数据结构图

1.图的定义和术语

2.图的抽象数据类型（基本操作）和存储结构

2.1邻接矩阵

一维数组+二维数组

#define GRAPH_INFINITY 65535 /* 用65535来代表∞ */

typedef	struct MGraph
{
	VertexType	vexs[MAXVEX];//顶点表
	EdgeType	arc[MAXVEX][MAXVEX];//边表
	int	numNodes, numEdges;//图中当前顶点和边的数量
}MGraph;

对于一个图，邻接矩阵唯一。

无向图的邻接矩阵（边表）为对称矩阵。

适合稠密图。确定图中边的总数花费的时间代价大。

邻接矩阵为A，则A^n的某个元素表示从i-j的长度为n的路径的数目。

2.2邻接表

一维数组＋单链表，一个边由一个顶点结点+一个边表结点表示

邻接表关注出度，创建时使用头插法插入边表结点。.

可以创建逆邻接表关注入度，两者结合即为十字链表。

//边结点
typedef	struct EdgeNode
{
	int	adjvex;//邻接点在顶点表中的下标
	EdgeType	info;//权值
	struct EdgeNode* next;
}EdgeNode;

//顶点结点
typedef	struct VertexNode
{
	VertexType	data;//顶点数据
	EdgeNode* FirstEdge;//边表头指针
}VertexNode,AdjList[MAXVEX];

typedef	struct
{
	AdjList	adjlist;//顶点表
	int	numNodes, numEdges;//当前顶点数和边数
}GraphAdjList;

对于一个图，邻接表不唯一。

适合稀疏图。判断两顶点是否存在边需要遍历其中一个边表，效率较低。容易寻找到某一顶点的全部边。每个顶点的单链表的边表节点次序任意。

2.3十字链表

是有向图的一种链式存储结构，是对有向图的邻接表的优化。

容易求得各个顶点点的入度出度。

整合了邻接表和逆邻接表，都由一个边表节点表示一条有向边。

顶点结点是顺序存储的。

2.4邻接多重表

对无向图的邻接表的优化。

无向图的邻接表删除一条边需要遍历两个顶点的边表。

与无向图的邻接表的区别在于邻接多重表使用一个结点表示一条边，而无向图的邻接表用两个结点。

2.5边集数组

两个一维数组。适合对边依次进行处理的操作。

3.图的遍历

基于邻接矩阵，DFS和BFS的序列（深度优先的生成树or生成森林和广度优先生成树）唯一，基于邻接表则不唯一。

v表示顶点数，e表示边数

3.1DFS

类似于树的先序遍历。

对有向无环图（DAG网）进行深度优先遍历，在退出递归的过程输出顶点信息，每一步均是先输出当前无后继的顶点，因此得到逆拓扑有序序列。王道P212

需要借助递归工作栈，空间复杂度为o(v)

邻接矩阵时间复杂度o(v^2)

邻接表时间复杂度o(v+e)

3.2BFS

过程与二叉树的层序遍历一致。

更适合用于求解一些问题的最优解。

和Dijkstra单源最短路径算法和Prim最小生成树算法思想类似。

需要借助辅助队列，存储正在访问的顶点的下一层顶点。

可用于求解非带权图的单源最短路径问题。

空间复杂度最坏为o(v)

邻接矩阵时间复杂度o(v^2)

邻接表时间复杂度o(v+e)

3.3图的遍历和图的连通性

若无向图为连通图，则仅需一次遍历。

若有向图的初始点到所有顶点都有路径，则仅需一次遍历。

4.图的基本应用

4.1最小生成树

        Prim算法，从起始点出发，更新到其余点的权值，找到最小权值顶点加入生成树，循环更新找到。

基于邻接矩阵的时间复杂度o(v^2)，邻接表一样

        Kruskal算法，边的权值由小到大排列，逐个判断是否形成环，不形成则加入生成树中。

通过邻接矩阵或邻接表已存储的图，生成边集数组并排序后，其余的时间复杂度o(e*log2|e)

当带权连通图的任意一个环中所包含的边的权值均不相同时，其MST（最小生成树）是唯一的。

4.2最短路径

        Dijkstra算法求单源最短路径问题，类似Prim算法，时间复杂度o(v^2)，不适用于负权值的情况。一定是简单路径，因为如果一个最短路径中还有回路，那么去掉回路，还能更短。

这里的路径数组是0-8，0-7，0-6，告诉你从0到8要先到哪里。

        Floyd算法求各顶点之间最短路径问题。基于邻接矩阵的时间复杂度o(v^3)，基于邻接表...

允许负权值，不许有包含负权值的边组成的回路。。。

A^k(i,j)表示从i到j中间顶点序号不大于k的最短路径的长度，最外层循环n次，从初始都没有中间顶点，即A^-1迭代到A^n-1，中间顶点序号最大为n-1(序号从0开始计算)。

这里的路径数组类似于，0-8，1-8，2-8。告诉你从0到8下一步怎么走。

4.3DAG图描述表达式

即有向无环图，描述有公共子式的表达式，节省存储空间。

4.4拓扑排序

拓扑来源于TOP。是由有向无环图的顶点组成的序列。解决工程能否顺序进行的问题。

邻接矩阵为三角矩阵一定存在拓扑序列，反之不一定。

通常对AOV网进行拓扑排序，顶点表示活动，有向边表示活动的优先关系。

利用DFS也可以实现。

易错点：

实现中，栈和队列都可以用来存储度为0的顶点，度为0的顶点顺序任意。拓扑序列唯一，每个顶点入度出度不最多为1。

拓扑序列个数。拓扑序列唯一，可能有多种图。

基于邻接表的时间复杂度o(v+e)

基于邻接矩阵的时间复杂度o(v^2)

4.5关键路径

解决工程完成需要时间最短问题。

AOE网，顶点表示事件，有向边表示活动，权值表示活动所消耗的资源。仅有一个源点和汇点。

int* etv, * ltv; /* 事件最早发生时间和最迟发生时间数组 描述顶点（事件）	ete&&lte描述边（活动）*/
//etv，寻找从源点到某一顶点的最长路径，从源点出发所有路径中最晚的时间（关键路径）
//ltv，根据源点到汇点的关键路径长度，逆向推出，从汇点逆推所有路径最早的时间
//ete，根据前一个顶点的etv求得
//lte，根据后一个顶点的ltv-e活动本身所需时间求得

大致思路，
拓扑排序求得拓扑序列栈+etv
根据拓扑序列站求得ltv
求活动的ete、lte，相等即在关键路径上

基于邻接表时间复杂度o(v+e)