【算法与数据结构 の 相关概念】图

图

相关概念

图表示“多对多”的关系，包括

一组顶点(使用V表示顶点集合)，度表示依附于某顶点v的边数，入度表示指以顶点为终点的弧的数目，出度表示指以顶点为起点的弧的数目，领接点表示与该顶点直接相连的边。

一组边或弧(使用E表示边或弧的集合)，边存在于无向图中,使用无序偶对表示(v1,v2)，弧存在于有向图中,使用有序偶对表示(v1,v2),v1表示起点,v2表示终点。权值表示对应边所赋予的一个数值。
另外两个顶点之间不存在重边和，一条边的起点和终点不能不经过任何结点然后指向自己。

**连通：**无向图中顶点V与W之间存在一条无向路径
**路径长度：**无权图,路径的边数之和，有权图,所有边的权值之和
**连通图：**图中任意两顶点均连通
**连通分量：**无向图的极大连通子图

**强连通：**有向图中顶点V和W之间存在双向路径
**强连通图：**有向图中任意两顶点均强连通
**强连通分量：**有向图的极大强连通子图

图的表示

邻接矩阵(更适用于稠密图(边多))

对于网络，则需要将G[i][j]的值定义为(v1,v2)的权重即可

邻接表(更适用于稀疏图(边少))

对于网络，则需要在指针中增加一个表示权重的数据域即可
对于有向图，则链表的第一个元素表示起点，链接的元素表示终点，这样有利查看出度，但如果要查看入度的话，需要构造“逆邻接表”(存指向自己顶点）

相关操作

创建插入

邻接矩阵

邻接表

遍历

深度优先搜索(DFS)

//伪码描述:
//从第一个点出发递归遍历，当某点的周围都被遍历过一遍的话，
//则函数返回到上一层，即沿来时的路径返回，直到返回到起点为止
//类似于树的先序遍历
void DFS(Vertex V){
	visit[V]=true; 	//访问该处结点
	for(V的每一个邻接点W){	
		if(!visit[W]) 
			DFS(W);//查找该处结点的邻接点是否被访问，
	}			   //若没有被访问则进行DFS递归调用
}

广度优先搜索(BFS)

//伪码描述：
//首先压根结点入栈，当队列非空时，循环出栈队列中的元素，
//并将该元素周围的元素依次访问并压入栈
//类似于树的层序遍历
void BFS(Vertex V){
	visit[V]=true;
	Enqueue(V,Q);
	while(!Q.empty()){
		V=Dequeue(Q);
		for(V的每一个邻接点W)
			if(!visit[W]) {
				visit[W]=true;
				Enqueue(W,Q);
			}
	}
}

图不连通的遍历操作

//伪码描述：
//查看每一个结点是否有被访问，再对没有被访问过的结点进行访问，
//即可保证不连通图的遍历操作
void ListComponents( Graph G ) { 
	for( each V in G ) 
		if( !visited[V] ) { 
		DFS( V ); /*or BFS( V )*/ } 
		}
}

单源最短路径

从某固定源点出发，求其 到所有其他顶点的最短路径

无权图

//伪码描述：以BFS为参照,dist[S] = 0
//时间复杂度T= O( |V| + |E| )
void Unweighted( Vertex S ) { 
	Enqueue(S, Q); 
	while(!IsEmpty(Q)){ 
		V = Dequeue(Q); for( V 的每个邻接点W ) 
			if( dist[W]==-1  ) { 
				dist[W] = dist[V]+1; //S到W的最短距离 
				path[W] = V; //S到W的路上经过的某顶点
				Enqueue(W, Q); 
			} 
	} 
}
//这道题可以这么理解
/*********
1->2->3->4
1->4
从1出发，要寻找4的最小路径，
以1为圆心画个圆，可以发现半径为1的圆比半径为4的圆更先到达4，所以1->4即为最短路径
*********/

有权图

//伪码描述：Dijkstra算法(不能解决有负边的情况)
//每次从未收录的顶点V中选一个dist最小的收录
//每收录一个V都可能影响邻接点W的值
void Dijkstra( Vertex s ) {
	while(1) { 
		V = 未收录顶点中dist最小者; 
		if( 这样的V不存在) break; 
		collected[V] = true; 
		for ( V 的每个邻接点W ) 
			if( collected[W] == false ) 
				if( dist[V]+E<V,W>< dist[W] ) {						  
				  dist[W] = dist[V] + E<V,W>; 	
				  path[W] = V; 
				} 
	} 
}
//时间复杂度
//直接扫描所有未收录的T= O(|V|*|V| + |E|)，有利于稠密图
//使用最小堆保存T= O(|V|log|V| + |E|log|V|) ，有利于稀疏图

多源最短路径

求任意两顶点间的最短路径

//方法一：直接将单源最短路算法调用|V|遍 
//时间复杂度T= O(|V|*|V|*|V| + |E|*|V|)，对于稀疏图效果好

//方法二：伪码描述：Floyd算法
//时间复杂度T= O(|V|*|V|*|V|)，对于稠密图效果好
//假设第k-1次递归已经完成，对于第k次递归，
//若k的加入使得D[i][k]+D[k][j]变小，则保存路径，否则不保存路径
void Floyd() {  
	for ( i = 0; i < N; i++ ) 
		for( j = 0; j < N; j++ ) { 
		//G为邻接矩阵，D保存i与j结点的的最短路径
			D[i][j] = G[i][j]; 	
			path[i][j] = -1; 
		} 
	for( k = 0; k < N; k++ ) 
		for( i = 0; i < N; i++ ) 
			for( j = 0; j < N; j++ ) 
				if( D[i][k] + D[k][j] < D[i][j] ) {
				 D[i][j] = D[i][k] + D[k][j];  
				 path[i][j] = k; 
				} 
}

AOV网络

**拓扑序：**如果图中从V到W有一条有向路径， 则V一定排在W之前。满足此条件的顶点序列 称为一个拓扑序
**AOV：**存在有合理的拓扑序，即是有向无环图
例题：

代码：

//伪码描述：
//每次循环输出无前驱顶点的顶点
//时间复杂度：T= O(|V| + |E|)
void TopSort() { 
	for( 图中每个顶点V ) 
	if( Indegree[V]==0 ) //Indegree[V]代表顶点V的入度数
		Enqueue( V, Q ); 
	while( !IsEmpty(Q) ) { 
		V = Dequeue( Q ); 
		输出V，或者记录V的输出序号; cnt++; 
		for( V 的每个邻接点W ) 
			if( ––Indegree[W]==0 ) 
			Enqueue( W, Q ); 
	} 
	if( cnt!= |V| ) Error( “图中有回路”); 
}

AOE网络

例题

判断有向图是否有环

深度优先遍历
从编号0的顶点出发，若两个顶点间存在路径，则记录下源顶点标记为已访问（标记为-1），同时判断上源顶点是否为已访问，若上源顶点未被访问则标为-1，若上源定点给已访问则说明有向图中存在环

拓扑排序
循环删除入度为0的结点，同时删除已该节点为出度的弧，若最后还剩下结点，则说明有向图内存在环

判断无向图是否有环

深度优先遍历
在搜索过程中判断是否会出现后向边（DFS中，连接顶点u到它的某一祖先顶点v的边），即在DFS对顶点进行着色过程中，若出现所指向的顶点为黑色，则此顶点是一个已经遍历过的顶点（祖先），出现了后向边，若完成DFS后，则图中有回路；

广度优先遍历
在遍历过程中，为每个节点标记一个深度deep，如果存在某个节点为v，除了其父节点u外，还存在与v相邻的节点w使得deep[v]<=deep[w]的，那么该图一定存在回路；

图的邻接表
首先统计每个顶点的度，然后重复寻找一个度为1的顶点，将度为1和0的顶点从图中删除，并将与该顶点相关联的顶点的度减1，然后继续反复寻找度为1的，在寻找过程中若出现若干顶点的度都为大于1，则这些顶点组成了一个回路；否则，图中不存在回路。