数据结构之 图

前言

数据结构中 图的重要性不言而喻了，在此进行学习记录。

参考文章：

1. 《数据结构与算法Python语言》 这本书

1. 图的基本概念

1.1 图的定义

G= <V,E>
图是由顶点和边组成
图的分类：

• 有向图
  边是有方向，是顶点的有序对
  出度：由它指向别的顶点的个数
  入度：别的顶点指向它的个数
• 无向图
  边是没有方向，是顶点的无序对
  度：顶点连接其他顶点的边的个数

1.2 图的一些概念和性质

• 完全图：任意两个顶点之间都有边的图（有向图或无向图）

• 路径：顶点到另一个顶点经过的边

• 回路（环路）起点和终点相同的路径
  简单回路：一个环路除起点和终点外其他顶点均不相同

• 有根图：有向图中存在一个顶点到其他顶点均有路径

连通图

• 连通：存在顶点到顶点的路径
• 连通无向图：无向图中任意两个顶点之间都连通
• 强连通有向图：有向图，任意两个顶点都连通
• 最小连通图：去掉任意一条边，都不是连通图

完全无向图都是连通图，完全有向图都是强连通有向图；反之不对。

子图、连通子图

• 子图：就是原图的一部分
• 连通子图：子图是连通的，称为原图的连通子图

带权图和网络

• 带权图： 每条边都被赋予一个权值
• 网络：带权的连通无向图

图抽象数据类型

• 图看作是一种数据结构
• 定义一个图抽象数据类型的操作
  

图的表示

• 邻接矩阵
  无向图：
  有向图：
  

邻接矩阵表示法的缺点：空间浪费比较大
为了降低图表示的空间代价，可看作邻接矩阵的压缩版，方法有：

• 邻接表表示法

• 邻接多重表表示法

• 图的十字链表表示法

• 邻接表
  为图中每个顶点关联一个边表，记录这个顶点的所有邻接边
  
  具体Python实现暂不进行讨论。

2. 基本图算法

2.1 图的遍历

• 深度优先遍历（DFS）：深度优先搜索
• 广度优先遍历（BFS）：广度优先搜索

2.2 生成树

生成树：原图，N个顶点和N-1 边的子图，最小连通子图，生成树
遍历：DFS、BFS

最小生成树：带权图，权值最小的生成树成为最小生成树

解法：

• Kruskal 算法
  权值排序，从小往大选取，相同权值选择其中一个
  n顶点，n-1 边
  最小生成树不唯一

• Prim算法
  从一个顶点出发，选择最小权重，逐步扩充包含该顶点的部分生成树
  

2. 3 最短路径

定义：

• 路径长度： 顶点到顶点的一个路径上各边长度之和
• 最短路径长度：路径长度中最短的
• 实际应用：运输（最短里程、最短运费、最低成本、最少时间）；加工或者工作流程

算法：
- Dijkstra 算法
一个给定顶点到其他顶点的最短路径
要求图中所有边的权值不小于0

• Floyd 算法
  直接求出所有顶点之间的最短路径及其长度

2.4 AOV/AOE 网及其算法

• AOV ： 有向图中的边表示各项活动之间的先后顺序，成为顶点活动网或AOV
  可以把AOV网络里的有向边看作一种“顺序”关系。拓扑排序问题就是问，在一个AOV网里的活动能否排成一种全序。

一个AOV 网有拓扑序列，其拓扑序列未必唯一

拓扑排序算法：
选择入度为0 的顶点作为序列的下一个顶点；删除所选顶点及其所有的出边；重复操作；找不到入度为0 的顶点。
拓扑排序的序列有多种。

• AOE：无环的带权有向图，顶点表示事件，边表示活动，权值表示活动持续的时间
  关键路径：完成整个工程的最短时间，就是从开始顶点到完成顶点的最长路径的长度（即，路径上各条边的权值之和），这种最长路径成为AOE网 的关键路径

关键路径算法：
事件最早可能发生的时间（前向推），多个指向，选择最大的；事件最晚发生的时间（反向推出），多个指向，选择最小的

3. 总结