清北NOIP训练营集训笔记——图论（提高组精英班）

本文摘自清北学堂内部图论笔记，作者为潘恺璠，来自柳铁一中曾参加过清北训练营提高组精英班，笔记非常详细，特分享给大家！更多信息学资源关注微信订阅号noipnoi。

最短路径：

1.Floyd算法（插点法）：

通过一个图的权值矩阵求出它的每两点间的最短路径（多源最短路）。

算法描述：

一个十分暴力又经典的DP，假设i到j的路径有两种状态：

①i和j直接有路径相连：

②i和j间接联通，中间有k号节点联通：

假设dis[i][j]表示从i到j的最短路径，对于存在的每个节点k，我们检查一遍dis[i][k]+dis[k][j]。

//Floyd算法，时间复杂度：O(n^3)

//Floyd算法，时间复杂度：O(n^3)

int dis[MAXN][MAXN];

for(k=1;k<=n;k++)//枚举

{

for(i=1;i<=n;i++)

{

for(j=1;j<=n;j++)

{

dis[i][j]=min(dis[i][j],dis[i][k]+dis[k][j]);//DP

}

}

}

【清北2019NOIP夏令营助你圆梦OI】

2.Dijkstra算法（无向图，无负权边）：

算法描述：

多源最短路！

a.初始时，S只包含源点，即S＝{v}，v的距离为0。U包含除v外的其他顶点，即:U={其余顶点}，若v与U中顶点u有边，则<u,v>正常有权值，若u不是v的出边邻接点，则<u,v>权值为∞。

b.从U中选取一个距离v最小的顶点k，把k，加入S中（该选定的距离就是v到k的最短路径长度）。

c.以k为新考虑的中间点，修改U中各顶点的距离；若从源点v到顶点u的距离（经过顶点k）比原来距离（不经过顶点k）短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边上的权。

d.重复步骤b和c直到所有顶点都包含在S中。

啊~上面的的乱七八糟的概念太难懂了，还是举个例子吧！如下图！

我们假设1号节点为原点。

第一轮，我们可以算出2,3,4,5,6号节点到原点1的距离为[7,9,∞,∞,14]，∞表示无穷大（节点间无法直接连通），取其中最小的7，就确定了1->1的最短路径为0，1->2的最短路径为7，同时取最短路径最小的2节点为下一轮的前驱节点。

第二轮，取2节点为前驱节点，按照 前驱节点到原点的最短距离 + 新节点到前驱节点的距离 来计算新的最短距离，可以得到3,4,5,6号节点到原点1的距离为[17,22,∞,∞]（新节点必须经过2号节点回到原点），这时候需要将新结果和上一轮计算的结果比较，3号节点：17>9，最短路径仍然为9；4号节点：22<∞，更新4号节点的最短路径为22,；5号节点：仍然不变为∞；6号节点：14<∞，更新6号节点的最短路径为14。得到本轮的最短距离为[9,22,∞,14]，1->3的最短路径为9，同时取最短路径最小的3节点为下一轮的前驱节点。

第三轮：同理上，以3号节点为前驱节点，可以得到4,5,6号节点到原点1的距离为[20,∞,11]，根据最短路径原则，和上一轮最短距离比较，刷新为[20,∞,11]，1->3->6的最短路径为11，同时取最短路径最小的6节点为下一轮的前驱节点。

第四轮：同理，得到4,5号节点最短距离为[20,20]，这两个值相等，运算结束，到达这两个点的最短距离都是20，如果这两个值不相等，还要进行第五轮运算！

#include<cstdio>

#include<cstring>

const int N=100500;

const int M=200500;

int point[N]={0},to[M]={0},next[M]={0},len[M]={0},cc=0;

int dis[N];//最短路长度，dis[i]表示第i号点到源点（1号点）的最短距离

bool ever[N];//当前节点最短路有没有确定

int n,m;

void AddEdge(int x,int y,int z)//添加新的边和节点：x到y边长z

{

cc++;

next[cc]=point[x];

point[x]=cc;

to[cc]=y;

len[cc]=z;//len记录x到y的边长

}

int main()

{

int i,j,k;

scanf("%d%d",&n,&m);

for(i=1;i<=m;i++)

{

int a,b,c;

scanf("%d%d%d",&a,&b,&c);

AddEdge(a,b,c);//无向图，要加两遍

AddEdge(b,a,c);

}

memset(dis,0x3f,sizeof dis);//用极大值来初始化

dis[1]=0;//1号节点到自己最短距离为0

for(k=1;k<=n;k++)

{

int minp,minz=123456789;

for(i=1;i<=n;i++)

{

if(!ever[i])

{

if(dis[i]<minz)

{

minz=dis[i];

minp=i;

}

}

}

ever[minp]=1;

int now=point[minp];

while(now)

{

int tox=to[now];

if(dis[tox]>dis[minp]+len[now])

dis[tox]=dis[minp]+len[now];

now=next[now];

}

}

for(i=1;i<=n;i++)

printf("%d\n",dis[i]);

return 0;

【清北2019NOIP夏令营与你相随OI之路】

3.SPFA算法（有负权边，无负圈，能检测负圈但不能输出）：

多源最短路！

SPFA和Dijkstra极为相似，只是加了个队列优化来检测负圈和负权边。

算法描述：

建立一个队列，初始时队列里只有起始点，再建立一个表格记录起始点到所有点的最短路径（该表格的初始值要赋为极大值，该点到他本身的路径赋为0）。然后执行松弛操作，用队列里有的点作为起始点去刷新到所有点的最短路，如果刷新成功且被刷新点不在队列中则把该点加入到队列最后。重复执行直到队列为空。

判断有无负环：
如果某个点进入队列的次数超过N次则存在负环（SPFA无法处理带负环的图）

#include<cstdio>

#include<cstring>

const int N=100500;

const int M=200500;

int point[N]={0},to[M]={0},next[M]={0},len[M]={0},cc=0;

int dis[N];//最短路长度

int queue[N],top,tail;//双向队列queue，队头，队尾

bool in[N];//记录这个点在不在队列中，1表示在，0表示不在

int n,m; //n个节点，m条边

void AddEdge(int x,int y,int z)//x到y边长为z

{

cc++;

next[cc]=point[x];

point[x]=cc;

to[cc]=y;

len[cc]=z;

}

int main()

{

int i,j;

scanf("%d%d",&n,&m);

for(i=1;i<=m;i++)

{

int a,b,c;

scanf("%d%d%d",&a,&b,&c);

AddEdge(a,b,c);//因为是双向队列，左边加一次，右边加一次

AddEdge(b,a,c);

}

memset(dis,0x3f,sizeof dis);//用极大值来初始化

dis[1]=0;//1号节点到自己最短距离为0

top=0;tail=1;queue[1]=1;in[1]=1;//初始化，只有原点加入

while(top!=tail)

{

top++;

top%=N;

int now=queue[top];

in[now]=0;

int ed=point[now];

while(ed)

{

int tox=to[ed];

if(dis[tox]>dis[now]+len[ed])

{

dis[tox]=dis[now]+len[ed];

if(!in[tox])

{

tail++;

tail%=N;

queue[tail]=tox;

in[tox]=1;

}

}

ed=next[ed];

}

}

for(i=1;i<=n;i++)

printf("%d\n",dis[i]);

return 0;

}

4.Bellman Ford算法（有负权边，可能有负圈，能检测负圈并输出）：

单源最短路！

算法描述：

1.初始化：将除源点外的所有顶点的最短距离估计值 d[all]=+∞, d[start]=0;

2.迭代求解：反复对边集E中的每条边进行松弛操作，使得顶点集V中的每个顶点v的最短距离估计值逐步逼近其最短距离；（运行|v|-1次）

3.检验负权回路：判断边集E中的每一条边的两个端点是否收敛。如果存在未收敛的顶点，则算法返回false，表明问题无解；否则算法返回true，并且从源点可达的顶点v的最短距离保存在 d[v]中。

简单的说，如下图所示：

松弛计算之前，点B的值是8，但是点A的值加上边上的权重2，得到5，比点B的值（8）小，所以，点B的值减小为5。这个过程的意义是，找到了一条通向B点更短的路线，且该路线是先经过点A，然后通过权重为2的边，到达点B

如果出现了以下情况：

松弛操作后，变为7,7>6，这样就不修改（Bellman Frod算法的高妙之处就在这），保留原来的最短路径就OK，代码实现起来非常简单。

int n,m;//n个点，m条边

struct Edge//定义图类型结构体

{

int a,b,c;//a到b长度为c

}edge[];

int dis[];

memset(dis,0x3f,sizeof dis);

dis[1]=0;

for(int i=1;i<n;i++)

{

for(int j=1;j<=m;j++)

{

if(dis[edge[j].b]>dis[edge[j].a]+edge[j].c)

{

dis[edge[j].b]=dis[edge[j].a]+edge[j].c;

}

}

}

5.A*算法：

这玩意儿我是没看懂，等以后我看懂了再更吧（无奈脸）~

七、拓扑排序：

对一个有向无环图(Directed Acyclic Graph简称DAG)G进行拓扑排序，是将G中所有顶点排成一个线性序列，使得图中任意一对顶点u和v，若边(u,v)∈E(G)，则u在线性序列中出现在v之前。通常，这样的线性序列称为满足拓扑次序(Topological Order)的序列，简称拓扑序列。

打个比喻：我们要做好一盘菜名字叫做红烧茄子，那么第一步得买茄子和配料，第二步就是要洗茄子，第三步就是要开始倒油进锅里啊什么七七八八的，第四步…，你不可能先洗茄子再买茄子和配料，这样的一些事件必须是按照顺序进行的，这些依次进行的事件就构成了一个拓扑序列。

算法描述：

我们需要一个栈或者队列，两者都可以无所谓，只是找个容器把入度为0的元素维护起来而已。

①从有向图中选择一个入度为0（无前驱）的顶点，输出它。

②从网中删去该节点，并且删去从该节点出发的所有有向边。

③重复以上两步，直到剩余的网中不再存在没有前驱的节点为止。

具体操作过程如下：

若栈非空，则在栈中弹出一个元素，然后枚举这个点能到的每一个点将它的入度-1（删去一条边），如果入度=0，则压入栈中。 
如果没有输出所有的顶点，则有向图中一定存在环

//拓扑排序，时间复杂度：O(n+m)

#include<cstdio>

#include<cstring>

const int N=100500;

const int M=200500;

int point[N]={0},to[M]={0},next[M]={0},cc=0;

int xu[N]={0};//栈，初始值为空，xu[0]表示栈的大小

int in[N]={0};//入度，a可以到达b，in[b]++

int ans[N]={0};//ans[0]整个拓扑序列的大小

int n,m;

void AddEdge(int x,int y)//邻接表a到b

{

cc++;

next[cc]=point[x];

point[x]=cc;

to[cc]=y;

}

int main()

{

int i,j;

scanf("%d%d",&n,&m);

for(i=1;i<=m;i++)

{

int a,b;

scanf("%d%d",&a,&b);

in[b]++;//统计每个节点的入度

AddEdge(a,b);

}

for(i=1;i<=n;i++)

{

if(in[i]==0)//这个节点入度为0，压入栈

xu[++xu[0]]=i;

}

while(xu[0])

{

int now=xu[xu[0]];//出栈

xu[0]--;

ans[++ans[0]]=now;

int ed=point[now];

while(ed)

{

int tox=to[ed];

in[tox]--;

if(!in[tox])

xu[++xu[0]]=tox;

ed=next[ed];//找下一个相邻节点

}

}

if(ans[0]<n)//有向图中一定存在环，无结果

printf("no solution");

else

{

for(i=1;i<=n;i++)

printf("%d ",ans[i]);

}

return 0;

}

联通分量：

强连通：有向图中，从a能到b并且从b可以到a，那么a和b强连通。

强连通图：有向图中，任意一对点都满足强连通，则这个图被称为强连通图。

强联通分量：有向图中的极大强连通子图，就是强连通分量。

一般用Tarjan算法求有向图强连通分量：

欧拉路径与哈密顿路径：

1.欧拉路径：从某点出发一笔画遍历每一条边形成的路径。

欧拉回路：在欧拉路径的基础上回到起点的路径（从起点出发一笔画遍历每一条边）。

欧拉路径存在：

无向图：当且仅当该图所有顶点的度数为偶数 或者 除了两个度数为奇数外其余的全是偶数。

有向图：当且仅当该图所有顶点 出度=入度 或者 一个顶点 出度=入度+1，另一个顶点 入度=出度+1，其他顶点 出度=入度

欧拉回路存在：

无向图：每个顶点的度数都是偶数，则存在欧拉回路。

有向图：每个顶点的入度都等于出度，则存在欧拉回路。

求欧拉路径/欧拉回路算法常常用Fleury算法：

在这里推荐一个不错的知乎作者:神秘OIer

2.哈密顿路径：每个点恰好经过一次的路径是哈密顿路径。

哈密顿回路：起点与终点之间有边相连的哈密顿路径是哈密顿回路。