- 理解图的定义和基本术语、图的存储结构，主要指邻接矩阵和邻接表。
- 熟练掌握图的深度和广度优先搜索遍历、产生图的最小生成树的普利姆算法和克鲁斯卡尔算法。
- 熟练掌握最短路径的狄克斯特拉算法和佛洛伊德算法。
- 理解拓扑排序的概念及算法、关键路径的概念及算法。
- 理解最小生成树和最短路的生活应用。
1. 图的定义和基本术语、图的存储结构
定义
书P199
图是由两个集合构成，一个是非空但有限的顶点集合V，另一个是描述顶点之间关系——边的集合E。|V|表示顶点的数量，|E|表示边的数量。
至少要求有一个顶点，但边集可以为空。
基本术语
书P200
无向图：（w，v）
有向图：<w，v>
简单图：如果出现重边或自回路边，就叫非简单图。
邻接点：（w，v）叫做w和v互为邻接点；<w，v>叫做起点v邻接到终点w，或叫做终点w邻接自起点v。
路径：一条路径的长度是这条路径所包含的边数。
简单路径：指除了路径的首位顶点外，其余顶点都是不同的。
回路：路径长度为1的回路叫做自回路。简单路径形成的回路叫做简单回路。
无环图：一个有向图中不存在回路，叫做无环图。
无向完全图：任意两顶点都有一条边相连接的无向图。在一个含有n个顶点的无向完全图中，共有n（n-1）/2条边。
有向完全图：任意两顶点之间都由方向互为相反的两条弧相连接。在一个含有n个顶点的有向完全图中，共有n（n-1）条弧。
顶点的度：依附于该顶点的边数。入度指以该顶点为终点的弧的数目，出度指以该顶点为起点的弧的数目。度=入度+出度
稠密图：图的边数接近完全图的边数。
稀疏图：边数很少的图。
权：边可以附带一个数值信息，称为权或代价。边上带权的图称为网图。
子图：对于图G=（V，E）和G’（V‘，E’），若满足V‘是V的子集，并且E’是E的子集，则称图G‘是G的一个子图。
连通图：无向图中，图中任意两顶点都是连通的。无向图的极大连通子图称为连通分量。连通的无向图只有一个连通分量（就是本图），不连通的无向图有多个连通分量。
强连通图：有向图中，任意两个顶点都存在来回双向路径。有向图的极大强连通子图称为强联通分量。不是强连通的有向图有多个强连通分量。
生成树：连通图G的生成树，是G的包含其全部n个顶点的一个极小连通子图。必定包含且仅包含n-1条边。生成树可能不唯一。
生成森林：非连通图中，每个连通分量都是一个极小连通子图，一棵生成树可以对应一个连通分量。对无向图而言，生成森林中树的数量就等于它的连通分量数。
存储结构
邻接矩阵
书P206
对于没有权值的图，能到达的顶点是1，不能到达的顶点和它本身是0。
对于有权值的图，能到达的顶点是权值，不能到达的顶点和它本身是∞或负数。
无向图的邻接矩阵一定是一个对称矩阵，所需存储元素的个数是|V|×（|V|-1）/2。
花费（|V|2）的存储空间，对稠密图而言高效，对稀疏图而言浪费空间。
邻接表
书P210
顶点表：由顶点数据域和指向第一条邻接边的指针域构成。
边表：由邻接点域和指向下一条邻接边的指针域构成。网图的边表需要再增设一个存储权值的域。
若无向图有|V|个顶点和|E|条边，邻接表需要|V|个头结点和2|E|个表结点。在边稀疏的情况下，邻接表比邻接矩阵节省存储空间。
邻接表容易找到任一顶点的第一个邻接点和下一个邻接点。但要判断任意两个顶点之间是否有边或弧相连，不及邻接矩阵方便。
建立邻接表或逆邻接表的时间复杂度为O（|V|+|E|），花费（|V|2）的存储空间。
2.图的遍历、最小生成树
深度优先搜索（DFS）
书P218
类似于树的先序遍历，一条路走到底。
用邻接表存储图，O（N+E）。
用邻接矩阵存储图，O（N2）。
/* Visited[]为全局变量，已经初始化为false */
void DFS( Graph G, Vertex V, void (*Visit)(Vertex) )
{ /* 从第V个顶点出发递归地深度优先遍历图G */
Visit( V ); /* 访问第V个顶点 */
Visited[V] = true;
for ( V 的每个邻接点 W )
if ( !Visited[W] )
/* 对V的尚未访问的邻接顶点W递归调用DFS */
DFS( G, W, Visit );
}
广度优先搜索（BFS）
书P220
类似于树的层次遍历，应用：验证六度空间理论问题。
用邻接表存储图，O（N+E）。
用邻接矩阵存储图，O（N2）。
/* IsEdge(Graph, V, W)检查<V, W>是否图Graph中的一条边，即W是否V的邻接点。 */
/* 此函数根据图的不同类型要做不同的实现，关键取决于对不存在的边的表示方法。*/
/* 例如对有权图, 如果不存在的边被初始化为INFINITY, 则函数实现如下: */
bool IsEdge( MGraph Graph, Vertex V, Vertex W )
{
return Graph->G[V][W]<INFINITY ? true : false;
}
/* Visited[]为全局变量，已经初始化为false */
void BFS ( MGraph Graph, Vertex S, void (*Visit)(Vertex) )
{ /* 以S为出发点对邻接矩阵存储的图Graph进行BFS搜索 */
Queue Q;
Vertex V, W;
Q = CreateQueue( MaxSize ); /* 创建空队列, MaxSize为外部定义的常数 */
/* 访问顶点S：此处可根据具体访问需要改写 */
Visit( S );
Visited[S] = true; /* 标记S已访问 */
AddQ(Q, S); /* S入队列 */
while ( !IsEmpty(Q) ) {
V = DeleteQ(Q); /* 弹出V */
for( W=0; W<Graph->Nv; W++ ) /* 对图中的每个顶点W */
/* 若W是V的邻接点并且未访问过 */
if ( !Visited[W] && IsEdge(Graph, V, W) ) {
/* 访问顶点W */
Visit( W );
Visited[W] = true; /* 标记W已访问 */
AddQ(Q, W); /* W入队列 */
}
} /* while结束*/
}
普利姆算法（Prim）
书P225
在所有的已选择边里，找相邻的最短边。
用邻接矩阵存储，适用于稠密图，时间复杂度O（|V|2）。
过程图示
#define ERROR -1 /* 错误标记，表示生成树不存在 */
int Prim( MGraph Graph, LGraph MST )
{ /* 将最小生成树保存为邻接表存储的图MST，返回最小权重和 */
WeightType dist[MaxVertexNum], TotalWeight;
Vertex parent[MaxVertexNum], V, W;
int VCount;
Edge E;
/* 初始化。默认初始点下标是0 */
for (V=0; V<Graph->Nv; V++) {
/* 这里假设若V到W没有直接的边，则Graph->G[V][W]定义为INFINITY */
dist[V] = Graph->G[0][V];
parent[V] = 0; /* 暂且定义所有顶点的父结点都是初始点0 */
}
TotalWeight = 0; /* 初始化权重和 */
VCount = 0; /* 初始化收录的顶点数 */
/* 创建包含所有顶点但没有边的图。注意用邻接表版本 */
MST = CreateGraph(Graph->Nv);
E = (Edge)malloc( sizeof(struct ENode) ); /* 建立空的边结点 */
/* 将初始点0收录进MST */
dist[0] = 0;
VCount ++;
parent[0] = -1; /* 当前树根是0 */
while (1) {
V = FindMinDist( Graph, dist );
/* V = 未被收录顶点中dist最小者 */
if ( V==ERROR ) /* 若这样的V不存在 */
break; /* 算法结束 */
/* 将V及相应的边<parent[V], V>收录进MST */
E->V1 = parent[V];
E->V2 = V;
E->Weight = dist[V];
InsertEdge( MST, E );
TotalWeight += dist[V];
dist[V] = 0;
VCount++;
for( W=0; W<Graph->Nv; W++ ) /* 对图中的每个顶点W */
if ( dist[W]!=0 && Graph->G[V][W]<INFINITY ) {
/* 若W是V的邻接点并且未被收录 */
if ( Graph->G[V][W] < dist[W] ) {
/* 若收录V使得dist[W]变小 */
dist[W] = Graph->G[V][W]; /* 更新dist[W] */
parent[W] = V; /* 更新树 */
}
}
} /* while结束*/
if ( VCount < Graph->Nv ) /* MST中收的顶点不到|V|个 */
TotalWeight = ERROR;
return TotalWeight; /* 算法执行完毕，返回最小权重和或错误标记 */
}
克鲁斯卡尔算法（Kruskal）
书P232
找权值最小的边，不管是否相邻。
用邻接表存储，适用于稀疏图，时间复杂度O（|E|log|V|）。
过程图示
int Kruskal( LGraph Graph, LGraph MST )
{ /* 将最小生成树保存为邻接表存储的图MST，返回最小权重和 */
MST = 包含所有顶点但没有边的图;
while( MST中收集的边不到Graph->Nv-1条 && 原图的边集E非空 ) {
从E中选择最小代价边(V, W); /* 引入最小堆完成 */
从E中删除此边(V, W);
if ( (V, W)的选取不在MST中构成回路 ) /* 此判断由并查集的Find完成 */
将(V, W)加入MST ; /* 此步由并查集的Union完成 */
else
彻底丢弃(V, W);
} /* 结束while */
if( MST中收集的边不到Graph->Nv-1条 )
return ERROR;
else
return 最小权重和;
}
3.最短路径
狄克斯特拉算法（Dijkstra）
书P236
单源最短路径：从固定源点出发，求其到所有其他顶点的最短路径。
按路径长度递增的次序产生最短路径。
时间复杂度O（|V|2），适用于稠密图。稀疏图可以改进为O（|E|log|V|）。
过程图示
Vertex FindMinDist( MGraph Graph, int dist[], int collected[] )
{ /* 返回未被收录顶点中dist最小者 */
Vertex MinV, V;
int MinDist = INFINITY;
for (V=0; V<Graph->Nv; V++) {
if ( collected[V]==false && dist[V]<MinDist) {
/* 若V未被收录，且dist[V]更小 */
MinDist = dist[V]; /* 更新最小距离 */
MinV = V; /* 更新对应顶点 */
}
}
if (MinDist < INFINITY) /* 若找到最小dist */
return MinV; /* 返回对应的顶点下标 */
else return ERROR; /* 若这样的顶点不存在，返回错误标记 */
}
bool Dijkstra( MGraph Graph, int dist[], int path[], Vertex S )
{
int collected[MaxVertexNum];
Vertex V, W;
/* 初始化：此处默认邻接矩阵中不存在的边用INFINITY表示 */
for ( V=0; V<Graph->Nv; V++ ) {
dist[V] = Graph->G[S][V];
if ( dist[V]<INFINITY )
path[V] = S;
else
path[V] = -1;
collected[V] = false;
}
/* 先将起点收入集合 */
dist[S] = 0;
collected[S] = true;
while (1) {
/* V = 未被收录顶点中dist最小者 */
V = FindMinDist( Graph, dist, collected );
if ( V==ERROR ) /* 若这样的V不存在 */
break; /* 算法结束 */
collected[V] = true; /* 收录V */
for( W=0; W<Graph->Nv; W++ ) /* 对图中的每个顶点W */
/* 若W是V的邻接点并且未被收录 */
if ( collected[W]==false && Graph->G[V][W]<INFINITY ) {
if ( Graph->G[V][W]<0 ) /* 若有负边 */
return false; /* 不能正确解决，返回错误标记 */
/* 若收录V使得dist[W]变小 */
if ( dist[V]+Graph->G[V][W] < dist[W] ) {
dist[W] = dist[V]+Graph->G[V][W]; /* 更新dist[W] */
path[W] = V; /* 更新S到W的路径 */
}
}
} /* while结束*/
return true; /* 算法执行完毕，返回正确标记 */
}
佛洛伊德算法
书P241
多源最短路径：求任意两顶点间的最短路径。
用邻接矩阵表示，到顶点本身是0，到到达不了的顶点是∞。
O（|V|3）适用于稠密图，O（|V|3+|E|×|V|）适用于稀疏图。
过程图示
bool Floyd( MGraph Graph, WeightType D[][MaxVertexNum], Vertex path[][MaxVertexNum] )
{
Vertex i, j, k;
/* 初始化 */
for ( i=0; i<Graph->Nv; i++ )
for( j=0; j<Graph->Nv; j++ ) {
D[i][j] = Graph->G[i][j];
path[i][j] = -1;
}
for( k=0; k<Graph->Nv; k++ )
for( i=0; i<Graph->Nv; i++ )
for( j=0; j<Graph->Nv; j++ )
if( D[i][k] + D[k][j] < D[i][j] ) {
D[i][j] = D[i][k] + D[k][j];
if ( i==j && D[i][j]<0 ) /* 若发现负值圈 */
return false; /* 不能正确解决，返回错误标记 */
path[i][j] = k;
}
return true; /* 算法执行完毕，返回正确标记 */
}
4.拓扑排序、关键路径
拓扑排序
书P244
拓扑排序：用有向无环图（DAG）中各顶点构成有序序列。
依次找到任意一个入度为0的顶点，输出并删除。
一个顶点数|V|>1的有向图，如果每个顶点的入度都大于0，必定存在回路。
用数组存储，时间复杂度O（|V|2）。
bool TopSort( Graph Graph, Vertex TopOrder[] )
{ /* 对Graph进行拓扑排序, TopOrder[]顺序存储排序后的顶点下标 */
遍历图，得到各顶点的入度Indegree[];
for( cnt=0; cnt<Graph->Nv; cnt++ ) {
V = 未输出的入度为0的顶点;
if ( 这样的V不存在 ) {
printf("图中有回路");
break;
}
TopOrder[cnt] = V; /* 将V存为结果序列的下一个元素 */
/* 将V及其出边从图中删除 */
for ( V的每个邻接点W )
Indegree[W]--;
}
if ( cnt != Graph->Nv )
return false; /* 说明图中有回路, 返回不成功标志 */
else
return true;
}
用队列存储，时间复杂度O（|V|+|E|），此算法可以用来检测有向图是否DAG。
bool TopSort( LGraph Graph, Vertex TopOrder[] )
{ /* 对Graph进行拓扑排序, TopOrder[]顺序存储排序后的顶点下标 */
int Indegree[MaxVertexNum], cnt;
Vertex V;
PtrToAdjVNode W;
Queue Q = CreateQueue( Graph->Nv );
/* 初始化Indegree[] */
for (V=0; V<Graph->Nv; V++)
Indegree[V] = 0;
/* 遍历图，得到Indegree[] */
for (V=0; V<Graph->Nv; V++)
for (W=Graph->G[V].FirstEdge; W; W=W->Next)
Indegree[W->AdjV]++; /* 对有向边<V, W->AdjV>累计终点的入度 */
/* 将所有入度为0的顶点入列 */
for (V=0; V<Graph->Nv; V++)
if ( Indegree[V]==0 )
AddQ(Q, V);
/* 下面进入拓扑排序 */
cnt = 0;
while( !IsEmpty(Q) ){
V = DeleteQ(Q); /* 弹出一个入度为0的顶点 */
TopOrder[cnt++] = V; /* 将之存为结果序列的下一个元素 */
/* 对V的每个邻接点W->AdjV */
for ( W=Graph->G[V].FirstEdge; W; W=W->Next )
if ( --Indegree[W->AdjV] == 0 )/* 若删除V使得W->AdjV入度为0 */
AddQ(Q, W->AdjV); /* 则该顶点入列 */
} /* while结束*/
if ( cnt != Graph->Nv )
return false; /* 说明图中有回路, 返回不成功标志 */
else
return true;
}
关键路径
书P249
AOV图：用顶点表示活动或任务的图。
AOE图：有向边表示任务或活动，边上的权表示该活动持续的时间。
关键活动：不允许有时间延误的活动。
关键路径：由关键活动构成的从头至尾的路径，即由绝对不允许延误的活动组成的路径。
5.生活应用
最小生成树：公路村村通
最短路径：汽车导航系统
77
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
