1 图的存储
- 有向图add1次,无向图add2次
- 稀疏图(n m)用邻接表
- 稠密图(n m^2)用邻接矩阵
- 存在重边取最短的边
1-1 邻接矩阵
1-2 邻接表
- 数组实现
int N;
vector<int> dot(N);
vector<vector<int>> g;
bool vis[N] = false;
void add(int a, int b){
edges[a].push_back(b);
}
- 链表实现
//用数组模拟单链表
int N;
int head[N]; //每个点的链表头指向的位置
int val[N]; //链表对应的值
int next[N]; //每个点的next值
int idx; //用到数组的第几个位置了
bool vis[N] = false;
//初始化
idx = 0;
memset(head, -1, sizeof head;
//添加边a->b
void add(int a, int b){
val[idx] = b; //存邻接表里的终点
next[idx] = h[a]; //当前边指向原来的最先边
head[a] = idx++; //链表头指向当前边
}
2 搜索
2-1 深度优先搜索
邻接矩阵
void dfs(int dot){
vis[dot] = true;
for(int i = 0; i < g[i].size(); i++){
int nextDot = g[dot][i]
if(!vis[nextDot]) dfs(nextDot);
}
}
邻接表
int dfs(int d){
vis[d] = true;
//h[u]代表点i邻接表指向的第一个节点
for(int i = head[d]; i != -1; i = next[i]){
int nextDot = val[i];
if(!vis[nextDot]) dfs(nextDot);
}
}
2-2 广度优先搜索
邻接矩阵
void bfs(){
queue<int> q;
vis[0] = true;
q.push(dot[0]);
while(!q.empty()){
int d = q.front();
q.pop();
for(int i = 0; i < g[d].size(); i++){
int nextDot = g[d][i];
if(!vis[nextDot]){
vis[nextDot] = true;
q.push(nextDot);
}
}
}
}
邻接表
void bfs(){
queue<int> q;
vis[0] = true;
q.push(1);
while(!q.empty()){
int d = q.front();
q.pop();
for(int i = head[d]; i != -1; i = next[i]){
int j = val[i];
if(!vis[j]){
vis[j] = true;
q.push(j);
}
}
}
}
题目
- 863.二叉树中所有距离为 K 的结点
2-3 A*启发式搜索
3 拓扑排序 关键路径(到所有终点用时最长的路径)
理论
- 参考博客:知乎
- 拓扑序不唯一、只能在有向无环图中
邻接矩阵
int n;
vector<int> indegree; //入度
vector<vector<int>> edges;//储存边,仔细看懂含义,第二维存的是终点
void Topological Order(){
for(int i = 0; i < relations.size(); i++){
int out = relations[i][0], in = relations[i][1];
indegree[in]++;
edge[out].push_back(in);
}
queue<int> q;
vector<int>ans; //最终排序后的序列
for(int i = 0; i < n; i++)
{
if(indegree[i] == 0) q.push(i);
}
while(!q.empty()){
int x = q.front();
q.pop();
ans.push_back(x);
for(int i = 0; i < edges[x].size(); i++){
indegree[edges[x][i]]--;
if(indegree[edges[x][i]] == 0) q.push(edges[x][i]);
}
}
if(ans.size() != n) //说明无解
}
邻接表
4 最短路
- 题目:743. 网络延迟时间
4-1 Dijkstra
- 边权都是正数才能用
- 图解链接
朴素Dijkstra (O(n^2))
int N;
int g[N][N];
int dist[N]; //当前点到起点的距离
int uesd[N]; //当前点最短路已经确定
int Dijkstra(){
memset(g, 0x3f, sizeof g);
memset(dis, 0x3f, sizeof dis);
for(){完成g邻接矩阵的填充}
//used[k] = 1; //得用第一个点更新一遍最短路径,要不然都是max
dis[1] = 0;
//1已经加进去了,迭代n-1次
for(int i = 1; i <= n; i++){
int t = -1;
//找最近点
for(int j = 1; j <= n; j++){
if(!used[j] && (t == -1 || dis[j] < dis[t])) t = j;
}
// if(t == n) break; // 优化:已经找到了最短路
used[t] = true;
//用最近点更新其他点
for(int j = 1; j <= n; j++){
dis[j] = min(dis[j], dis[t] + g[t][j]);
//起点到t加t-j间距离;这个点到起点的距离
}
}
if(dis[n] == 0x3f3f3f3f) return -1;
return dis[n];
}
int main(){
memset(g, 0x3f, sizeof g);
}
堆优化版dijkstra (mlogn)
typedef pair<int, int> PII;
int N;
int head[N], weight[N], val[N], next[N];//w是权重/边长
int dis[N]; //当前点到起点的距离
int vis[N]; //当前点最短路已经确定
void add(int a, int b, int c){
//a是起点,b是终点,c是权重
val[idx] = b;
weight[idx] = c;
next[idx] = h[a];
heaf[a] = idx++;
}
int Dijkstra(){
memset(dis, 0x3f, sizeof dis);
dis[1] = 0;
//存的是距离、起点
priority_queue<PII, vector<PII>, greater<PII> heap;
heap.push({0, 1});
while(!heap.empty()){
//找到最近的点
auto t = heap.top();
heap.pop();
int distance = s.first;
int ver = s.second; //节点编号
if(vis[ver]) continue;
vis[ver] = true;
///用最近点更新其他点
for(int i = head[ver]; i != -1; i = next[i]){
int j = val[i];
if(dis[j] > distance + w[i]){
dis[j] = distance + w[i];
heap.push({dis[j], j});
}
}
}
if(dis[n] == 0x3f3f3f3f) return -1;
return dis[n];
}
int main(){
memset(head, -1, sizeof head);
}
4-2 Bellman-Ford算法(O(nm))
-
如果有负权环,路径可能为-无穷
-
可以找负环,但是复杂度高
int n, m;
int dist[N];
int backup[N]; //做dist上次的备份,防止单次边循时候前面的数据影响了后面(dist[a] 影响了dist[b])
struct Edge{
int a, b, w;
}edges[M];
int bellman_ford(){
memset(dist, 0x3f, sizeof dist);
dist[1] = 0;
//从头到尾最多不超过k条边
for(int i = 0; i < k; i++){
memcpy(backup, dist, sizeof dist);
for(int j = 0; j < m; j++){
int a = edge[j].a;
int b = edge[j].b;
int w = edge[j].w;
dist[b] = min(dist[b], backup[a] + w);
}
}
if(dist[n] > 0x3f3f3f3f / 2) return -1;
return dist[n];
}
4-3 spfa 算法(O(mn) O(m))
- 没有负环就可以用
int n; // 总点数
int h[N], w[N], e[N], ne[N], idx; // 邻接表存储所有边
int dist[N]; // 存储每个点到1号点的最短距离
bool st[N]; // 存储每个点是否在队列中
void add(int a, int b, int c){
//a是起点,b是终点,c是权重
val[idx] = b;
weight[idx] = c;
next[idx] = h[a];
heaf[a] = idx++;
}
int spfa()
{
memset(dist, 0x3f, sizeof dist);
dist[1] = 0;
queue<int>q;
q.push(1);
st[1] = true;
while(!q.empty()){
int t = q.front();
q.pop();
s[t] = false;
for(int i = h[t]; i != -1; i = ne[i]){
int j = e[i];
if(dist[j] > dist[t] + w[i]){
dist[j] = dist[t] + w[i];
if(!st[j]){
q.push(j);
st[j] = true;
}
}
}
}
if (dist[n] == 0x3f3f3f3f) return -1;
return dist[n];
}
spfa判断图中是否存在负环
int n; // 总点数
int h[N], w[N], e[N], ne[N], idx; // 邻接表存储所有边
int dist[N], cnt[N]; // dist[x]存储1号点到x的最短距离,cnt[x]存储1到x的最短路中经过的点数
bool st[N]; // 存储每个点是否在队列中
// 如果存在负环,则返回true,否则返回false。
bool spfa()
{
// 不需要初始化dist数组
// 原理:如果某条最短路径上有n个点(除了自己),那么加上自己之后一共有n+1个点,由抽屉原理一定有两个点相同,所以存在环。
queue<int> q;
//所有点全部放进队列
for (int i = 1; i <= n; i ++ )
{
q.push(i);
st[i] = true;
}
while (q.size())
{
auto t = q.front();
q.pop();
st[t] = false;
for (int i = h[t]; i != -1; i = ne[i])
{
int j = e[i];
if (dist[j] > dist[t] + w[i])
{
dist[j] = dist[t] + w[i];
cnt[j] = cnt[t] + 1;
if (cnt[j] >= n) return true; // 如果从1号点到x的最短路中包含至少n个点(不包括自己),则说明存在环
if (!st[j])
{
q.push(j);
st[j] = true;
}
}
}
}
return false;
}
4-4 floyd算法
初始化:
void init(){
for (int i = 1; i <= n; i ++ )
for (int j = 1; j <= n; j ++ )
if (i == j) d[i][j] = 0;
else d[i][j] = INF;
}
// 算法结束后,d[a][b]表示a到b的最短距离
void floyd()
{
for (int k = 1; k <= n; k ++ )
for (int i = 1; i <= n; i ++ )
for (int j = 1; j <= n; j ++ )
//d[k, i, j] = d[k - 1, i, k] + d[k -1, k, j];
d[i][j] = min(d[i][j], d[i][k] + d[k][j]);
}
5 最小生成树
- 有无正负边没关系
5-1 prim
- 找最近的点
int n; // n表示点数
int g[N][N]; // 邻接矩阵,存储所有边
int dist[N]; // 存储其他点到当前最小生成树的距离
bool st[N]; // 存储每个点是否已经在生成树中
const INF = 0X3f3f3f3f;
// 如果图不连通,则返回INF(值是0x3f3f3f3f), 否则返回最小生成树的树边权重之和
int prim()
{
memset(dist, 0x3f, sizeof dist);
int res = 0;
for (int i = 0; i < n; i ++ )
{
int t = -1;
for (int j = 1; j <= n; j ++ )
if (!st[j] && (t == -1 || dist[j] < dist[t]))
t = j;
//说明图是不连通的
if (i && dist[t] == INF) return INF;
if (i) res += dist[t]; //不能再最后,循环会更新dist[t]
st[t] = true;
//这个点到集合的距离
for (int j = 1; j <= n; j ++ ) dist[j] = min(dist[j], g[t][j]);
}
return res;
}
5-2 Kruskal算法
- 加最短的边
int n, m; // n是点数,m是边数
int p[N]; // 并查集的父节点数组
struct Edge // 存储边
{
int a, b, w;
bool operator< (const Edge &W)const
{
return w < W.w;
}
}edges[M];
int find(int x) // 并查集核心操作
{
if (p[x] != x) p[x] = find(p[x]);
return p[x];
}
int kruskal()
{
sort(edges, edges + m);
for (int i = 1; i <= n; i ++ ) p[i] = i; // 初始化并查集
int res = 0, cnt = 0;
for (int i = 0; i < m; i ++ )
{
int a = edges[i].a, b = edges[i].b, w = edges[i].w;
a = find(a), b = find(b);
if (a != b) // 如果两个连通块不连通,则将这两个连通块合并
{
p[a] = b;
res += w;
cnt ++ ;
}
}
if (cnt < n - 1) return INF;
return res;
}
6 二分图
6-1 染色法
vector<int> color; //0表示未染色,-1表示黑色,1表示白色
bool dfs(vector<vector<int>>& g, int x, int c){
color[x] = c;
for(int i = 0; i < g[x].size(); i++){
int j = g[x][i];
if(color[j] == 0){
if(!dfs(g, j, -c)) return false;
}
else if(color[j] == c) return false;
}
return true;
}
bool isBipartite(vector<vector<int>>& graph) {
int n = graph.size();
color.resize(n);
for(int i = 0; i < n; i++){
if(color[i] == 0){
if(!dfs(graph, i, 1)) return false;
}
}
return true;
}
6-2 匈牙利算法
labuladong
- 797 图基础
- 207 210 拓扑
- 743 1514 1631 dijtesila
- 785 886 二分图
- 261 1135 1584 Kruskal
欧拉图
Hierholzer算法
void Hierholzer(unordered_map<int, vector<int>>& edges, int dot){
//得是&,在edges上操作,否则有死循环
auto& v = edges[dot];
while(v.size()){
int nextdot = v.back();
v.pop_back();
Hierholzer(edges, nextdot);
}
//路径结果是倒序的
path.push_back(dot);
}
vector<vector<int>> validArrangement(vector<vector<int>>& pairs) {
unordered_map<int, vector<int>> edges;
unordered_map<int, int> indegree;
unordered_map<int, int> outdegree;
for(auto&& x : pairs){
outdegree[x[0]]++;
indegree[x[1]]++;
edges[x[0]].push_back(x[1]);
}
//找起点,要么入度 = 出度 + 1,要么所有点都能是起点
int start = pairs[0][0];
for(auto& x : edges) {
int node = x.first;
if(outdegree[node] == indegree[node] + 1) {
start = node;
}
}
//Hierholzer找路径
Hierholzer(edges, start);
vector<vector<int>> ans;
//把倒序的路径反过来
reverse(path.begin(), path.end());
for(int i = 0; i < path.size() - 1; i++){
ans.push_back({path[i], path[i + 1]});
}
return ans;
}