数据结构复习（七）图

一、图的概念及表示

1.图的定义

图(Graph): 由两个集合V(G)和E(G)组成的,记为G=(V,{E})
其中：V是顶点的有穷非空集;E是边(弧)的有限集

约定符号：
V：顶点有穷非空集合
VR：顶点关系的集合
E：边或弧的集合
n：图中顶点数目
e：边或弧的数目
G：图
N：网

有向完全图：n个顶点、有n(n-1)条弧的有向图
无向完全图：n个顶点、有n(n-1)/2 条边的无向图

一个有n个顶点和e条边或弧的图，满足：（图中顶点的总度数等于边数的2倍）

无向图的连通性：

• v到w的路径：在无向图G=(V,{E})中由顶点v经无向边至w的顶点序列
• v和w是连通的：顶点v和w之间有路径存在
• 连通图：无向图的任意两点之间都连通
• 连通分量：无向图的极大连通子图

有向图的连通性：

• v到w的路径：在有向图G=(V,{E})中由顶点v经有向弧至w的顶点序列
• v和w是连通的：顶点v到w以及w到v都有路径存在
• 强连通图：有向图 G 的任意两点之间都连通
• 强连通分量：有向图的极大强连通子图

简单路径： 路径序列中顶点不重复出现
回路或环：第一个顶点和最后一个顶点相同的路径
简单回路或简单环：除第一个顶点和最后一个顶点外，其余顶点不重复出现的回路。

无向连通图的生成树： 无向连通图的极小连通子图。包含图的全部n个顶点和足以构成一棵树的n-1条边。在生成树中添加一条边之后，必定会形成回路或环

有向树：如果一个有向图恰有一个顶点入度为0，其余顶点入度均为1，则是有向树。
有向图的生成森林：由若干有向树组成，含有图中全部顶点，但只有足以构成若干棵不相交的有向树的弧。

稀疏图：有很少条边或弧（e<nlog2n）的图。
稠密图：有很多条边或弧的图。
边或弧的权值：与弧或边相关的数。可以表示从一个顶点到另一个顶点的距离、花费的代价、所需的时间等。
网： 边或弧上带权的图。

2.图的存储结构

• 数组表示法（邻接矩阵表示法）

优点 易判定任两个顶点之间是否有边或弧存在。 适合存储有向图、无向图、有向网、无向网
缺点： 在边稀疏(e<<n(n-1)/2)时,浪费存储空间

时间复杂度讨论：
有n个顶点和e条边的图 邻接矩阵初始化的时间复杂度为O(n2)
输入顶点编号，建立邻接矩阵的时间复杂度为O(e)
输入顶点值，建立邻接矩阵的时间复杂度为O(ne)
总的时间复杂度为：O(n2+ne)

用一个1-D数组存放顶点的元素信息
用一个二维数组存储顶点之间的关系，其中：
A[i][j]=1，i到j有弧且i≠j；
A[i][j]=0，其他情况

有向图
第i个顶点的出度OD(i)=第i行元素值之和
第i个顶点的入度ID(i)=第i列元素值之和
无向图
第i个顶点的度=第i行或第i列元素值之和
（无向图的邻接矩阵是对称阵）

例子：

• 邻接表表示法

是图的一种链式存储结构，适用于有向图和无向图。对图中每个顶点建立一个单链表，单链表中的结点表示依附于该顶点的边（对有向图来说是以该顶点为弧尾的弧）

优点：易找到任一顶点的第一个邻接点和下一个邻接点
适合存储有向图（网）、无向图（网）
缺点：难以直接判定任意两个顶点之间是否有边或弧相连。需搜索第i和第j个单链表。不及邻接矩阵方便。
时间复杂度的讨论：
邻接表头结点初始化的时间复杂度为O(n)
输入顶点编号，建立邻接点链表的时间复杂度为O(e)
输入顶点值，建立邻接点链表的时间复杂度为O(ne)
总的时间复杂度为：O(n+ne)

有向图邻接表示例

vi的出度=第i个单链表中的结点数目
vi的入度=整个邻接表中其邻接点值域为i的结点个数

无向图邻接表示例

顶点vi的度TD=第i个单链表中的结点数目

二、图的遍历

定义：从图中某个顶点出发遍访图中其余顶点，且使每个顶点仅被访问一次的过程.
意义：对非线性结构线性化。遍历算法是求解图的连通性、拓扑排序、求关键路径等算法的基础。

遍历算法中辅助向量visited[]的使用
① 使用原因：
因为图中任意顶点都可能和其余顶点相邻接，所以在访问了某顶点后，可能沿另外的某条路径搜索，而后又回到此顶点上，为了避免同一顶点被多次访问，在遍历图的过程中，必须记下每个已访问过的顶点。
② 使用方法：
设置一个辅助数组visited[0…n-1]，它的初始值置为“假”，表示顶点未被访问过，一旦访问了顶点i，就置visited[i]的值为“真”或者被访问时的次序号。
Boolean visited[MAX_VERTEX_NUM] ;

• 深度优先遍历DFS (Depth First Search)
  类似于树的先序遍历，是其推广

算法思想：
①从图中某个顶点v出发，访问此顶点；
②依次从v的各个未被访问的邻接点出发深度优先遍历图，直至图中所有和v有路径相通的顶点都被访问到
③若图中还有顶点未被访问（非连通图），则另选图中一个未被访问的顶点作起始点，重复上述过程，直至图中所有顶点都被访问到为止。

Boolean visited[MAX_VERTEX_NUM]; 
Status (*VisitFunc)(int v); //全局函数指针变量

void DFSTraverse( Graph G, Status (*Visit)(int v))
 { //对图G进行深度优先遍历  
   VisitFunc=Visit;
   for ( v=0; v <G.vexnum; ++v )  visited[v] = FALSE;
   for ( v=0; v <G.vexnum; ++v )
     if ( !visited[v] ) DFS(G,v); 
 }//DFSTraverse
 
  void DFS( Graph G, int v) 
 { //从v出发深度优先遍历图G
    visited[v] = TRUE; 
    VisitFunc(v); //访问顶点v
    for(w=FirstAdjVex(G,v); w>=0; w=NextAdjVex(G,v,w)) 
      if ( !visited[w] )  DFS(G,w)；  
 } //DFS

在遍历图时，对每个顶点至多调用一次DFS函数，因为一旦某个顶点被标志成已被访问，就不再从它出发进行搜索。
遍历图的实质上是对每个顶点查找其邻接点的过程。其耗费的时间取决于所采用的存储结构。
用邻接矩阵存储图时，查找所有顶点的邻接点需要O(n2);
用邻接表存储图时，查找所有顶点的邻接点需要O(e);
深度优先遍历图的算法的时间复杂度与采用的存储结构有关
以邻接矩阵做图的存储结构时，深度优先遍历的时间复杂度为O(n2)
以邻接表做图的存储结构时，深度优先遍历的时间复杂度为 O(n+e)

• 广度优先遍历BFS (Breadth First Search)
  类似于树的层序遍历，是其推广

广度优先遍历的实质是以v为起点，由近及远，依次访问和v有路径相通且路径长度为1、2、……的顶点

算法思想：
①从图中的某个顶点v出发，访问此顶点；
②依次访问v的所有未被访问过的邻接点，之后按这些邻接点被访问的先后次序依次访问它们的邻接点，直至图中所有和v有路径相通的顶点都被访问到；
③若此时图中尚有顶点未被访问,则另选图中一个未曾被访问的顶点作起始点，重复上述过程，直至图中所有顶点都被访问到为止。

void BFSTraverse(Graph G,Status(*Visit)(int v)) 
{ //对图G进行广度优先遍历
   for(v=0;v<G.vexnum;++v)  visited[v] = FALSE;  
   InitQueue(Q);
   for( v=0;v<G.vexnum;++v )
	if(!visited[v]) //v没有被访问 
	{ visited[v]=TRUE;  	Visit(v);      //访问v
      EnQueue(Q,v);   //v入队列
	  while(!QueueEmpty(Q))
	  {  DeQueue(Q,u); //队头元素u出队列
	     for(w=FirstAdjVex(G,u); w>=0; w=NextAdjVex(G,u,w)) 
		if(!Visited[w])  
		{  visited[w]=TRUE; Visit(w); //访问w
		   EnQueue(Q,w); //w入队列
		} //if
	  } //while
     } //if
} //BFSTraverse 

• 遍历的应用

利用图的遍历算法来判定一个无向图是否是连通图
对于无向连通图， 从任一顶点出发，进行深度/广度优先遍历，就可访遍图中所有顶点；
对于非连通图， 它有几个连通分量，就需要从几个顶点出发进行遍历

 修改DFSTraverse和BFSTraverse中的语句，
 可以判断无向图的连通分量个数。如：
            sum=0;
            for ( v=0; v <G.vexnum; ++v )
              if ( ! visited[v] ) 
               { sum++;
                 .......
                }

利用图的遍历算法来得到生成树或生成森林
对无向连通图G进行遍历时，由遍历过程中历经的边的集合和所有顶点的集合一起构成了G的一棵生成树。
由深度优先遍历得到的为深度优先生成树
由广度优先遍历得到的为广度优先生成树
对于非连通图，它的每个连通分量的生成树就组成了非连通图的生成森林

深度优先生成树
广度优先生成树
深度优先生成森林
广度优先生成森林

三、最小生成树

定义：生成树中各边权值（代价）之和最小的树。
最小生成树的应用：
在n个城市之间选取n-1条线路架设连通的通信网使总费用最低问题 在n个顶点的连通网上构造最小生成树
MST性质：设N=（V,{E}）是连通网，U是V的一个非空子集。若(u,v)是所有满足u∈U, v∈V-U的边中代价最小的边，则必存在一棵包括边（u, v）的最小生成树。 (可用反证法证明)
应用MST性质构造最小生成树的算法：
Prim算法
Kruscal算法

• Prim算法
  时间复杂度：O(n2) , 只与顶点数有关， 与网中的边数无关
  适用于求边稠密的网的最小生成树

设N=(V,{E})是连通网，T=(V,{TE})表示N的最小生成树，TE为最小生成树的边集，初始为空集。
则Prim算法的执行过程：

Step1: 令U={u}，u∈V（u是网中任意一个顶点），TE={}；
Step2: 在u∈U，v∈V-U的边(u,v)∈E中寻找一条代价最小的边(u,v)并入TE，同时将顶点v并入U；
Step3: 重复Step2，直至U=V，此时TE中必有n-1条边，而T={V,{TE}}是N的一棵最小生成树

• Kruscal算法
  时间复杂度：O(e*loge)，只与边数有关， 与网中的顶点数无关
  适合于求边稀疏的网的最小生成树

要使最小生成树边权值之和最小，树的每一条边权值应尽量小

假设连通网N=（V,{E}），T=(V,{TE})表示N的最小生成树，TE为最小生成树上边的集合。初始时令TE为空集。
步骤：

Step1：令最小生成树T的初态为只有n个顶点的非连通图T=(V,{TE})，TE={}。
Step2：从权值最小的边(u,v)开始，若该边依附的两个顶点落在T的不同连通分量上，则将此边加入到TE中，即TE=TE∪(u,v)，否则舍弃此边，选择下一条代价最小的边。
Step3：重复Step2，直至TE所有顶点在同一连通分量上。此时T=(V,{TE})就是N的一棵最小生成树。

四、拓扑排序及求关键路径等

• 拓扑排序

偏序： 若集合 X 上的关系R是传递的、自反的、反对称的，则称R是集合X上的偏序关系。可指集合中部分成员之间可比较。
全序：若关系R 是集合 X 上的偏序关系，如果对于属于X的每个x,y，必有xRy 或yRx ，则称R是集合X上的全序关系。可指集合中全部成员之间可比较。
拓扑排序： 由集合上的偏序得到该集合上的全序的操作。这个全序被称为拓扑有序。

拓扑排序步骤：

Step1:在有向图中选一个无前驱的顶点输出之;
Step2:从有向图中删去此顶点及所有以它为尾的弧;
Step3: 重复前2步，直到图中顶点全部输出，此时图中无环；或图不空但找不到无前驱的顶点，此时图中有环。

拓扑排序算法还是求关键路径的基础。

• 关键路径

AOE-网（Activity On Edge）：一个有向无环网，顶点表示事件,弧表示活动，弧上权值表示活动持续的时间。
通常用来估算工程完成时间
路径长度：AOE网中路径上各活动持续时间之和。
关键路径：从源点到汇点路径长度最长的路径。

设活动ai在有向边<j,k>上,有：

活动ai的最早开始时间e(i)：是从源点v0到vj的最长路径长度。
活动ai的最迟开始时间l(i)：是不推迟工程完成的前提下，该活动允许的最迟开始时间。
e(i)= Ve(j)
l(i)=Vl(k)-dut(<j,k>)
活动ai时间余量：l(i)-e(i)
关键活动：l(i)=e(i)的活动。
关键路径上的活动都是关键活动

设有向无环图G的有向边<j,k>上：
事件vk的最早发生时间Ve(k)=从源点v0到vk的最长路径长度
Ve(0)=0;
Ve(k)=Max{Ve(j)+dut(<j,k>), <j,k>∈T,所有j}

事件vj的最迟开始时间Vl(j)：保证汇点vn-1在Ve(n-1)时刻完成的前提下，事件vj最迟允许开始的时间。
Vl(j)=Min{Vl(k)-dut(<j,k>), <j,k>∈T,所有k}

从Ve(0)=0向汇点方向递推，顶点vk的最早开始时间
ve(k)=Max{Ve(j)+dut(<j,k>)}，在拓扑有序的前提下进行
从vl(n-1)=ve(n-1)向源点方向推，顶点vj的最迟开始时间
vl(j)=Min{vl(k)-dut(<i,j>)}，在逆拓扑有序前提下进行
即最早发生时间从前往后求，取最大； 最迟开始时间从后往前求，取最小

示例

• 最短路径

最短路径问题：从图中某一顶点到达另一顶点的路径可能不止一条，求其中一条路径使得沿此路径上各弧上的权值总和最小。称路径的第一个顶点为源点，最后一个顶点为终点。

从某一源点到其余各顶点的最短路径(Dijkstra算法)
示例