【数据结构】图4——图的应用（最小生成树、最短路径、有向无环图）

---

生成树

生成树定义：所有顶点均由边连接在一起，但不存在回路的图。

一个图可以有许多棵不同的生成树。

所有生成树具有以下共同特点：
① 生成树的顶点个数与图的顶点个数相同；
② 生成树是图的极小连通子图，去掉一条边则非连通；
③ 一个有n个顶点的连通图的生成树有n-1条边；
④ 在生成树中再加一条边必然形成回路；
⑤ 生成树中任意两个顶点间的路径是唯一的；
⑥ 含n个顶点n-1条边的图不一定是生成树。

无向图的生成树

① 设图G=(V, E)是个连通图，当从图任一顶点出发遍历图G时，将边集E(G)分成两个集合T(G)和B(G)。
② 其中T(G)是遍历图时所经过的边的集合，B(G) 是遍历图时未经过的边的集合。
③ 显然，G1(V, T)是图G的极小连通子图。即子图G1连通图G的生成树。

最小生成树

定义：
给定一个无向网络，在该网的所有生成树中，使得各边权值之和最小的那棵生成树称为该网的最小生成树，也叫最小代价生成树。
最小生成树有时候不是唯一的。

构造最小生成树（MST）

Minimum Spanning Tree——MST

构造最小生成树的算法很多，其中多数算法都利用了MST的性质。

MST性质：设N=(V,E)是一个连通网，U是顶点集V的一个非空子集。若边(u,v)是一条具有最小权值的边，其中u∈U, v∈V-U，则必存在一棵包含边(u, v)的最小生成树。
实质上，MST性质是一种贪心算法

MST性质解释：
在生成树的构造过程中，图中n个顶点分属两个集合：
已落在生成树上的顶点集：U
尚未落在生成树上的顶点集：V-U

构造最小生成树方法

普里姆（Prim）算法

【算法思想】
① 设N=(V,E)是连通网，TE是N上最小生成树中边的集合。
② 初始令U={u₀}, (u₀∈V), TE={}。
③ 在所有u∈U，v∈V-U的边(u,v)∈E中，找一条代价最小的边(u₀,v₀)。
④ 将(u₀,v₀)并入集合TE，同时v₀并入U。
⑤ 重复上述操作直至U=V为止，则T=(V, TE)为N的最小生成树。

克鲁斯卡尔（Kruskal）算法

【算法思想】
① 设连通网N=(V, E)，令最小生成树初始状态为只有n个顶点而无边的非连通图T=(V, {})，每个顶点自成一个连通分量。
② 在E中选取代价最小的边，若该边依附的顶点落在T中不同的连通分量上(即:不能形成环)，则将此边加入到T中；否则，舍去此边，选取下一条代价最小的边。
③ 依此类推，直至T中所有顶点都在同一连通分量上为止。

两种算法比较

最短路径

定义：
在有向网中A点(源点)到达B点(终点)的多条路径中，寻找一条各边权值之和最小的路径， 即最短路径。

最短路径与最小生成树不同，路径上不一定包含n个顶点，也不一定包含n-1条边。

常见问题：

① 第一类问题：两点间最短路径

② 第二类问题：某源点到其他各点最短路径

解决办法：
① 单源最短路径——用Dijkstra(迪杰斯特拉)算法
② 所有顶点间的最短路径——用Floyd(弗洛伊德)算法

迪杰斯特拉（Bijkstra）算法

【算法思想】
1、初始化：先找出从源点v₀到各终点v_k的直达路径(v₀,v_k)，即通过一条弧到达的路径。
2、选择：从这些路径中找出一条长度最短的路径(v₀,u)。
3、更新：然后对其余各条路径进行适当调整：
若在图中存在弧(u,v_k) ，且(v₀,u) + (u,v_k) < (v₀,v_k)，则以路径(v₀,u,v_k) 代替(v₀,v_k)
在调整后的各条路径中，再找长度最短的路径，依此类推。

迪杰斯特拉(Dijkstra)算法：按路径长度递增次序产生最短路径
1、把V分成两组：
① S：已求出最短路径的顶点的集合。
② T=V-S：尚未确定最短路径的顶点集合。
2、将T中顶点按最短路径递增的次序加入到S中
保证: ① 从源点V₀到S中各顶点的最短路径长度都不大于从V₀到T中任何顶点的最短路径长度。
② 每个顶点对应一个距离值：
S中顶点：从V到此顶点的最短路径长度。
T中顶点：从V到此顶点的只包括S中顶点作中间顶点的最短路径长度。

例：
Dijkstra算法步骤：
① 初始时令S={V₀}，T={其余顶点}。
② T中顶点对应的距离值用辅助数组D存放。
D[i][初值：若<V₀, V_i>存在，则为其权值；否则为∞。
③ 从T中选取一个其距离值最小的顶点V_j，加入S。
④ 对T中顶点的距离值进行修改：若加进v_j作中间顶点，从v₀到v_i的距离值比不加v_j的路径要短，则修改此距离值。
⑤ 重复上述步骤，直到S=V为止。

D[j]=Min{D[i]|v_i∈T}

时间复杂度：O(n*n*n)

弗洛伊德（Floyd）算法

求所有顶点间的最短路径
【算法思想】
逐个顶点试探；
从v_i到v_j的所有可能存在的路径中选出一条长度最短的路径。

【算法步骤】
① 初始时设置一个n阶方阵，令其对角线元素为0，若存在弧<V_iV_j>，则对应元素为权值；否则为∞。

② 逐步试着在原直接路径中增加中间顶点，若加入中间顶点后路径变短，则修改之；否则，维持原值。所有顶点试探完毕，算法结束。

有向无环图（DAG图）

Directed Acycline Graph

定义：无环的有向图。

AOV网：
用一个有向图表示一个工程的各子工程及其相互制约的关系，其中以顶点表示活动，弧表示活动之间的优先制约关系，称这种有向图为顶点表示活动的网，简称AOV网(Activity On Vertex network)。

AOE网：
用一个有向图表示一个工程的各子工程及其相互制约的关系，以弧表示活动，以顶点表示活动的开始或结束事件，称这种有向图为边表示活动的网，简称为AOE网(Activity On Edge)。

AOE网的特点：
① 若从i到j有一条有向路径，则i是j的前驱；j是i的后继。
② 若<i,j>是网中有向边，则i是j的直接前驱；j 是i的直接后继。
③ AOV 网中不允许有回路，因为如果有回路存在，则表明某项活动以自己为先决条件，显然这是荒谬的。

拓扑排序

拓扑排序定义：
在AOV网没有回路的前提下，我们将全部活动排列成一个线性序列，使得若AOV网中有弧<i, j>存在，则在这个序列中，i一定排在j的前面，具有这种性质的线性列称为拓扑有序序列，相应的拓扑有序排序的算法称为拓扑排序。

拓扑排序方法：
① 在有向图中选一个没有前驱的顶点且输出之。
② 从图中删除该顶点和所有以它为尾的弧。
③ 重复上述两步，直至全部顶点均已输出；或者当图中不存在无前驱的顶点为止。

检测AOV网中是否存在回路(环)方法：
对有向图构造其顶点的拓扑有序序列，若网中所有顶点都在它的拓扑有序序列中，则该AOV网必定不存在环。

例：
右图中已经找不到一个没有前驱的顶点

关键路径

定义：
从源点到汇点的所有路径，具有最大路径长度的路径成为关键路径。把关键路径上的活动称为关键活动。

描述：
把工程计划表示为边表示活动的网络，即AOE网。
用顶点表示事件，弧表示活动，弧的权表示活动持续时间。
事件表示在它之前的活动已经完成，在它之后的活动可以开始。

例：设个工程有11项活动，9 个事件。
事件v1——表示整个工程开始 (源点：入度为0的顶点)
事件v9——表示整个工程结束 (汇点：出度为0的顶点)

关键路径——路径长度最长的路径。
路径长度——路径上各活动持续时间之和。

确定关键路径方法：
需要定义4个描述量：
ve(vj)——表示事件vj的最早发生时间。
vl(vj)——表示事件vj的最迟发生时间。
e(i)——表示活动ai的最早开始时间。
l(i)——表示活动ai的最迟开始时间。
|(i) - e(i)——表示完成活动ai的时间余量。
关键活动——关键路径上的活动，即 l(i)==e(i)（即|(i)-e(i)==0）的活动。

如何找l(i) == e(i)的关键活动?

持续时间w_j,_i就是边的权值。

如何求ve(j)和vl(i)?

求关键路径步骤：
1.求ve(j)、vl(i)
2.求e(i)、l(i)
3.计算l(i)-e(i)


求ve(j)时，若结点有多条路径可到达，则选择时间最大值。如：到v5有两条路径，分别是7和5，则选择7。
求vl(i)时，若有多条边以结点为弧尾(起始点)，则选择时间最小值。
关键路径：

---