图论--基础知识

在数学的分支图论中，图（Graph）用于表示物件与物件之间的关系，是图论的基本研究对象。一张图由一些小圆点（称为顶点或结点）和连结这些圆点的直线或曲线（称为边）组成 -- 维基百科

• 有向图&无向图：图中的边是否有方向。

• 入度与出度（有向图的顶点），入度：以当前顶点为终点的边的数量；出度：以当前顶点为起点的边的数量

• 路径：从u到v的一条路径是指一个序列v0,e1,v1,e2,v2,...ek,vk，其中ei的顶点为vi及vi - 1，k称作路径的长度。如果它的起止顶点相同，该路径是“闭”的，反之，则称为“开”的。一条路径称为一简单路径(simple path)，如果路径中除起始与终止顶点可以重合外，所有顶点两两不等。边的序列

• 环：起点与终点重合的路径；自环：一条边的两顶点相同

• DAG：有向无环图

• 图的存储

  • 邻接矩阵：使用一个二维数组g(i,j)表示图中各个顶点的联系。若边存在权值，则g(i,j)记录i -> j的相应权值；否则赋值为1，表示i - > j，存在边。

  • 邻接表：链式前向星（速度较vector实现更快）

    const int kN = 1010; 
    struct node{
    	int e,ne,w;//终点，与当前边同起点的下一条边的索引，权值  
    }g[kN];
    int idx,n,h[kN];//idx 边的索引 h数组，存储各个头结点中 -- 索引最大的边(数组模拟链表，头插法) 
    void add(int a,int b,int c){//a - b,权值w 
    	g[idx].e = b;
    	g[idx].ne = h[a];
    	g[idx].w = c;
    	h[a] = idx++;//更新当前起始节点中边的最大索引 
    }
    int main(void){
    	ios::sync_with_stdio(false);
    	cin.tie(0);
    	int a,b,w;
    	memset(h, -1, sizeof h);
    	cin >> n;
    	for(int i = 0; i < n; i++){
    		cin >> a >> b >> w;
    		add(a,b,w);//有向图 
    		//add(b,a,w);
    	}
    	for(int i = 1; i <= n; i++){//遍历图
    		for(int j = h[i]; j != -1; j = g[j].ne){//遍历以i为起点所有边
    			cout << i << "->" << g[j].e << ' ' << g[j].w << endl; 
    		}
    	}
    	return 0;
    } 
    

  • 十字链表

    • 在邻接表中存储了节点和它的出度信息，对于遍历某一点能到达的所有点，可以快速方便的求出。但是，对于到达这个点的所有点的计算不太方便
    • 结合逆邻接表，每个节点记录它的入度边和出度边
    • 顶点结点：data域：相关顶点信息；指向第一条以该顶点为终点的弧的指针；指向第一条以该顶点为起点的弧的指针。
    • 弧结点：tailvex,headvex：存储弧尾和弧头索引；taillink,headlink：存储下一条同弧尾和弧头的弧的索引，其它的如权值w....

• DFS&BFS

  //dfs求最短路,遍历所有路径，维护min
  int g[kN][kN],ans = 0x3f3f3f3f;
  bool vis[kN][kN];
  void dfs(int s,int dist){//当前节点编号，所走过的路径
      if(dist > ans) return;
      if(s == n){
          if(ans > dist) ans = dist;
          return;
      }
      for(int i = 1; i <= n; i++){
          if(g[s][i] != -1 && !vis[s][i]){//s,i间未到达的边
  			vis[s][i] = true;
              dfs(i, dist + g[s][i]);
              vis[s][i] = false;
          }
      }
  }
  //bfs，起始节点入队，按层搜索相邻节点 -- end
  #define first x//节点编号
  #define second dist//到此节点的最短路
  void vfs(){
      pair<int,int> cur,top;
  	queue<pair<int,int> > q;
      q.push(make_pair(sx,sy));
      vis[sx] = true;
      while(!q.empty()){
          top = q.front();
          q.pop();
          if(top.x == end){
              cout << top.dist << endl;
              return;
          }
          cur.dist = top.dist + 1;
          for(int i = 1; i <= n; i++){
              if(g[top.x][i] != -1 && !vis[i]){
                  cur.x = i;
                  q.push(cur);
                  vis[i] = true;
              }
          }
      }
  } 
  

• 最短路:

  a->b节点的最短路：1. 直接到达（相邻）；2.借助其他顶点中转到达；

  • 边权为正的图，任意两顶点的最短路，不会经过重复的节点 or 边，路径中的节点数不会超过n，边不会超过n -1条。

  • 松弛：通过方法2，使路径变短的操作

  • 单源最短路：定点到其它顶点的最短路

  • Dijkstra算法（不能处理负权边 -- 有负环，贪心不成立 ）：先选择一个距起始点最近的顶点加标记，通过这两点的最短路径去更新起点到达其它顶点的最短路（dist数组）。之后不断的选择当前未标记的距起点路径最短的点去松弛其他的点.--贪心：每次使用当前最短路径的点去松弛与它相邻的点。

  const int inf = 0x3f3f3f3f;
  int n,g[kN][kN],dist[kN];//dist数组存储定点到其它各点的最短路
  bool vis[kN];
  void dijkstra(int s,int e){
  	memset(dist,0,sizeof dist);
  	memset(vis,0,sizeof vis);
  	dist[s] = 0;
  	for(int i=0;i<n;i++){ // n 次循环
  		int t = -1;
  		for(遍历以i为起始节点的所有边，另一个结点j){  
              //找到当前未访问过的距定点路径最短的点
  			//在未到达的点上 若有更小的dist 修改t 
  			if(!vis[j] && (t == -1 || dist[t] > dist[j])) t = j;
  		}
  		vis[t] = true;
          //通过t点松弛它的相邻顶点
  		for(int j=1;j<=n;j++){
  			if(dist[j] < (dist[t]+g[t][j])) dist[j] = dist[t]+g[t][j];
  		}
  	} 
  }
  

  • Floyd算法（任意两点间的最短路，边权正负均可，借助每一个顶点去松弛其它的路径） -- 不能有负环

  void floyd(){
  	for(int k=0;k<n;k++){//借助所有点中转 
  		for(int i=0;i<n;i++){
  			for(int j=0;j<n;j++){
  				g[i][j] = min(g[i][j],g[i][k] + g[k][j]);
  			}
  		}
  	}
  }
  

  • Bellman-Ford（单源最短路 + 可以处理负权边）
    • 检测图中是否存在负权回路，若在进行了n - 1轮松弛之后，依然存在dis[v[i]] > dis[u[i]] + w[i],说明存在回路。n个顶点，n - 1条边。

  int u[kN],v[kN],W[kN],dist[kN];//U -> v 权值为w
  for(int k = 1; k <= n - 1; k++){
      for(int i = 1; i <= m; i++){//遍历m条边，可否通过u->v这条边缩短dist[v[i]] -- 松弛
          if(dist[v[i]] > dist[u[i]] + w[i]) dist[v[i]] = dist[u[i]] + w[i];
      }
  }
  

  • 一个假算法 -- SPFA（Bellman-Ford队列优化，可使用优先队列）
    • Bellman-Ford当前轮中松弛的点连接的边下一轮中才会有松弛操作 -- 使用队列维护这些引起松弛操作的结点

  struct node{
  	int e,ne,w;
  }edge[kN];
  int head[kN],idx,n,m,t;
  //bfs判负环，入队次数大于n，复杂度有点高...
  bool spfa(){
  	queue<int> q;
      q.push(s);
      vis[s] = true;//入队加标记，出队取消标记
      while(!q.empty()){
  		int top = q.front();
          q.pop();
          vis(top) = false;
          for(int v = head[top]; v != -1; v= edge[v].ne){//遍历以top为起点的所有边
              if(relax(u,v) && !vis[v]){
                  q.push(v);
                  vis[v] = true;
              }
          }
      }
  }
  //SLF优化：优先队列优化的SPFA，权值高的元素排在队首 -- 有负权边：复杂度会卡到2的指数级
  //dfs版 判断（多次入队）及之后的退出上更快
  

• 各算法对比 -- 《啊哈 ！算法》

• 最小生成树: 边权和最小的生成树O(mlogm)

  • 所有的顶点和边都属于图G的图称为G的子图。含有G的所有顶点的子图称为G的生成子图。
  • 生成树：包含连通图的所有顶点，任意两顶点间仅有一条通路。-- 对应到非连通图中为生成森林。
  • kruskal（贪心：从小到大加入边，如果加入这条边导致成环则不加入 --> 加入了n - 1条边）
  • 关于加入边导致成环的判断：使用并查集，查询两点是否联通 or 连接。
  • 先排序O(nlogn),并查集O(nlogm)

  int x,f[kN];
  struct edge{
  	int form,to,value;
  } 
  int kruskal(edge *edges,int m){//边集 大小 
  	sort(edges,edges + m,cmp);//按边权升序排列
  	int r = 0;//权
  	for(int i = 0; i < m; i++){
  		if(find(deges[i].from) == find(edges[i].to)) continue;//成环，在同一连通块中
  		r += edges[i].value;//边权加入权值和
  		unionn(edges[i].from,edges[i].to);//合并连通块 
  	} 
  	return r;
  }
  

  • prim

    • 从一个顶点开始不断加点（与已加入的顶点间边权最小的）：每次要选择距离最小的一个结点，以及用新的边更新其他结点的距离
    • 暴力，并查集维护，O(n^2)：一个选择集合，一个边的集合。任一节点开始，枚举它可以到达的所有边，寻找最小权值,搜索这条边到达的节点...

    int edges[N][N],dist[N];
    bool vis[N];
    int prim(int n){
    	vis[1] = true;//任一节点开始
    	for(int i = 2; i <= n; i++) dist[i] = edges[1][i];
    	int ret = 0;
    	for(int i = 2; i <= n; i++){
    		int x = 1;
    		for(int j = 1; j <= n; j++){//寻找最小权值 
    			if(!vis[j] && dist[j] > dist[x]) x = j;
    		}
    		ret += dist[x];
    		vis[x] = true;
    		for(int j = 1; j <= n; j++){//更新dist x -> 其他节点 
    			if(!vis[j]) dist[j] = max(dist[j],edges[x][j]);
    		}
    	}
    	return ret;
    } 
    

    • 其它更快的：二叉堆、fib堆,emm...这两个都不会