福州培训之图论（2月12日）

                                                          福州培训最后一天

Emmmm

最后一天了

不知该怎么说

我能写一篇培训感受吗，算了，还是写上课笔记吧，其实也没啥笔记，根本没听懂

图论：

图是由一个顶点的集合V和一个顶点间关系的集合E组成，记为G=（V，E）

V：顶点的有限非空集合

E：顶点间关系的优先集合（边集）

存在一个结点V，可能含多个前驱结点和后继结点，用不带箭头的边表示结点关系

有向图：按照固定方向走，通常用带箭头的边连接两个有关联的结点

无向图：可往反方向走

路径、简单路径、回路：

1.    如果一条路径上的结点除起点x1和终点xk可以相同外，其他结点均不同，则称此为一条简单路径。

2.    X1=xk的简单路径成为回路（也称为环）

储存方式：

邻接矩阵：

空间复杂度为O（n2），表示结点间相邻关系的矩阵。

          格式：

          a[i][j]={1(或权值)：无向图：有边（i,j）和边(j,i)；有向图:有边<i,j> / 0:i到j无边}

          输入：

           对角线为0：结点自身不相连

           无向图：是对称矩阵。有向图一般不是

           第i行非0的个数是结点i的度

          输入情况：

1.    直接给出邻接矩阵，直接读入即可

2.    给出边的顶点

3.    给出每个结点的邻接点

（详细代码见黑皮书）

 

邻接表：

     空间复杂度为O（|E|），

1.    无权图：设置结点指针

结点——>邻接点指针

2.    有权图：*结点——>邻接点指针；邻接点——>边权值——>下一个邻接点指针

3.    用数组模拟有权图：对于从x为起始点的边，在邻接表里装入所对应的y值，以及权值v，以及以x为起点的前一个所对应的y值的编号，link数组里装入以i好点为起点的边中所对应的最后一个y值。我们可以这样理解e数组,e数组里包含了n个链表，每个表都是以某个端点为起点的边的集合。这要好好理解一下。

*结点相邻边的总数s——>第一条邻接边next ;邻接点——>边权值——>下一个邻接边

    储存邻接表：（详情见黑皮书）

有向无环图：这是什么鬼

 

邻接矩阵和邻接表的优点：

 邻接矩阵：代码书写简单，找邻接点慢

           采用二维数组的静态存储结构

           一般点数|v|小于等于5000的时候，用邻接矩阵。

邻接表：代码书写较复杂，找邻接点快，适用于稀疏图

       采用动态存储结构（指针或用数组模拟）

        一般点数|v|大于等于5000，并且边得个数不是很多的时候，用邻接表，

        并且现在一般都用数组来模拟。

     数组模拟链表的速度会快一点，并且能避免一些错误。

对于在图论里数据出现的重边问题，邻接矩阵必须判断，邻接表则可以直接处理

/*边集数组：*/

前向星（可背邻接表代替）

图的遍历：

1． 深度优先搜索DFS：

遍历算法（递归过程）

（1）.从某一初始点出发点i开始访问，输出该点编号，并对改点做被访问标志（以免被重复访问）

（2）.再从i的其中一个未被访问的邻接点j作为初始点出发继续深搜。

  当i的所有邻接点都被访问完，则退回到i的父结点，当另一个邻接点k再继续深搜直到全部结点访问完毕

2． 广度优先搜索（宽度优先搜索）BFS

按层次遍历:

 从图中某结点i出发，在访问i之后，再一次访问i的各个未曾访问的邻接点，然后分别从这些邻接点出发按广度优先搜索的顺序遍历图，直至图中所有可被访问的结点都被访问到。

图的传递闭包：

   判断无向图的连通性

G的传递闭包：G*=(V,E*)

              E*={(i,j):图G中存在一条i到j的路径}表示（见黑皮书）

  入度：

以该顶点为终点的边的数目和

  出度：

    以该顶点为起始点的边的数目和

入度为0的点即可做开头

度数为奇数的顶点叫做奇点，度数为偶数的顶点叫做偶点

度：等于该顶点的入度和出度之和

结论：图中所有顶点的度=边数的两倍

最早能做开头的点到最后能做开头的点依次排序

生成树：

无向图，取其中|v|-1条边，并连接所有顶点，则组成原图的一个生成树

 |属性|：|v|-1条边、连通、无环

最小生成树： 加权图的最小生成树是一棵生成树

Prim普通算法 O(|v|2)

Prim算法中用“堆“方法   O((|E|+|V|)*log|V|)-----对稀疏图较好

Kruskal算法  O(|E|*log|E|+|N|*A|V|)-----对稀疏图较好

最短路：从某一个点到另一个点的最短路径

  Dijkstra算法:

      定义：单源点最短路径

      迪杰斯特拉算法应用的是贪心的思想，这个算法的思路的出发点是，如果源点到某个点x的距离是到其他点的距离的最小值，那么到第点x的最短距离

       目标：图中下一个顶点到其他顶点的最短路径，不能有负权。----单源，非负

       原理：经严格证明的贪心

       时间复杂度：O（n2）

  SPFA算法：

      每次都要检查所有边，这看起来比较浪费，对于（x,y），如果上一次dis[x]没有改变，则本次的检查显然多余

      我们每次只要从上次刚被“松弛“过的点x,来看看x能不能松弛其他点即可

      SPFA算法中用BFS中的队列来存放刚被“松弛“过的点，由于顶点个数未|V|，队列如果用数组的话显然要用”循环队列“使用空间

      时间复杂度：O(K*E)

  Floyed算法：

      目标：把图中任意点i与j之间的最短距离都求出来

      原理：根据图的传递闭包思想：

             If(d[i][k]+d[k][j]<d[i][j])

                d[i][j]=d[i][k]+d[k][j];

      时间复杂度：O(n3)

  博客到此为止，拓补可能有些问题，需自行参考，that’s all