算法_关于图的应用的思考与总结

最小生成树MST

Prim算法

1. 从指定的一个顶点开始构建生成树；
2. 不断将与当前生成树顶点集合距离最近的新顶点（和其相应的边）加入，直到所有顶点都加入
3. 时间复杂度 $O(V^2)$

Kruskal算法

1. 从权值最小的边开始构建生成树，不用指定；
2. 不断将与 权值最小的边且其两头依附的顶点未连通的边（和其依附的顶点）加入，直到所有顶点都连通
3. 时间复杂度 $O(E\ast lo{g}_{2}E)$

---

最短路径

DijKstra算法

1. 单源最短路径算法，从指定的一个源点出发，计算图中其余各个顶点到该点的最短路径dist[]；
2. 遍历所有顶点，每次将dist[i]最小而未确定最短路径的顶点，确认为最短路径找到状态final[i]=true，并重新计算该顶点相邻点的dist[j]（计算未确定最短路径的顶点的最短路径长度dist[j]）； 若$dist[j]+arcs[j][k]＜dist[k]$，则更新 $dist[k]=dist[j]+arcs[j][k]$
3. 类似于Prim算法，不过Prim是用于计算生成树最小的边权值之和，而Dijikstra是用于计算源点到其它顶点的最短路径；
4. DijKstra算法不允许图中带有负权值的边；
5. 时间复杂度 $O(V^2)$

Floyd算法

1. 多源汇最短路径算法，可以得出任意两个顶点之间的最短路径，所以需要用邻接矩阵形式存储A[i][j]；
2. 将n个结点都作为中转顶点，尝试计算所有顶点对绕行k结点时的最短路径$A^{(k)}[i][j]$（绕行序号不大于k，动态规划思想不断用小问题去解决大问题）；每绕行一个顶点，就是迭代一次，迭代n次后就能得到最终的多源汇最短路径；
3. 用path[i][j]存储两个顶点之间最短路径的中转顶点编号，用于不断向上回溯最短路径顶点
4. Floyd算法允许图中带有负权值的边，但不允许有包含带负权值的边组成的回路；
5. 时间复杂度 $O(V^3)$

---

有向无环图DAG

应用1：描述含有公共子式的表达式的有效工具；

1. 可以将表达式的二叉树中重复子式进行共享，相同功能的子式（操作数和操作符相同）只会出一次在DAG中。若表达式若多次用到该子式，就多次用箭头指向相同的结点；
2. 画DAG的方法（分层绘制）：

• 把所有操作数放在最底层，然后计算出所有运算符的优先级（直接手动标，具体可以想象自己动手计算时的先后顺序）；
• 当运算符的其中一个操作数是子式的话，就将该运算符提高一层；
• 画完初步运算符后，将运算符左右操作数一样的且同层的，合并为一个运算符，相关箭头都指向同一个结点

应用2：拓扑排序：

1. 对有向无环图AOV网（用顶点表示活动Activity On Vertex）的顶点进行一种逻辑排序；
2. 拓扑排序：每次都将没有前驱（入度为0）的顶点输出，并在网中将其对应的边删除；
3. 逆拓扑排序：每次将没有后继（出度为0）的顶点输出，并在网中将其对应的边删除；
4. 有向无环图的拓扑序列不唯一，不能唯一确定该图；
5. 若每个顶点都有唯一的前驱后继关系，则拓扑排序结果唯一；若一个顶点有多个直接后继，则拓扑排序的结果通常不唯一；
6. 用邻接表存储时的时间复杂度为$O(|V|+|E|)$；用邻接矩阵存储时的时间复杂度为$O(|V{|}^2)$

---

关键路径

1. 基本概念

AOE网： 用边表示活动（Activity On Edge）

1. 顶点的前驱活动都结束后，该顶点所代表的事件（时刻）才能发生
2. 只有顶点所代表的事件（时刻）发生后，与顶点相邻的边所代表的活动才能开始

关键路径： 在AOV网中，从源点到汇点，最大路径长度的路径（ 决定整个工程的最短完成时间）

最早时间：
事件的最早发生时间：前驱事件的最早发生时间与前驱活动弧的时间之和
活动的最早开始时间：活动弧的起点事件的最早发生时间
（两者相等）

最迟时间：（同一条活动弧的弧头和弧尾）
事件的最迟发生时间：后继事件的最迟发生时间与后继活动弧的时间之差
活动的最迟开始时间：活动弧的终点事件的最迟发生时间与该活动所需时间之差

活动的时间余量： 活动 $a_i$的最早开始时间和最晚开始时间之差
说明该活动可以拖延的时间。时间余量为0的活动，则为关键活动（说明一点都不能被拖延）
由关键活动构成的路径就是关键路径

2. 关键路径求解过程：

1. 所有事件的最早发生时间ve()：

• 对AOE网进行拓扑排序，从源点开始往后计算，令ve(0)=0
• 逐步计算，类似动态规划思想：
  v e ( k ) = M a x { v e ( j ) + W e i g h t ( v j , v k ) } ve(k) = Max \{ ve(j)+Weight(v_j,v_k) \} ve(k)=Max{ve(j)+Weight(vj​,vk​)}，$v_j$为$v_k$的任意前驱；
  选择事件最大的前驱事件的ve(j)与前驱活动时间Weight(v_j,v_k)之和，作为事件v_k的最早发生时间；最后依次得到所有事件的最早发生时间；因为只有事件的所有前驱活动都完成了，事件才能真正发生，因此最早事件发生时间取决于最大的前驱活动时间；

2. 所有事件的最晚发生时间vl()：

• 对AOE网进行逆拓扑排序，从汇点开始往前计算，令vl(汇点)=ve(汇点)
  （因为不能推迟整个工程时间，所以工程结束时间不变）；
• 也是逐步计算的思想:
  v l ( k ) = M i n { v l ( j ) − W e i g h t ( v k , v j ) } vl(k) = Min \{ vl(j)-Weight(v_k,v_j) \} vl(k)=Min{vl(j)−Weight(vk​,vj​)}，$v_j$为$v_k$的任意后继;

3. 所有活动的最早开始时间e()

• e(i)会等于活动弧的起点事件的最早开始时间

4. 所有活动的最晚开始时间l()

• l(i)会等于活动弧的终点时间的最晚开始时间减去该活动的时间

5. 求所有活动的时间余量d()

• 计算每一个活动的l(i)-e(i)的时间余量，时间余量为0的活动为关键活动

3. 关键路径特性：

1. 不能任意缩短关键活动的时间，缩短到一定程度关键活动可能变成非关键活动；
2. AOE网中有多条关键路径时，想要提高关键活动的速度以此加速工程整体速度，需要对包括在所有关键路径中的关键活动进行加速才能够加速整体。