再设置一个辅助栈，若某一顶点的入度减为0，则将它入栈。每当输出某一入度为0的顶点时，便将它从栈中删除。
void TOpSort(){
int top=-1, count=0;
for(int i=0;i<vertexnum;i++)
if(adjlist[i].in==0) s[++top]=i;
while(top!=-1){
j=s[top--]; cout <<adjlist[j].vertext; count++;
p=adjlist[j].firstedge;
while(p!=NULL){
k=p->adjvex; adjlist[k].in--;
if(adjlist[k].in==0) s[top++]=k;
p=p->next;
}
}
If (count<vertexNum) cout<<“有回路”；
}
AOE网与关键路径
定义：
在一个表示工程的带权有向图中，用顶点表示事件，用有向边表示活动，边上的权值表示活动的持续时间，称这样的有向图叫做边表示活动的网，简称AOE网。
特点：
AOE网中没有入边的顶点称为始点（或源点），没有出边的顶点称为终点（或汇点）。
AOE网的性质：
⑴ 只有在某顶点所代表的事件发生后，从该顶点出发的各活动才能开始；
⑵ 只有在进入某顶点的各活动都结束，该顶点所代表的事件才能发生。
解决方法：
首先计算以下与关键活动有关的量：
⑴ 事件的最早发生时间ve[k]
q.push(0);//源点时间入队
for(j=0;j<vertexnum;j++) { //初始化每个事件最早发生时间
ve[j]=0; visit[j]=0; }
visit[0]=1;
while(!q.empty()) {
i=q.front(); //利用标准模板库中的队列实现
q.pop();
for(j=0;j<vertexnum;j++){//计算i的邻接点的ve
if(adjlist[i][j]!=9999 && ve[i]+adjlist[i][j]>ve[j] ){
ve[j]=ve[i]+adjlist[i][j];
if(!visit[j]) //如果j没有被访问过，顶点j入队
q.push(j);
visit[j]=1;
}
}
}
⑵ 事件的最迟发生时间vl[k]
q.push(vertexnum-1);
for(j=0;j<vertexnum;j++) {
vl[j]=ve[vertexnum-1]; visit[j]=0; }
while(!q.empty()) {
i=q.front();
q.pop();
for(j=0;j<vertexnum;j++) {
if(adjlist[j][i]!=9999 && vl[i]-adjlist[j][i]<vl[j] ){
vl[j]=vl[i]-adjlist[j][i];
if(!visit[j])
q.push(j);
visit[j]=1;
}
}
}
⑶ 活动的最早开始时间e[i]
for(i=0;i<e;i++)
{
edge[i].e=ve[edge[i].from];
}
⑷ 活动的最晚开始时间l[i]
for(i=0;i<e;i++)
{
edge[i].e=ve[edge[i].from];
edge[i].l=vl[edge[i].to]-adjlist[edge[i].from][edge[i].to];
if(edge[i].e==edge[i].l)
cout<<edge[i].from<<" "<<edge[i].to<<endl;
}
最后计算各个活动的时间余量 l[k] - e[k]，时间余量为0者即为关键活动。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
