算法导论——基本的图算法

　　对于图G=(V,E)，V代表点，E代表边。图有两种标准的表示方法：邻接矩阵法和邻接链表法。

　　邻接链表法适合表示边的条数少的稀疏图，可以节约存储空间。对于有向图G来说，边(u,v)一定会出现在链表Adj[u]中，因此，所有链表的长度之和一定等于|E|。对于无向图来说，边(u,v)会同时出现在Adj[u]和Adj[v]中，因此所有链表的长度之和一定等于2|E|。但是邻接链表要获取某条边(u,v)的信息必须遍历Adj[u] ，当边数较多时，因为链表过长会增大计算时间。通过在链表结点增加属性可以附带信息，比如边的权重。

　　邻接矩阵法会存在一定的空间冗余，但所有边的信息获取都可以在O(1)的时间完成，效率较高。对于无向图必定是一个对称矩阵，可以用上三角或下三角来压缩存储，而有向图通过行->列的形式来表示方向，可以在矩阵中存储边的权重。

广度优先搜索

　　广度优先搜索是指，从已发现结点和为发现结点之间的边间沿着广度方向向外扩展，对一个结点k来说，首先探索与他直接相邻的所有结点，然后再去发现其他间接相邻的节点。

　　如图的无向单位图白色代表未知的结点，灰色是已知但未探索完周边相邻结点的结点，黑色是已经发现完直接相邻结点的已知结点。要求出从s到所有结点的最短路径长度。(a)开始只有s是已知的将s存入队列。(b)从队列中取出s检查直接相邻的结点有w和r，他们的最短路径长是1，存入队列然后s被标记为黑色。(c)从队列中取出w，检查w直接相邻的未知结点有t和x，路径长度为2，同样入队并将w涂黑。依次出队检测完所有结点之后，可以得到所有点的最短路径长度即(i)所示。代码方面BFS算法通常是借助队列来存储已发现等待进行周边探索的结点。

#include<stdio.h>
#include<queue>
using namespace std;
#define SIZE 10int G[SIZE][SIZE];//邻接矩阵，参数初始化略
int length[SIZE];//最短路径长度
int known[SIZE];void bfs (int start){queue<int> queue;queue.push(start);length[start] = 0;while(queue.size() != 0){int temp = queue.front();//由于离开始结点近的点一定会先入队，所以算法会按照距离开始结点的顺序进行遍历，即广度优先
        queue.pop();for(int i = 0; i < SIZE; i++){if(known[i] != 1 && G[i][temp] == 1){//存在路径且该点未被发现过，标记该点为已知，最短路径长更新为检查结点+1，加入队列known[i] = 1;length[i] = 1 + length[temp];queue.push(i);}}}
}

深度优先搜索

　　上面提到广度优先搜索是先探索完该结点周边一圈之后，再从这一圈中的某个点开始探索它周边的一圈。深度优先搜索的策略则是，在图中尽可能的深入，顺着一条路径探索直到该结点所有的相邻边都是已被探索过的，然后回到该路径上一个前驱结点继续该过程。由于后探索到的结点会再到达尽头后立刻开始出发探索，所以可以利用栈结构后进先出的特点完成DFS算法，也可以使用递归。

#include<stdio.h>
#include<stack>
using namespace std;
#define SIZE 10int G[SIZE][SIZE];//邻接矩阵，参数初始化略
int length[SIZE];//最短路径长度,初始化length[start]=0,其他为正无穷
int visit[SIZE];//该结点是否已被访问过void dfs(int start){for(int i = 0; i < SIZE; i++){if(G[start][i] == 1){//选择该结点相邻的路径if(length[start] + 1 < length[i])length[i] = length[start] + 1;//检查最小路径是否是最短的if(visit[i] == 0){dfs(i);//若该结点为被访问过则对他进行dfsvisit[i] = 1;}}}}void dfsQueue(int start){length[start] = 0;stack<int> stack;stack.push(start);while(stack.size() != 0){int temp = stack.top();//获取栈顶元素
        stack.pop();for(int i = 0; i < SIZE; i++){if(G[temp][i] != 0){length[i] = (length[temp] + 1) < length[i] ? length[temp] + 1 : length[i];if(visit[i] == 0){queue.push(i);visit[i] = 1;//避免同一个点被重复入栈
                }}}}
}

拓扑排序

　　对于一个无环图来说，如果存在边(u,v)则u的拓扑排序在v的前面。实际例子来说，我们必须要先穿袜子再穿鞋子，先穿内衣再穿外套，这就是拓扑排序。

如图所示，将(a)中的拓扑顺序排成(b)中的实际的操作顺序。拓扑排序可以通过DFS来实现，从第一个点到最后一个点，若之前没有被探索过且没有前驱点就调用DFS，所有点被探索的先后次序就是最后的排序。

#include<stdio.h>
#include<vector>
using namespace std;
#define SIZE 10int G[SIZE][SIZE];//邻接矩阵，参数初始化略
int length[SIZE];//最短路径长度,初始化length[start]=0,其他为正无穷
int visit[SIZE];//该结点是否已被访问过
vector<int> path;//最后的排序结果void dfs(int start){path.push_back(start);for(int i = 0; i < SIZE; i++){if(G[start][i] == 1){//选择该结点相邻的路径if(length[start] + 1 < length[i])length[i] = length[start] + 1;//检查最小路径是否是最短的if(visit[i] == 0){dfs(i);//若该结点为被访问过则对他进行dfsvisit[i] = 1;}}}}int main(void){int i,j;for(i = 0; i < SIZE; i++){if(visit[i] == 1)continue;for(j = 0; j < SIZE; j++){if(G[j][i] == 1){break;}}if(j == SIZE){dfs(i);//只有未被探索过，没有先驱路径的点会在主函数被调用
        }}return 0;
}

强连通分量

　　强连通分量是指在有向图中，存在一个最大的结点集合C，对于C中的任意一对结点u和v来说，同时存在路径u→v和v→u，他们之间可以相互到达。这样的集合即为强联通分量。

如图所示的阴影部分各自是一个强联通分量。可以通过对图G的每个节点进行DFS获得他能够到达的所有结点，然后对图G进行转置再进行一次每个结点能够到达结点的计算。当且仅当两个结点可以相互到达时他们属于同一个强连通分量。

#include<stdio.h>
using namespace std;
#define SIZE 10int G[SIZE][SIZE];//邻接矩阵，参数初始化略
int visit[SIZE];//该结点是否已被访问过
int num;//统计连通量个数
int part[2][SIZE];//两次连通量记录
int res[SIZE];//最终结果void dfs(int start, int time){;part[time][start] = num;//
    for(int i = 0; i < SIZE; i++){if(G[start][i] == 1){//选择该结点相邻的路径if(visit[i] == 0){dfs(i, time);//若该结点未被访问过则对他进行dfsvisit[i] = 1;}}}}void init(){int i;for(i = 0; i < SIZE; i++)visit[i] = 0;num = 0;
}int main(void){int i,j, temp;init();for(i = 0; i < SIZE; i++){if(visit[i] == 0){dfs(i, 0);num++;}}//图的转置for(i = 0; i < SIZE; i++){for(j = i + 1; j < SIZE; j++){temp = G[i][j];G[i][j] = G[j][i];G[j][i] = temp;}}init();for(i = SIZE - 1; i >= 0; i--){if(visit[i] == 0){dfs(i, 1);num++;}}init();for(i = 0; i < SIZE; i++){if(visit[i] == 1)continue;//已经确认属于某个连通分量的结点跳过下面的查探步骤res[i] = num++;for(j = 0; j < SIZE; j++){if(i != j && part[0][i] == part[0][j] && part[1][i] == part[1][j]){res[j] = res[i];//若i和j在两图中都属于同个连通量，则他们属于同一个强连通量visit[j] = 1;}}visit[i] = 1;}return 0;
}

个人GitHub地址: https://github.com/GrayWind33