图的学习
一.并查集
了解并查集
class UnionFindSet {
public:
UnionFindSet(size_t n)
:_ufs(n,-1)
{}
void Union(size_t x1, size_t x2)
{}
int FindRoot(size_t x)
{}
bool InSet(size_t x1,size_t x2)
{}
size_t SizeSet()
{}
private:
vector<int> _ufs;
};
- 下标为负数这个下标为集合的根,存的值为该集合的拥有的数据个数。
- 下标存的若为非负数即为它的父亲节点的下标。
- 有多少个负数即有多少个集合
实现并查集
Union合并两个下标对应的两个集合
void Union(size_t x1, size_t x2)
{
//寻找两个集合的根
int root1 = FindRoot(x1), root2 = FindRoot(x2);
//根下标相等说明在同一集合,无需在合并
if (x1 == x2)return;
if (root1 > root2) swap(root1, root2);
//将root2下的节点放到root1下
_ufs[root1] += _ufs[root2];
_ufs[root2] = root1;
}
FindRoot查找某下标所在集合的根下标
int FindRoot(size_t x)
{
//根据下标位置存的非负值为父亲节点找根
int root = x;
while (_ufs[root] >= 0)
{
root = _ufs[root];
}
//压缩路径
//将x节点的所有非根祖先都直接挂到根节点下
int parent = _ufs[x];
while (parent >= 0)
{
_ufs[x] = root;
x = parent;
parent = _ufs[x];
}
//压缩路径这里为优化可以省略
return root;
}
InSet判断两个数是否在同一集合下
bool InSet(size_t x1,size_t x2)
{
return FindRoot(x1) == FindRoot(x2);
}
SizeSet返回数组中负数的个数,即为集合的个数
size_t SizeSet()
{
int count = 0;
for (size_t i = 0;i < _ufs.size();i++)
{
if (i < 0) ++count;
}
return count;
}
练习: 等式方程的可满足性
可以使用并查集解决
class Solution {
public:
bool equationsPossible(vector<string>& equations) {
vector<int> ufs(26, -1);
auto FindRoot = [&](int x)->int{
int root = x;
while(ufs[root] >= 0)
{
root = ufs[root];
}
return root;
};
auto InSet = [&](int x,int y)->bool{
return FindRoot(x) == FindRoot(y);
};
auto Union = [&](int x, int y)->void{
int rootX = FindRoot(x);
int rootY = FindRoot(y);
if(rootX == rootY) return;
ufs[rootX] += ufs[rootY];
ufs[rootY] = rootX;
};
for (string s : equations) {
if (s[1] == '=')
Union(s[0]-'a',s[3]-'a');
}
for (string s : equations) {
if (s[1] == '!')
if (InSet(s[0] - 'a', s[3] - 'a'))
return false;
}
return true;
}
};
图
二.什么是图
图是由顶点集合及顶点间的关系组成的一种数据结构:G = (V, E)
,其中:
顶点集合V = {x|x属于某个数据对象集}是有穷非空集合
;
E = {(x,y)|x,y属于V}或者E = {<x, y>|x,y属于V && Path(x, y)}是顶点间关系的有穷集合,也叫 做边的集合。
(x, y)表示x到y的一条双向通路,即(x, y)是无方向的;Path(x, y)表示从x到y的一条单向通路,即Path(x, y)是有方向的。
顶点和边:
图中结点称为顶点
,第i个顶点记作vi。两个顶点vi和vj相关联称作顶点vi和顶点vj之间有一条边
,图中的第k条边记作ek,ek = (vi,vj)或<vi,vj>。
有向图和无向图:在
有向图中,顶点对<x, y>是有序的,顶点对<x,y>称为顶点x到顶点y的一条边(弧),<x, y>和<y, x>是两条不同的边
,比如下图G3和G4为有向图。
在无向图中,顶点对(x, y)是无序的,顶点对(x,y)称为顶点x和顶点y相关联的一条边,这条边没有特定方向,(x, y)和(y,x)是同一条边
,比如下图G1和G2为无向图。注意:无向边(x, y)等于有向边<x, y>和<y, x>
。
完全图:
在有n个顶点的无向图中
,若有n * (n-1)/2条边
,即任意两个顶点之间有且仅有一条边
,则称此图为无向完全图
,比如上图G1;在n个顶点的有向图中
,若有n * (n-1)条边
,即任意两个顶点之间有且仅有方向相反的边
,则称此图为有向完全图
,
比如上图G4。
邻接顶点:
在无向图中G中,若(u, v)是E(G)中的一条边
,则称u和v互为邻接顶点
,并称边(u,v)依附于顶点u和v;在有向图G中
,若<u, v>是E(G)中的一条边,则称顶点u邻接到v,顶点v邻接自顶点u,并称边<u, v>与顶点u和顶点v相关联
。
顶点的度:
顶点v的度是指与它相关联的边的条数,记作deg(v)
。在有向图中
,顶点的度等于该顶点的入度与出度之和
,其中顶点v的入度是以v为终点的有向边的条数
,记作indev(v);顶点v的出度是以v为起始点的有向边的条数
,记作outdev(v)。因此:dev(v) = indev(v) + outdev(v)
。注意:对于无向图
,顶点的度等于该顶点的入度和出度
,即dev(v) = indev(v) = outdev(v)
。
路径:在图G = (V, E)中,若从
顶点vi出发有一组边使其可到达顶点vj
,则称顶点vi到顶点vj的顶点序列为从顶点vi到顶点vj的路径
。
路径长度:对于
不带权的图
,一条路径的路径长度是指该路径上的边的条数
;对于带权的图
,一条路径的路径长度是指该路径上各个边权值的总和
。
简单路径与回路:
若路径上各顶点v1,v2,v3,…,vm均不重复,则称这样的路径为简单路径
。若路径上第一个顶点v1和最后一个顶点vm重合,则称这样的路径为回路或环
。
子图:设图
G = {V, E}和图G1 = {V1,E1}
,若V1属于V且E1属于E
,则称G1是G的子图
。
连通图:在
无向图中
,若从顶点v1到顶点v2有路径
,则称顶点v1与顶点v2是连通的
。如果图中任意一对顶点都是连通的
,则称此图为连通图
。
强连通图:在
有向图中
,若在每一对顶点vi和vj之间都存在一条从vi到vj的路径
,也存在一条从vj到vi的路径
,则称此图是强连通图
。
生成树:一个
连通图的最小连通子图
称作该图的生成树。有n个顶点的连通图的生成树有n个顶点和n1条边
。
三.如何构建图
1.邻接矩阵
节点与节点之间的关系就是连通与否,即为0或者1,因此邻接矩阵(二维数组)即是:先用一个数组将定点保存,然后采用矩阵来表示节点与节点之间的关系。
注意:
-
- 无向图的邻接矩阵是对称的,第i行(列)元素之和,就是顶点i的度。有向图的邻接矩阵则不一定是对称的,第i行(列)元素之后就是顶点i 的出(入)度。
-
- 如果边带有权值,并且两个节点之间是连通的,上图中的边的关系就用权值代替,如果两个顶点不通,则使用无穷大代替。
-
- 用邻接矩阵存储图的有点是能够快速知道两个顶点是否连通,缺陷是如果顶点比较多,边比较少时,矩阵中存储了大量的0成为系数矩阵,比较浪费空间,并且要求两个节点之间的路径不是很好求。
//Graph.h
#pragma once
#include<vector>
#include<map>
namespace AdMatrix {
template<class V, class W,W MAX_W = INT_MAX,bool Direction = true>
class Graph {
public:
//此结构在后面最小生成树时需要
struct Edge {
public:
size_t _srci;
size_t _dsti;
W _w;
Edge(size_t srci, size_t dsti,const W& w)
{
_srci = srci;
_dsti = dsti;
_w = w;
}
bool operator>(const Edge& e)const
{
return _w > e._w;
}
bool operator<(const Edge& e)
{
return _w < e->_w;
}
};
//1.IO输入,适合OJ题
//2.文件读取
//3.手动输入边录入 ->此处选择
Graph(const V* arr, size_t n)
{
_vertexs.reserve(n);
for (int i = 0; i < n; i++)
{
_vertexs.push_back(arr[i]);
_indexMap[arr[i]] = i;
}
_matrix.resize(n);
for (int i = 0; i < n; i++)
{
for (int j = 0; j < n; j++)
{
_matrix[i].push_back(MAX_W);
}
}
}
int GetVertexIndex(const V& x)
{
auto it = _indexMap.find(x);
if (it == _indexMap.end())
{
throw invalid_argument("顶点不存在");
return -1;
}
return it->second;
}
bool AddEdge(const V& src,const V& dst,const W& w)
{
if(GetVertexIndex(src) == -1 || GetVertexIndex(dst) == -1) return false;
int x = _indexMap[src],y = _indexMap[dst];
_matrix[x][y] = w;
if(!Direction)_matrix[y][x] = w;
return true;
}
void print()
{
cout << " ";
for (int i = 0; i < _matrix.size(); i++)
{
printf("%d ", i);
}
cout << endl;
for (int i = 0;i < _matrix.size();i++)
{
printf("%d: ", i);
for (int j = 0;j < _matrix.size(); j++)
{
if (_matrix[i][j] == MAX_W) cout << "x ";
else cout << _matrix[i][j] << " ";
}
cout << endl;
}
}
private:
std::vector<V> _vertexs;
std::map<V, int> _indexMap;
std::vector<std::vector<W>> _matrix;
};
};
//main.cpp
#include<iostream>
using namespace std;
#include"Graph.h"
void Mtext()
{
AdMatrix::Graph<char,int,INT_MAX,true> g("0123", 4);
g.AddEdge('0', '1', 1);
g.AddEdge('0', '3', 4);
g.AddEdge('1', '3', 2);
g.AddEdge('1', '2', 9);
g.AddEdge('2', '3', 8);
g.AddEdge('2', '1', 5);
g.AddEdge('2', '0', 3);
g.AddEdge('3', '2', 6);
g.print();
}
int main()
{
Mtext();
return 0;
}
2.邻接表
使用数组表示顶点的集合,使用链表表示边的关系。
注意:
- 无向图中同一条边在邻接表中出现了两次。如果想知道顶点vi的度,只需要知道顶点vi边链表集合中结点的数目即可。
- 有向图中每条边在邻接表中只出现一次,与顶点vi对应的邻接表所含结点的个数,就
是该顶点的出度,也称出度表,要得到vi顶点的入度,必须检测其他所有顶点对应的边链表,看有多少边顶点的dst取值是i。
//Graph.h
#pragma once
#include<vector>
#include<map>
#include<list>
namespace AdList {
template<class V, class W, bool Direction = true>
class Graph {
public:
Graph(const V* arr, size_t n)
{
_vertexs.reserve(n);
for (int i = 0; i < n; i++)
{
_vertexs.push_back(arr[i]);
_indexMap[arr[i]] = i;
}
_matrix.resize(n);
}
int GetVertexIndex(const V& x)
{
auto it = _indexMap.find(x);
if (it == _indexMap.end())
{
throw invalid_argument("顶点不存在");
return -1;
}
return it->second;
}
bool AddEdge(const V& src, const V& dst, const W& w)
{
if(GetVertexIndex(src) == -1 || GetVertexIndex(dst) == -1) return false;
int x = _indexMap[src], y = _indexMap[dst];
_matrix[x].push_back(std::make_pair(_vertexs[y],w));
if (!Direction)
_matrix[y].push_back(std::make_pair(_vertexs[x],w));
return true;
}
void print()
{
for (int i = 0; i < _matrix.size(); i++)
{
cout << "[" << i << "]" << _vertexs[i] << ": ";
auto it = _matrix[i].begin();
while (it != _matrix[i].end())
{
cout << it->first << "|" << it->second << " -> ";
++it;
}
cout << "NULL";
cout << endl;
}
}
private:
std::vector<V> _vertexs;
std::map<V, int> _indexMap;
std::vector<std::list<std::pair<V,W>>> _matrix;
};
};
//main.cpp
#include<iostream>
using namespace std;
#include"Graph.h"
void Ltext()
{
string a[] = { "张三", "李四", "王五", "赵六" };
AdList::Graph<string,int,true> g1(a, 4);
g1.AddEdge("张三", "李四", 100);
g1.AddEdge("张三", "王五", 200);
g1.AddEdge("王五", "赵六", 30);
g1.print();
}
int main()
{
Ltext();
return 0;
}
四.图的遍历
1.图的广度优先遍历(BFS)
思路:
- 准备一个队列要遍历的节点放进去,一个遍历数组记录遍历过的数字。
- 从节点A开始遍历,A进队列,在数组中将A设置已遍历。
- 将A出队列,把与A相连且数组中为未遍历的的节点入队列即B,C,D入队列。
- 再B,C,D分别出队列带来相连且为遍历节点 ,重复操作直至队列为空结束。
void BFS(const V& x)
{
std::queue<V> q;
std::vector<int> m(_vertexs.size(),0);
//分层获取数据,第一层初始为1。
int levelSize = 1;
q.push(x);
m[_indexMap[x]] = 1;
while (!q.empty())
{
//分层获取数据。
for (int ls = 0;ls < levelSize;ls++)
{
V tmp = q.front();
q.pop();
//遍历取到值,获取的数据可以进行各种操作这里就只是打印了。
cout << tmp << " ";
//
int index = _indexMap[tmp];
for (int i = 0; i < _matrix[index].size(); i++)
{
if (_matrix[index][i] != MAX_W && !m[i])
{
q.push(_vertexs[i]);
m[i] = 1;
}
}
}
//上一层出队列都会带来下一层的节点,levelSize又为上一层的节点数
//所以上一层出完就会带来所有的下一层节点,得出队列长度即为下一层的节点数
levelSize = q.size();
}
}
以上代码只能遍历连通图,若图不为连通图,只需将BFS遍历方法放进一个子函数,将记录已遍历数组中未遍历的节点再调用子函数即可
void BFS(const V& x)
{
int n = _vertexs.size();
vector<int> m(n,0);
_BFS(x, m);
for (int i = 0; i < n; i++)
if (m[i] == 0)
_BFS(_vertexs[i],m);
}
2.图的深度优先遍历(DFS)
思路:
- 准备一个记录已遍历节点的数组。
- 设从A开始。找到A,递归进入A并将A设为已经遍历,找一个与A相连的节点。
- 找到B,若B为已经遍历,递归不进入B,回溯上一个节点(此处为A)再找另一个相连节点,若无继续回溯。
此处为B为未遍历,递归进入B并将B设为已遍历,再找与B相连节点。- 如3往复直到递归结束,遍历就完成了。
void DFS(const V& x)
{
//std::map<V, bool> m;
std::vector<V> m(_vertexs.size(),0);
_DFS(x, m);
//非连通图,递归为遍历的节点
for (int i = 0; i < _vertexs.size(); i++)
if (m[i] == 0)
_DFS(_vertexs[i], m);
}
void _DFS(const V& x,std::vector<V>& m)
{
//DFS获取到值
cout << x << " ";
//
m[_indexMap[x]] = 1;
int index = _indexMap[x];
for (int i = 0;i < _vertexs.size(); i++)
{
if (_matrix[index][i] != MAX_W && !m[i])
{
_DFS(_vertexs[i], m);
}
}
}
五.最小生成树
连通图中的每一棵生成树,都是原图的一个极大无环子图,即:
从其中删去任何一条边,生成树就不在连通;反之,在其中引入任何一条新边,都会形成一条回路
。
若连通图
由n个顶点
组成,则其生成树
必含n个顶点
和n-1条边
。因此构造最小生成树的准则有三条:
- 只能使用图中的边来构造最小生成树
- 只能使用恰好n-1条边来连接图中的n个顶点
- 选用的n-1条边不能构成回路
构造最小生成树的方法:Kruskal算法和Prim算法。这两个算法都采用了逐步求解的贪心策略。
最小生成树,测试函数代码
void MiniTreeText()
{
const char* str = "abcdefghi";
AdMatrix::Graph<char, int> g(str, strlen(str));
g.AddEdge('a', 'b', 4);
g.AddEdge('a', 'h', 8);
//g.AddEdge('a', 'h', 9);
g.AddEdge('b', 'c', 8);
g.AddEdge('b', 'h', 11);
g.AddEdge('c', 'i', 2);
g.AddEdge('c', 'f', 4);
g.AddEdge('c', 'd', 7);
g.AddEdge('d', 'f', 14);
g.AddEdge('d', 'e', 9);
g.AddEdge('e', 'f', 10);
g.AddEdge('f', 'g', 2);
g.AddEdge('g', 'h', 1);
g.AddEdge('g', 'i', 6);
g.AddEdge('h', 'i', 7);
AdMatrix::Graph<char, int> kminTree;
cout << "Kruskal:" << g.Kruskal(kminTree) << endl;
kminTree.print();
cout << "Prim start" << endl;
AdMatrix::Graph<char, int> pminTree;
cout << "Prim:" << g.Prim(pminTree, 'a') << endl;
pminTree.print();
//测试其他点开始的Prim情况
//for (int i = 0; i < strlen(str); i++)
//{
// AdMatrix::Graph<char, int> pminTree2;
// cout << "Prim:" << g.Prim(pminTree2, str[i]) << endl;
//}
}
1.Kruskal算法
思路:
- Kruskal算法使用整体贪心策略,从整体选出最小且不构环的边。
- 首先准备一个优先级队列将所有边入队列,一个顶点数的并查集防止构成环,一个图保存最小生成树。
- 随后依次将优先级队列里的边拿出,使用并查集查看边的两个顶点是否在同一集合,以此判断边是否构成环。
- 若判断边不构成环,则添加进最小生成树中,当添加数量到达 (顶点数-1)时完成,若未到达(顶点数-1)则此图为非连通图。
1kruskal算法图
W Kruskal(Self& miniTree)
{
miniTree = *this;
miniTree.CleanEdge();
int n = _vertexs.size();
UnionFindSet ufs(n);
priority_queue<Edge,std::vector<Edge>,std::greater<Edge>> miniVer;
//获取到每一条边,并使用优先级队列将其按权值排序
for(int i = 0;i < n;i++)
{
for (int j = 0; j < n; j++)
{
if (_matrix[i][j] != MAX_W)
{
Edge e(i, j, _matrix[i][j]);
miniVer.push(e);
}
}
}
//选边构成最小生成树
int k = 0;
W total = W();
while (!miniVer.empty())
{
Edge e = miniVer.top();
miniVer.pop();
//使用并查集防止构成环
if (!ufs.InSet(e._srci, e._dsti))
{
miniTree._AddEdge(e._srci, e._dsti, e._w);
ufs.Union(e._srci, e._dsti);
k++;
total += e._w;
//选边打印
cout << e._srci << ":" << _vertexs[e._srci] << "->" << e._dsti << ":" << _vertexs[e._dsti] << endl;
}
}
非连通图
if (k < n - 1) {
return W();
}
return total;
}
2.Prim算法
思路:
- Prim使用局部贪心的策略,将一个图分为两个部分。
- 根据下面图片颜色设为黑图和白图,黑图只有一个刚开始选取的开始顶点,其余顶点都为白图。
- 随后每次选取一条连接黑图白图的最小边构成最小生成树。
- 准备一个黑图bool数组对所有顶点进行hash映射其是否在黑图,白图同理。
- 准备一个优先级队列,将使黑白图相连的边入队列。
- 依次取出队列头的边,判断其是否为黑白图相连,否则会构环舍弃,是则写入最小生成树,直至边取到(总节点数-1)或队列为空,Prim算法结束。若边不为(总结点数-1)此图为非连通图。
2Prim算法图
W Prim(Self& miniTree,const V& srcv)
{
miniTree = *this;
miniTree.CleanEdge();
int n = _vertexs.size();
std::vector<int> y(n, true);
int srci = GetVertexIndex(srcv);
y[srci] = false;
priority_queue<Edge, std::vector<Edge>, std::greater<Edge>> miniVer;
//从srcv节点开始,将带srcv节点的边入队列
for (int i = 0;i < n; i++)
{
if (_matrix[srci][i] != MAX_W && y[i])
{
Edge e(srci,i,_matrix[srci][i]);
miniVer.push(e);
}
}
int size = 0;
W totalW = W();
while (!miniVer.empty())
{
if (size == n - 1)
break;
//优先级队列找出最小的边
Edge et = miniVer.top();
miniVer.pop();
//判断是否构成环,不构成就将边加进最小生成树中
if (y[et._dsti])
{
miniTree._AddEdge(et._srci,et._dsti,et._w);
size++;
totalW += et._w;
//标记节点为已选
y[et._dsti] = false;
//选边打印
cout << et._srci << ":" << _vertexs[et._srci] << "->" << et._dsti << ":" << _vertexs[et._dsti] << endl;
//将含有刚选的节点的边入队列
for (int i = 0; i < n; i++)
{
//含有已选节点的边不选
if (_matrix[et._dsti][i] != MAX_W && y[i])
{
miniVer.push(Edge(et._dsti, i, _matrix[et._dsti][i]));
}
}
}
}
if (totalW < n - 1)return W();
return totalW;
}
六.最短路径
打印最短路径代码:
void PrintShortPath(const V& src,const std::vector<W>& dist,const std::vector<int>& pPath)
{
int srci = GetVertexIndex(src);
int n = _vertexs.size();
for (int i = 0; i < n; i++)
{
std::vector<V> shortPath;
if (i != srci)
{
int parent = i;
while (parent != srci)
{
shortPath.push_back(_vertexs[parent]);
parent = pPath[parent];
}
shortPath.push_back(_vertexs[srci]);
reverse(shortPath.begin(), shortPath.end());
for (auto v : shortPath)
{
cout << v << "->";
}
cout << dist[i] << endl;
}
}
}
1.Dijkstra算法(单源最短路径)
思路:
- 目的:选择一个起始节点,找到其他节点的最短路径。
- 开始前准备一个存储开始节点srci到下标位置目标节点最短路程的数组dist(开始时只有初始节点为0,其余为INT_MAX),一个存储到下标位置节点最短路径中的上一节点下标的数组pPath(开始时只有初始节点的值为自己下标),一个存储已找到最短路径的节点的哈希数组S(开始时节点全不在)。
- 首先找dist数组中不为INT_MAX且节点未被pPath标记中路径最短的节点,将找到的节点标记为已找到最短路径节点。
- 将3中找到的节点u进行松弛算法,即将与u相连且并未被pPath标记的节点对应下标的dist数组更新,若dist数组改变将更新节点对应pPath下标父节点更新为u下标。
- 重复上面3,4操作直至节点全被S标记完成。
3Dijkstra算法图
void Dijkstra(const V& src,std::vector<W>& dist,std::vector<int>& pPath)
{
int srci = GetVertexIndex(src);
int n = _vertexs.size();
dist.resize(n,MAX_W);
pPath.resize(n, -1);
dist[srci] = W();
pPath[srci] = srci;
//节点是否已经更新完成
std::vector<bool> S(n,false);
for(int j = 0;j < n;j++)
{
int u = -1;
int minW = MAX_W;
for (int i = 0; i < n; i++)
{
if (S[i] == false && dist[i] < minW)
{
u = i;
minW = dist[i];
}
}
//将节点设为已求到最短路径
S[u] = true;
//松弛算法,将与u节点相连节点vi路径求出,又因u与srci相连,顺带求出srci到vi的路径。
for (int i = 0;i < n;i++)
{
if (S[i] == false && _matrix[u][i] != MAX_W
&& dist[u] + _matrix[u][i] < dist[i])
{
dist[i] = dist[u] + _matrix[u][i];
pPath[i] = u;
}
}
}
}
2.Bellman-Ford算法(负权图单源最短路径)
思路:
- 准备一个存储最短路程的数组dist,一个存储到一个节点最短路径的父节点坐标数组pPath。
- 从开始节点起,更新与其相连节点的最短路径,更新完每一个节点结束。
- 重复步骤2节点减一次,完成。
4Bellman-Ford算法图
bool BellmanFord(const V& src,std::vector<W>& dist,std::vector<int>& pPath)
{
int srci = GetVertexIndex(src);
int n = _vertexs.size();
dist.resize(n, MAX_W);
pPath.resize(n, -1);
dist[srci] = W();
pPath[srci] = srci;
for (int k = 0;k < n - 1;k++)
{
bool exchange = false;
//如果数组没有发生改变可以直接跳出循环
for (int i = 0; i < n; i++)
{
for (int j = 0; j < n; j++)
{
if (_matrix[i][j] != MAX_W
&& dist[i] + _matrix[i][j] < dist[j])
{
dist[j] = dist[i] + _matrix[i][j];
pPath[j] = i;
exchange = true;
}
}
}
if (!exchange) break;
}
//判断有无带负权值成环
for (int i = 0; i < n; i++)
{
for (int j = 0; j < n; j++)
{
if (_matrix[i][j] != MAX_W
&& dist[i] + _matrix[i][j] < dist[j])
{
cout << "有负权环" << endl;
return false;
}
}
}
return true;
}
测试代码
void BellmanFordText()
{
const char* str = "syztx";
AdMatrix::Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('s', 't', 6);
g.AddEdge('s', 'y', 7);
g.AddEdge('y', 'z', 9);
g.AddEdge('y', 'x', -3);
g.AddEdge('z', 's', 2);
g.AddEdge('z', 'x', 7);
g.AddEdge('t', 'x', 5);
g.AddEdge('t', 'y', 8);
g.AddEdge('t', 'z', -4);
g.AddEdge('x', 't', -2);
vector<int> dist;
vector<int> parentPath;
if (g.BellmanFord('s', dist, parentPath))
{
g.PrintShortPath('s', dist, parentPath);
}
else
{
cout << "存在负权回路" << endl;
}
// 微调图结构,带有负权回路的测试
//const char* str = "syztx";
//AdMatrix::Graph<char, int, INT_MAX, true> g(str, strlen(str));
//g.AddEdge('s', 't', 6);
//g.AddEdge('s', 'y', 7);
//g.AddEdge('y', 'x', -3);
//g.AddEdge('y', 'z', 9);
//g.AddEdge('y', 'x', -3);
//g.AddEdge('y', 's', 1); // 新增
//g.AddEdge('z', 's', 2);
//g.AddEdge('z', 'x', 7);
//g.AddEdge('t', 'x', 5);
//g.AddEdge('t', 'y', -8); // 更改
//g.AddEdge('t', 'z', -4);
//g.AddEdge('x', 't', -2);
//vector<int> dist;
//vector<int> parentPath;
//if (g.BellmanFord('s', dist, parentPath))
//{
// g.PrintShortPath('s', dist, parentPath);
//}
//else
//{
// cout << "存在负权回路" << endl;
//}
}
3.Floyd-Warshall算法(多源最短路径)
思路:
- 准备一个二维数组dist存储一个节点到另一节点的最短路径,一个存储i->j路径中j节点的上一个节点的下标的二维数组pPath。
- 遍历每一个节点做中转节点k,再遍历每一个节点若与k相连且比i->j更短则更新i->k最短路径和对应的pPath。
5Floyd-Warshall算法图
void FloydWarshall(std::vector<std::vector<W>>& vvDist,std::vector<std::vector<int>>& vvParentPath)
{
size_t n = _vertexs.size();
vvDist.resize(n);
vvParentPath.resize(n);
//初始化
for (size_t i = 0; i < n; ++i)
{
vvDist[i].resize(n, MAX_W);
vvParentPath[i].resize(n, -1);
}
// 将直接相连的路径初始化
for (size_t i = 0; i < n; i++)
{
for (size_t j = 0; j < n; j++)
{
if (_matrix[i][j] != MAX_W)
{
vvDist[i][j] = _matrix[i][j];
vvParentPath[i][j] = i;
}
else {
vvParentPath[i][j] = -1;
}
if (i == j)
{
vvDist[i][j] = 0;
vvParentPath[i][j] = -1;
}
}
}
//依次用k节点作为中转节点求最短路径
for (size_t k = 0; k < n; k++)
{
for (size_t i = 0; i < n; i++)
{
for (size_t j = 0; j < n; j++)
{
//i->k + k->j < i->j 更新
if (vvDist[i][k] != MAX_W
&& vvDist[k][j] != MAX_W
&& vvDist[i][k] + vvDist[k][j] < vvDist[i][j])
{
vvDist[i][j] = vvDist[i][k] + vvDist[k][j];
vvParentPath[i][j] = vvParentPath[k][j];
}
}
}
}
}