图论算法

图的基础

一个图（graph）G = (V，E)由顶点（vertex）集V和边（edge）集E组成。每一条边就是一个点对（v，w），v，w∈V。有时也把边叫做弧（arc）。如果点对是有序的，那么图叫做有向的（directed），有向的图叫做有向图（digraph）。当且仅当（v，w）∈E时，称顶点v和w邻接（adjacent）

图中的一条路径（path）是一个顶点序列w1，w2，w3，...，wN，其中（w i，w i+1）∈E，1<=i<N。这样一条路径的长（length）是该路径上的边数，它等于N-1。从一个顶点到它自身可以看成是一条路径；如果路径不包含边，那么路径的长为0

如果图含有一条从一个顶点到它自身的边（v，v），那么路径v，v有时也叫作一个环（loop）

简单路径是指一条路径上所有的顶点都是互异的，但第一个顶点和最后一个顶点可能相同

有向图的圈（cycle）是满足w1 = wN且长至少为1的一条路径；如果该路径是简单路径，那么这个圈就是简单圈。如果一个有向图没有圈，则称其为无圈的（acyclic），一个有向无圈图简称为DAG

如果在一个无向图中从每一个顶点到其他所有顶点都存在一条路径，则称无向图是联通的（connected）。具有这样性质的有向图是强联通的（strongly connected）。如果一个有向图不是强联通的，那么该有向图称为是弱连通的（weakly connected）。完全图（complete graph）是其每一对顶点间都存在一条边的图

图的表示

表示图一种简单的方法是使用一个二维数组，称为邻接矩阵（adjacency matrix）表示法。对于每条边（u，v），我们置A[u][v] = 1；否则为0。如果边有权，可以置A[u][v]等于该权，并使用一个很大或很小的权表示边不存在。这种表示方法的优点是简单，但空间需求为Θ（|V|^2），如果图的边不是很多，那么表示的代价就太大了。如果图是稠密的（dense）：|E| = Θ（|V|^2），则邻接矩阵是合适的表示方法

如果图是稀疏的（sparse），则更好的表示方法是邻接表（adjacency list）。对每个顶点，使用一个链表存放所有的邻接顶点，此时的空间需求为O（|E| + |V|）。邻接表是表示图的标准方法。无向图可以类似地表示，不过每条边出现在两个表中，因此空间的使用基本上是双倍的

在大部分应用中，顶点都使用名字而非数字，而这些名字在编译时是未知的。由于我们不能通过未知名字为一个数组做索引，因此我们必须提供名字到数字的映射，完成这项工作最容易的方法是使用散列表

拓扑排序

拓扑排序是对有向无圈图的顶点的一种排序，它使得如果存在一条从vi到vj的路径，那么在排序中vj出现在vi后面。显然，如果图含有圈，那么拓扑排序是不可能的

一个简单的拓扑排序算法是先找出任意一个没有入边的顶点，然后显示出该顶点，并将它和它的边一起从图中删除。然后，我们对图的其余部分应用同样的方法处理。我们把顶点v的入度（indegree）定义为边（u，v）的条数

比较高效的算法是，首先对每一个顶点计算它的入度；然后，将所有入度为0的顶点放入一个初始为空的队列中。当队列非空时，删除一个顶点v（dequeue），并将与v邻接的所有顶点的入度减1。只要一个顶点的入度降为0，就把该顶点放入队列中。此时，拓扑排序就是顶点出队的顺序

              

如果使用邻接表，执行这个算法所用的时间为O（|E| + |V|），因为for循环对每条边最多执行一次。而队列操作对每个顶点也最多进行一次，初始化花费的时间也和图的大小成正比

最短路径算法

对一个赋权图，与每条边（vi，vj）相联系的是穿越该弧的代价（或称为值）c i,j。一条路径v1，v2，...，vN的值是∑ c i,i+1（i = 1 ~ N-1），叫做赋权路径长（weighted path length）。而无权路径长（unweighted path length）只是路径上的边数，即N - 1

单源最短路径问题：给定一个赋权图G = （V，E）和一个特定顶点s作为输入，找出从s到G中每一个其他顶点的最短赋权路径

当边存在负值时，最短路径可能小于零，这个循环叫做负值圈（negative-cost cycle）。当它出现时，最短路径问题就是不确定的