标签：dist 记录 int VertexNum Vertex 学习邻接顶点数据结构

图

一、知识要点

1、图的基本概念

图的定义和术语
- 图的定义
  - 图（Graph）是由两个集合构成，一个是非空但有限的顶点集合V，另一个是表述顶点之间边的集合E（可能是$\emptyset$）。图可表示为G = (V ,E ).
  - 每条边是一顶点对(v, w)且v，w $\in$ V。通常用|V|表示顶点的数量，|E|表示边的数量。
  - 在图中，至少要有一个顶点，但边集可以为空。
- 图的相关术语
  - 无向图：无向图中顶点之间的所有边都可互通，不用标方向，起点和终点次序并不重要。用圆括号（v, w）表示无向图。
  - 有向图：有向图中所有边都有方向，即<v, w>不同于<w, v>，无向图用尖括号<>表示。
  - 简单图：所有边不重合的图叫简单图。
  - 邻接点：在无向图中，一条边连接的两个顶点叫邻接点；在有向图中，如果<v, w>是一条边，那么可以说起点v邻接到终点w。
  - 路径、简单路径和回路：
    - 从顶点v沿着边可到顶点w，那么这些边就是路径，路径长度是这条路径所包含的边数。
    - 在路径序列中，顶点不重复出现的路径称为简单路径。
    - 第一个顶点和最后一个顶点相同的路径称为回路或环。若一个图有n个顶点，并且有大于n − 1条边，则此图一定有环。
    - 除第一个顶点和最后一个顶点外，其余顶点不重复出现的回路称为简单回路。
  - 无向完全图：在无向图中，任意两个结点都有边相连，那么这个无向图称为无向完全图。可以证明：如果有n个结点，那么有n(n - 1) / 2条边。
  - 有向完全图：在有向完全图中任意两个顶点之间都存在方向相反的两条弧。可以证明：如果有n个结点，那么有n(n - 1) 条边。
  - 顶点的度、入度和出度：顶点的度是指依附于某节点的边数。在有向图中，一某顶点为终点的边数称为入度，反之则为出度。度 = 入度 + 出度。
  - 稠密图、稀疏图：
  - 边数很少的图称为稀疏图，反之称为稠密图。稀疏和稠密本身是模糊的概念，稀疏图和稠密图常常是相对而言的。一般当图G满足∣ E ∣ < ∣ V ∣ l o g ∣ V ∣时，可以将G视为稀疏图。
  - 权、网图：在一个图中，每条边都可以标上具有某种含义的数值，该数值称为该边的权值。这种边上带有权值的图称为带权图，也称网。
  - 子图：设有两个图G = ( V , E ) 和G ′ = ( V ′ , E ′ )，若V ′是V的子集，且E ′ 是E的子集，则称G ′是G的子图。
  - 连通、连通图和连通分量：在无向图中，若从顶点v到顶点w有路径存在，则称v和w是连通的。若图G中任意两个顶点都是连通的，则称图G为连通图，否则称为非连通图。无向图中的极大连通子图称为连通分量。若一个图有n个顶点，并且边数小于n − 1，则此图必是非连通图。
  - 强连通图、强连通分量：在有向图中，若从顶点v到顶点w和从顶点w到项点v之间都有路径,则称这两个顶点是强连通的。若图中任何一对顶点都是强连通的，则称此图为强连通图。有向图中的极大强连通子图称为有向图的强连通分量。
  - 生成树：连通图的生成树是包含其所有结点的一个极小联通子图，若图中结点数为n，那么其生成树有n-1条边。在非连通图中，连通分量的生成树构成了非连通图的生成森林。
图的抽象结构
- 类型名称：图（Graph）
- 数据对象集：一非空的顶点集合Vertex和一个边集合Edge，每条边用对应的一对定点表示。
- 操作集：对于任意的图G $\in$ Graph, 顶点V $\in$ Vertex, 边E $\in$ Edge, 以及任一访问顶点的函数Visit( )，我们主要有以下操作
  - Graph Create_Graph(int Vertex_Num):构造一个有Vertex_Num个结点但没有边的图。
  - void Insert_Edge(Graph G, Edge E):在G中增加新边E。
  - void Delete_Edge(Graph G, Edge E):在G中删除边E。
  - bool Is_Empty(Graph G):如果G为空则返回true，否则返回false。
  - void DFS(Graph G, Vertex V, (*Visit)(Vertex)):在图G中，从顶点V出发进行深度优先遍历
  - void BFS(Graph G, Vertex V, (*Visit)(Vertex)):在图G中，从顶点V出发进行广度优先遍历

2、图的储存结构

邻接矩阵

图的邻接矩阵存储方式是用两个数组来表示图。一个一维数组存储图结点数据信息，一个二维数组（邻接矩阵）储存图中的边的信息。
假设邻接矩阵A是一个n * n的方阵，若(v_i, v_j)或<v_i, v_j>是图中的边，那么A[i] [j]为1，否则为0.
在无向图中：
- 无向图的邻接矩阵一定是一个对称矩阵(即从矩阵的左上角到右下角的主对角线为轴，右上角的元与左下角相对应的元全都是相等的)。因此，在实际存储邻接矩阵时只需存储上(或下)三角矩阵的元素。
- 对于无向图，邻接矩阵的第i行(或第i列)非零元素(或非∞元素)的个数正好是第i个顶点的度 TD(v_i)。比如顶点v₁的度就是1 + 0 + 1 + 0 = 2
- 求顶点v_i 的所有邻接点就是将矩阵中第i行元素扫描一遍， A [ i ] [ j ]为 1就是邻接点。
在有向图中：
- 主对角线上数值依然为0。但因为是有向图，所以此矩阵并不对称。
- 有向图讲究入度与出度，顶点v₁的入度为1,正好是第v₁列各数之和。顶点v₁的出度为2，即第v₁行各元素之和。
在网图中，A[ i ] [ j ]存的是边的权值。

//邻接矩阵的存储结构
#define MaxVertexNum 100	//定义顶点的最大数
typedef char VertexType;	//顶点的数据类型
typedef int EdgeType;	//带权图中边上权值的数据类型
struct GNode
{
    VertexType Vex[MaxVertexNum];	//顶点表
    EdgeType Edge[MaxVertexNum][MaxVertexNum];`//邻接矩阵，边表
    int vexnum;	//顶点数
    int arcnum;	//边数
};
typedef struct GNode *MGraph;	//图类型

//创建图

#defind IFINITY 65535	//将无穷设为无符号整数最大值
typedef int Vertex;	//用顶点下标表示顶点，为整型

//边的定义
struct ENode
{
    Vertex V1, V2;	//有向边<V1, V2>
    WeightType Weight;	//边的权值
};
typedef struct ENode *Edge;

//初始化一个有VertexNum个顶点但没有边的图
MGraph CreateGragh(int VertexNum)
{
    Vertex V, W;
    MGraph Graph;
    
    Graph = (MGraph)malloc(sizeof(struct GNode));	//建立图
    Graph->vexnum = VertexNum;
   	Graph->arcnum = 0;
    //初始化邻接矩阵
    for(V = 0; V < Graph->vexnum; V++)
        for(W = 0; W < Graph->arcnum; W++)
            Graph->G[V][W] = INFINITY;
    
    return Graph;
}

//插入边
void InsertEdge(MGraph Graph, Egde E)
{
    Graph->G[E->V1][E->V2] = E->Weight;
}

//构建图
MGraph BuildGraph()
{
    MGraph Graph;
    Edge E;
    Vertex V;
    int Nv, i;
    
    printf("输入顶点个数：");
    scanf("%d", &Nv);
    
    Graph = CreateGraph(Nv);	//初始化图
    
    printf("输入边数：");
    scanf("%d", &(Graph->arcnum));
    if(Graph->arcnum != 0)	//如果有边
    {
        E = (Edge)malloc(sizeof(struct ENode));
        //读入边
        for(i = 0; i < Graph->arcnum; i++)
        {
            printf("输入起点、终点、权重：");
            scanf("%d %d %d", &E->V1, &E->V2, &E->Weight);
            //插入边
            InsertEdge(Graph, E);
        }
    }
    //读入顶点数据
    for(V = 0; V < Graph->vexnum; V++)
    {
        printf("输入顶点数据：");
        scanf("%c", &Graph->Vex[V]);
    }
    return Graph;
}

稠密图适合使用邻接矩阵的存储表示。

邻接表
- 邻接表是图的一种顺序储存与链式储存相结合的储存方法。

邻接表有两种结点结构：

顶点表：由顶点数据域（Data）和指向第一条邻接边的指针域（FirstEdge）构成。
边表：由邻接点域（AdjV）和指向下一条邻接边的指针域（Next）构成。如果是网图结点，还需要增设一个权值域（Weight）。
顶点表用数组按下标存储，每个顶点将所有邻接于该顶点的其他顶点链成一个单链表。
图的邻接表储存特点
- 若无向图有V个顶点和E条边，那么他的邻接表需要V个头节点和2E个表结点，如果图相当稀疏的话，用邻接表比邻接矩阵节省空间。
若要确定给定的两个顶点间是否存在边，则在邻接矩阵中可以立刻查到，而在邻接表中则需要在相应结点对应的边表中查找另一结点，效率较低。
- 在有向图的邻接表表示中，求一个给定顶点的出度只需计算其邻接表中的结点个数；但求其顶点的入度则需要遍历全部的邻接表。

#define MaxVertexNum 100	//最大顶点数设为100
typedef int Vertex;		//用顶点下标表示顶点
typedef int WeightType;		//边的权值设为整型
typedef char DataType;		//顶点存储数据类型设为字符型

//边的定义
struct ENode
{
    Vertex V1, V2;		//边<v1, v2>
    WeightType Weight;	//边的权值
};
typedef struct ENode *Edge;		//设置为边结构

//边表的定义
struct AdjVNode
{
    Vertex V;				//顶点下标
    WeightType Weight;		//边权值
    struct AdjVNode *Next;	//指向下一邻接结点的指针
};
typedef struct AdjVNode *AdjV;	//设置为邻接点结点结构

//顶点表头定义
struct VNode
{
    AdjV FristEdge;		//指向下一邻接结点的指针
    DataType Data;		//结点权值
};
typedef struct VNode AdjList[MaxVertexNum];	//设置为邻接表结构

//图节点定义
struct GNode
{
    int VertexNum;	//顶点数
    int EdgeNum;	//边数
    AdjList AL;		//邻接表
};
typedef struct GNode *LGraph;	//设置为邻接表图类型

//创建没有边的图
LGraph CreateLGraph(int VertexNum)
{
    int i;
    LGraph G;	//创建图
    G = (LGraph)malloc(sizeof(strcut GNode));	//赋予空间
    G->VertexNum = MaxVertexNum;	//输入顶点数
    G->EdgeNum = 0;	//边为0
    //给每个表头置空
    for(i = 0; i < G->VertexNum; i++)
        G->AL[i] = NULL;
    
    return G;
}

//插入边
void InsertEdge(LGraph G, Edge E)
{
    //当图为有向图时，插入边<v1, v2>
    AdjV NewNode;	//建立V2结点
    NewNode = (AdjV)malloc(sizeof(struct AdjVNode));	//赋予空间
    NewNode->V = E->V2;		//存入下标
    NewNode->Weight = E->Weight;	//存入边权值
    //将邻接结点插入头节点V1
    NewNode->Next = G->AL[E->V1].FirstEdge;
    G->AL[E->V1].FirstEdge = NewNode;
    
    //如果图为无向图，还需把V1插入V2
    AdjV New2;
    New2 = (AdjV)malloc(sizeof(struct AdjVNode));
    New2->V = E->V1;
    New2->Weight = E->Weight;
    New2->Next = G->AL[E->V2].FirstEdge;
    G->AL[E->V2].FirstEdge = New2;
}

//创建图·
LGraph BuildLGraph()
{
    int i, VertexNum;
    LGraph G;
    Edge E;
    
    printf("请输入顶点数：");
    scanf("%d", &VertexNum);
    G = CreateLGraph(VertexNum);
    
    printf("请输入边数：");
    scanf("%d", &G->EdgeNum);
    
    if(G->EdgeNum != 0)
    {
        E = (Edge)malloc(sizeof(struct ENode));
        for(i = 0; i < G->EdgeNum; i++)
        {
            scanf("%d%d%d", &E->V1, &E->V2, &E->Weight);
            InsertEdge(G, E);
        }
    }
    
    return Graph;
}

3、图的遍历

深度优先搜索

深度优先搜索也称DFS算法，它类似于树的先序遍历，他从某个顶点v₀出发，依次递归探索未被探索的顶点。

//假设图以邻接表的形式储存

//Visited数组记录顶点的探索情况,预先将所有顶点设置为未探索
bool Visited[MaxVertexNum] = {false};

//访问顶点函数
void Visit(Vertex V)
{
    printf("正在访问结点%d\n", V);
}

//DFS函数深度优先搜索
void DFS(LGraph G, Vertes V)
{
    //从顶点V出发对图G进行DFS搜索
    AdjV W;
    
    //访问节点V
    Visit(V);
    //标记该节点
    Visited[V] = true;
    
    //对V的邻接点进行访问
    for(W = G->AL[V].FirstEdge; W; W->Next)
    {
        //当顶点未被访问时
        if(Visited[W->V] == false)
            //递归访问
            DFS(G, W->V);
    }
}

广度优先搜索

广度优先搜索也称BFS算法，它类似于树的按层次遍历的过程，就是构造一个队列，每访问一个顶点就把该顶点的所有邻接顶点放入队列。

//假设图以邻接矩阵的方式存储

//Visited数组记录顶点的探索情况,预先将所有顶点设置为未探索
bool Visited[MaxVertexNum] = {false};

//判断<V,W>是否是边
bool IsEdge(MGraph G, Vertex V, Vertex W)
{
    return (G->Edge[V][W] < INFINITY ? true : false);
}

//以S为出发点对图进行BFS搜索
void BFS(MGraph G, Vertex S)
{
    Queue Q;
    Vertex V, W;
    
    //创建一个空队列
    Q = CreateQueue();
    Visit(S);	//访问该顶点
    //标记该顶点
    Visited[S] = true;
    //S入队
    AddQ(Q, S);
    
    //层序遍历顶点
    while(!IsEmpty(Q))
    {
        //当Q不为空时
        V = DeleteQ(Q);	//弹出顶点
        //找到Q的所有邻接点放入队列
        for(W = 0; W < MGraph->VertexNum; W++)
        {
            if(!Visit[W] && IsEdge(G, V, W))
            {
                Visit(W);
                Visited[W] = true;
                AddQ(W);
            }
        }
    }
}

4、最小生成树

生成树的构建与最小生成树的概念
- 对连通图不同的遍历，就可能得到不同的生成树。
- 如果无向连通图是一个网图，那么它的所有生成树中必有权值总和最小的生成树，称为最小生成树（MST），当然最小生成树也未必是唯一的l
- 有两种常用的构造最小生成树的方法：Prim算法和Kruskal算法。

构建最小生成树的Prim算法

从一个顶点出发，在保证不形成回路的前提下，每找到并添加一条最短的边，就把当前形成的连通分量当做一个整体或者一个点看待，然后重复“找最短的边并添加”的操作。
原图为稠密图的时候用Prim算法好一点

//最小生成树肯定是稀疏图，所以最小生成树用邻接表储存
//这里用邻接矩阵储存原图

#defind ERROR -1	//错误标记，表示生成树不存在

//prime算法，将图的最小生成树保存到邻接表储存的图MST中，返回最小权值或错误信息
int Prim(MGraph G, LGraph MST)
{
    //定义一个数组用来存放下标代表的顶点到其父结点的权值
    //定义最小权值和
    WeightType dist[MaxVertexNum], TotalWeight = 0;
    //定义一个数组来存放下标代表的顶点的父结点
    Vertex parant[MaxVertexNum], V, W;
    int VCount;		//VCount表示收录顶点的数量
    Edge E;
    
    //将所有顶点的父结点初始化为V0,并把每个顶点到v0的权值存入
    for(V = 0; V < G->VertexNum; V++)
    {
        dist[V] = G->Edge[0][V];
        parant[V] = 0;
    }
    VCount = 0;
    
    //创建一个空的邻接表来表示MST
    MST = CreateLGragh(G->VertexNum);
    E = (Edge)malloc(sizeof(struct ENode));
    
    dist[0] = 0;	//表示V0已被收录
    VCount++;
    parant[0] = -1;		//表示当前树根为V0
    
    //核心代码，收录最小权值并更新未收录顶点的父结点
    while(1)
    {
        V = FindMinDist(G, dist);	//找到dist中的最小权值
        if(V == ERROR)
            break;	//如果最小权值不存在，则结束算法
        //将V和相应的边<parant[V], V>收录进MST
        E->V1 = parent[V];
        E->V2 = V;
        E->Weight = dist[V];
        InsertEdge(MST, E);
        TotalWeight += dist[V];
        dist[V] = 0;	//标记V顶点已被收录
        VCount++;
        
        //找到与当上一个被收录顶点相邻的的所有未收录顶点
        //如果有未收录顶点到上一个被收录节点的边权值比dist数组存的数小，那么更新dist数组，并更新该未收录顶点的父结点
        for(W = 0; W < G->VertexNum; V++)
        {
            if(G->Edge[V][W] < dist[W])
            {
                dist[W] = G->Edge[V][W];
                parant[W] = V;
            }
        }
    }//while结束
    
    //如果收录的顶点未满就返回错误信息
    if(VCount < G->VertexNum)
        return ERROR;
    //否则返回最小权值总和
    return TotalWeight;
}

//返回dist中未收录顶点最小顶点
Vertex FindMinDist(MGraph G, WeightType dist[])
{
    Vertex MinV, V;
    WeightType MinDist = INFINITY;
    
    for(V = 0; V < G->VertexNum; V++)
    {
        if(dist[V] != 0 && dist[V] < MinDist)
        {
            MinDist = dist[V];
            MinV = V；
        }
    }
    if(MinDist < INFINITY)
        return MinV;
    else
        return ERROR;
}

构建最小生成树的Kruskal算法

当原图是稀疏图时，用Kruskal算法比prim算法好
Kruskal算法是一种按权值的递增次序选择合适的边来构造最小生成树，所以此算法是选择最小的边来构造的。

//这里用邻接表储存原图和最小生成树

int Kruskal(LGraph G, LGraph MST)
{
    //初始化空MST
    MST = CreateLGraph(G->VertexNum);
    //设置权重和
    WeightType Vcount = 0;
    //设置parant数组，并将其初始化
    int parant[G->VertexNum] = -1;
    //设置一个边集，把图的所有边存入边集
    Edge E[G->EdgeNum]；
    CreateEdge(G, E);
    //构造一个包含原图所有边的最小堆
    MinHeap H = BuildMinHeap(E);
    //while循环构造最小生成树
    while(MST->EdgeNum < G->Vertex - 1 && G->EdgeNum != 0)
    {
        //从最小堆取一个边
        Edge E0 = DeleteMinHeap(H);
        //原图边集中删掉这个边
        DeleteEdge(G, E0);
        //确认这个边是否会让MST形成回路
        if(!Find(parant, E0))
        //是则丢弃该边
        //否则将这个边加入MST，并标记顶点
        {
            InsertLGraph(MST, E);
            if(parant[E->V1] == -1)
                parant[E->V1] = E->V2;
            if(parant[E->V2] == -1)
                parant[E->V2] = E->V1;
        }
        //增加权重和
        Vcount += E->Weight;
        //增加MST收集的边数
    }
    //如果MST收集的边不足则返回错误信息
    if(MST->EdgeNum != G->NertexNum)
        return ERROR;
    else
        return Vcount;
    //否则返回权重和
}

//将图G的边存入边集E中
void CreateEdge(LGraph G, Edge E[])
{
    Vertex V, W = 0;
    for(V = 0; V < G->VerNum; V++)
    {
        AdjV H = G->AL[V]->FirstEdge;
        while(H != NULL)
        {
            E[W]->V1 = V;
        	E[W]->V2 = H->V;
            E[W]->Weight = H->Weight;
            W++;
            H = H->Next;
        }
    }
}

//构造一个包含原图所有边的最小堆
MinHeap BuildMinHeap(E[]);
{
    MinHeap H = CreateMinHeap(G->EdgeNum);
    int i;
    for(i = 0; i < G->EdgeNum; i++)
    {
        H->Data[i] = E[i];
    }
    return H;
}

5、最短路径

单源最短路径

从一个源点到其他各项顶点最短路径问题称为“单源最短问题”，该问题可描述为图G中的顶点V₀到其余各顶点的最短路径。
用Dijkstra算法可以求单源最短路径，这个算法和prim算法几乎一样，都是用dist数组存最短边，parent数组存父结点

//利用Dijkstra算法求单源最短路径
//这里图用邻接矩阵存储
#defind ERROR -1	//设置报错符号
#defind INF	65535	//指定权值为无穷的边为INF

//构建最短路径结构
struct MLNode
{
    //源顶点和终顶点
    Vertex HomeV;
    Vertex EndV;
    //包含最短路径中所有经过的顶点的数组
    Vertex *SumV;
    //顶点个数
    int VerNum;
    //路径总长度
    WeightType SumLength;
};
typedef struct MLNode *MinL;
//求最短路径函数,函数形参是图、起始顶点和最终顶点
MinL MinLength(MGraph G, Vertex HV, Vertex EV)
{
    //创建一个长度为G->VertexNum的一个parent数组，用来存每个顶点对应的父结点
    int parent[G->VertexNum];
    //创建一个长度为VertexNum的一个dist数组，用来存每个顶点到其父结点的权值
    int dist[G->VertexNum];
    //利用Dijkatra算法得到parent数组和dist中的元素
    Dijkatra(G, HV, dist, parent);
    //调用FindSumV函数得到MinL->SumV和Min->VerNum
    Vertex *SV;
    int VN = FindSumV(EV, parent, SV);
    //调用FindSumL函数得到SumLength
    WeightType SL = FindSumL(dist, SV);
    //初始化MinL
    MinL ML = CreateMinL(ML, HV, EV, SV, VN, SL);
    return ML;
}

//Dijkatra算法,构造dist数组和parent数组
void Dijkatra(MGraph G, Vertex HV, int dist[], int parent[])
{
    Vertex V, W;
    //设置一个mark数组，用来标记已收录的顶点
    int mark[G->VertexNum];
    //初始化dist数组，将每个顶点到源顶点的权值存入
    //初始化parent数组，将与源节点邻接的顶点的父结点设为源节点，不邻接的设为-1
    //初始化mark数组，将所有顶点设置为未收录
    for(V = 0; V < G->VertexNum; V++)
    {
        dist[V] = G->Edge[HV][V];
        if(dist[V] < INF)
            parent[V] = HV;
        else
            parent[V] = -1;
        mark[V] = 0;
    }
    //标记源顶点
    dist[HV] = 0;
    mark[V] = 1;
    //利用while函数循环收录顶点
    while(1)
    {
        //调用FindMinDist函数找与父结点最小邻接边的顶点V
        V = FindMinDist(G, dist, mark);
        //没找到则结束循环
        if(V == ERROR)
            break;
        //找到了则标记该顶点V已收录
        mark[V] = 1;
        //利用for循环找能够让dist变小的顶点
        for(W = 0; W < G->VertexNum; W++)
        {
            //如果循环到的邻接顶点的邻接边小于其父结点的邻接边
            if(G->Edge[V][W] < dist[W])
            {
                //将该边替换
                dist[W] = G->Edge[V][W];
                //更新parent数组
                parent[W] = V;
            }
        }
    }
}

//从dist数组找未收录最小顶点
Vertex FindMinDist(MGraph G, dist[], mark[])
{
    int i, minV = 0;
    int flag = 0;
    for(i = 0; i < G->VertexNum; i++)
    {
        if(mark[i] && dist[minV] > dist[i])
        {
            flag = 1;
            minV = i;
        }
    }
    if(flag == 1)
        return minV;
    else
        return ERROR;
}

每一对顶点之间的最短路径

在稠密图中，求得每一顶点最短路径有一个算法比Dijkatra算法效率更高，也更简单，他是Floyd算法
Floyd算法的大概流程是
- 找一个初始顶点H，如果某个从A到B的路径比先A到H，再H，到B的路径长，那就可以说H是A到B的一个中转顶点，然后更新A到B的最短路径
- 依次用H结点循环所有起点到终点的路径，就可以得到初级的每一个顶点之间的最短路径。
- 然后再找别的顶点看看能不能充当初级最短路径图的中转顶点，然后又更新初级路径图，从此往复，直到循环完所有顶点，找到每对顶点最终最短路径图，和最终中转顶点表

//Floyd算法求各个顶点最短路径
//这里图用邻接矩阵储存
void Floyd(MGraph G, WeightType dis[][MaxVertexNum], Vertex path[][MaxVertexNum])
{
    Vertex i, j, K;	
    
    //初始化最短路径图dis，将图G复制到dis
    for(i = 0; i < G->VertexNum; i++)
        for(j = 0; j < G->VertexNum; j++)
        {
            dis[i][j] = G->Edge[i][j];
            //初始化中转顶点表path
            path[i][j] = -1;
        }
    
    //循环每个中转顶点
    for(k = 0; k < G->VertexNum; k++)
        //循环每条邻接边，找到他们的中转顶点
        for(i = 0; i < G->VertexNum; i++)
            for(j = 0; j < G->VertexNum; j++)
            {
                //如果i到j的路径比i到k再到j的路径长，就更新i到j的路径
                if(dis[i][k] + dis[k][j] < dis[i][j])
                {
                    dis[i][j] = dis[i][k] + dis[k][j];
                    //更新中转顶点
                    path[i][j] = k;
                }
            }
    //最终path[i][j]存的中转顶点是邻接于顶点i的
}

//利用中转顶点表来找最短路径路程
void Find(MGraph G, path[][MaxVertexNum], Vertex VH, Vertex VE);
{
    printf("%d ", HV);
    Vertex k = path[VH][VE];
    while(K != -1)
    {
        printf("-> %d ", k);
        k = path[k][HE];
    }
    printf("-> %d\n", HE);
}

6、拓扑排序

拓扑排序是对有向无环图进行排序，它的排序目的是为了排列顶点的先后顺序。
拓扑排序的基本步骤：找到任意一个入度为0的顶点，并从图中删除该顶点以及与其相邻的所有边，然后对改变后的图重复此操作。如果每个顶点入度都大于一，那么必定存在回路。
可用队列来储存入度为0的顶点

//拓扑排序排列有向无环图
//这里用邻接表表示图
bool TopSort(LGraph G, Vertex TopOrder[])
{
    //对图G进行拓扑排序，排序后的顶点放入TopOrder数组
    //遍历图，得到所有顶点的入度，并存入Indegree数组
    Vertex Indegree[G->VertexNum];
    Vertex V;
    AdjV W;
    for(V = 0; V < G->VertexNum; V++)
    	for(W = G->AL[V].FirstEdge; W == NULL; W = W->Next)
        {
            Indegree[W->V]++;
        }
    //创建队列，并将所有入度为0的顶点入队
    Queue Q = CreateQueue(G->VertexNum);
    for(V = 0; V < G->VertexNum; V++)
    {
        if(Indegree[V] == 0)
            AddQ(Q, V);
    }
    //核心代码
    //设置一个计数器来观察所有出过队的顶点数量
    int cnt = 0;
    //while循环来实现拓扑排序
    while(!IsEmpty(Q))	//当队列为空时说明没有入度为0的顶点，退出循环
    {
        //出队一个顶点，把它存入TopOrder数组，并将计数器加一
        V = DeleteQ(Q);
        TopOrder[cnt] = V;
        cnt++;
        //把这个顶点的邻接顶点的入度数减一，并且把入度减少后度数为0的邻接顶点入队
        for(W = G->AL[V].FirstEdge; W; W = W->Next)
        {
            Indegree[W->V]--;
            if(Indegree[W->V] == 0)
                AddQ(Q, W->V);
        }
    }
    //如果计数器计算的顶点小于原图中顶点数量，说明原图有回路，返回false
    if(cnt < G->VertexNum)
        return false;
    else
        return tru
    //结束算法
}

7、关键路径计算

AOE网：即边表示活动的网。
- AOE网是一个带权的有向无环图，其中顶点表示事件，弧表示活动，权值表示为活动持续的时间。
- AOE中入度为0的点称为源点，出度为0的点称为汇点。
- 用AOE网可以表示一个工程，源点表示接到任务，汇点表示完成任务，完成某一个任务就到达某一个顶点，边表示完成该任务需要的时间。
ETV:表示事件最早发生的时间，也就是顶点最早发生时间。
LTV：事件最晚需要开始时间，如果超过了这个时间就会延误工期。
关键路径：ETV和LTV相同的顶点是关键顶点，因为关键顶点不能延误，从源点到汇点和经过的关键顶点形成的路径就是关键路径。

//关键路径的计算
//用拓扑排序可求得顶点的ETV和LTV
//这里用邻接表储存图

//拓扑排序求ETV和LTV
bool TopSort(LGraph G, int ETV[], int LTV[])
{
	//建立一个TopOrder数组，用来存排序好的顶点
	Vertex TopOrder[G->VertexNum];
	//遍历图，得到所有顶点的入度，并存入Indegree数组
    Vertex Indegree[G->VertexNum];
	Vertex V;
	AdjV W;
    for(V = 0; V < G->VertexNum; V++)
    	for(W = G->AL[V].FirstEdge; W == NULL; W = W->Next)
        {
            Indegree[W->V]++;
        }
	//创建队列，并将所有入度为0的顶点入队,更新ETV数组
    Queue Q = CreateQueue(G->VertexNum);
    for(V = 0; V < G->VertexNum; V++)
    {
        if(Indegree[V] == 0)
        {    
			AddQ(Q, V);	
		}
    }
	//核心代码
    //设置一个计数器来观察所有出过队的顶点数量
    int cnt = 0;
	//while循环来实现拓扑排序
    while(!IsEmpty(Q))	//当队列为空时说明没有入度为0的顶点，退出循环
    {
        //出队一个顶点，把它存入TopOrder数组，并将计数器加一
        V = DeleteQ(Q);
        TopOrder[cnt] = V;
        cnt++;
		//遍历顶点V的邻接顶点，如果V的开始时间加活动时间大于邻接顶点的开始时间，则替换邻接顶点时间
		for(W = G->AL[V].FirstEdge; W; W = W->Next)
		{
			if(ETV[V] + W->Weight > ETV[W->V])
				ETV[W->V] = ETV[V] + W->Weight;
		}	
        //把这个顶点的邻接顶点的入度数减一，并且把入度减少后度数为0的邻接顶点入队
        for(W = G->AL[V].FirstEdge; W; W = W->Next)
        {
            Indegree[W->V]--;
            if(Indegree[W->V] == 0)
                AddQ(Q, W->V);
        }
    }
	//如果计数器计算的顶点小于原图中顶点数量，说明原图有回路，返回false
    if(cnt < G->VertexNum)
        return false;
	//根据TopOrder数组从最后元素开始计算LTV到下标为0的元素
	//初始化LTV数组，将汇点值赋予LTV数组
	for(V = 0; V < G->VertexNum; V++)
	{
		LTV[V] = TopOrder[G->VertexNum - 1];
	}
	for(V = G->VertexNum - 2; V >= 0; V--)
	{
		//遍历顶点V的邻接顶点，如果邻接点最晚时间减活动时间小于V的最晚时间，则替换V顶点时间
		for(W = G->AL[V].FirstEdge; W; W = W->Next)
		{
			if(LTV[W->V] - W->Weight < LTV[V])
				LTV[V] = LTV[W->V] - W->Weight;
		}
	}
	//算法结束
	return true;
}


//求关键路径函数，将关键顶点存入CriticalV[]数组中
bool CriticalPath(LGraph G, Vertex CriticalV[])
{
	//设置ETV数组存每个顶点最早开始时间
	//设置LTV数组存每个顶点最晚需开始时间
	int ETV[G->VertexNum] = {0};
	int LTV[G->VertexNum];
	//利用拓扑排序得到ETV和LTV
	if(TopSort(G, ETV, LTV) == false)
		return false; 
	//将每个顶点的ETV和LTV比较，如果相等就放入CriticalV数组
	Vertex V;
	int cnt = 0;
	for(V = 0; V < G->VertexNum; V++)
	{
		if(ETV[V] == LTV[V])
		{
			CriticalV[cnt] = V;
			cnt++;
		}
	}
	return true;
}

8、应用实例

六度空间理论：“你和任何一个陌生人之间所间隔的人不会超过六个”。
六度分隔理论的论证：在人际关系网络图G中，任意两个顶点之间都有一条路径长度不超过6的路径。可以采用广度优先算法对图G进行6层遍历，统计这些路径长度不超过6的顶点数，计算这些顶点数与所有顶点数的比例

#define SIX 6
//标记顶点是否被访问的数组
int Visited[MaxVertexNum] = {0};

//以S点出发，对图G进行6次广搜，返回路径顶点数
int SDS_BFS(LGraph G, Vertex S)
{
	Vertex V;
	AdjV W;
	//创建空队列
	Queue Q;
	Q = CreateQueue(MaxVertexNum);
	//设置两个计数器，Count计数顶点数，Level计数当前层数
	int Count = 1, Level = 0;
	//设置一个顶点Last表示每层最后的顶点，Tail表示每层待更新的层尾顶点
	Vertex Last, Tail;
	Last = S;
	//将S放入空队列
	AddQ(Q, S);
	//标记S；
	Visited[S] = 1;

	//利用循环广搜六次
	while(!IsEmpty(Q))
	{
		//弹出V
		V = DeleteQ(Q);
		//将V的邻接点加入队列
		for(W = G->AL[V].FirstEdge; W; W = W->Next)
		{
			if(Visited[W->V] == 0)
			{
				Visited[W->V] = 1;
				//入队
				AddQ(Q, W->V);
				//统计人数
				Count++;
				//更新层尾
				Tail = W->V;
			}
		}
		//如果顶点V是层尾顶点则层数加一
		if(V == Last)
		{
			Level++;
			//更新下一层层尾顶点
			Last = Tail;
		}
		//如果到了六层，那么退出循环
		if(Level == SIX)
			break;
	}
	//删除队列
	DestoryQueue(Q);
	return Count;
}

//检验六度空间理论
void Six_Degrees_of_Separation(LGraph G)
{
	Vertex V;
	int Count;
	for(V = 0; V < G->VertexNum; V++)
	{
		Count = SDS_BFS(G, V);
		printf("%d, %.2lf%%\n", V, 100.0 *(double)Count/ (double)G->VertexNum);
	}
}

二、感想

这一章学得真久/(ㄒoㄒ)/~~

标签：dist,记录,int,VertexNum,Vertex,学习,邻接,顶点,数据结构
From： https://www.cnblogs.com/dragon-dai/p/17711536.html

数据结构学习记录（三）

图