图论-建中首页.DOC

94建中資訊科校內培訓 CK5826 馮俊菘 PAGE 3/ NUMPAGES 3 Graph Algorithms Graph，圖，這也是博大精深的東西。通常一個graph包含vertex和edge兩部分。圖的應用很廣，很多問題都可以轉換成圖的型式，用圖論的方法來解。 專有名詞 節點（node / vertex）－ 圖上的一個點。 邊（edge）－ 連接圖上任兩點的邊，可分為有向邊（directed edge，只有一個方向可通，另一個方向不通）或無向邊（undirected edge，兩個方向都通）。另一種分法是邊上有沒有加權（weighted / unweighted，是否要考慮邊長）。 角度（degree）－ 一個節點的角度就是它連接的邊數。 cyclic － 一圖若存在迴路（從某一點出發，可以走回該點的路徑），稱此圖為cyclic；反之則稱為acyclic。 connected － 圖上至少有一個節點可以連到其他所有的節點。對無向圖（undirected graph，只有無向邊的圖）來說，就是任兩點都相通。 strong connected － 有向圖，指的是從任一點出發都可連到其他所有節點。 1 2 3 4 1 0 6 3 9 2 6 0 ∞ 7 3 3 ∞ 0 2 4 9 7 2 0 圖的表示 相鄰矩陣（adjacency-matrix） 用一個n*n的二維陣列來表示一個n個節點的圖。陣列中 [a, b] 代表節點a和節點b的相連狀況（相連或不相連，或是連接a.b的邊長多少）。 1 2 / 6 3 / 3 4 / 9 2 1 / 6 4 / 7 -- 3 1 / 3 4 / 2 -- 4 1 / 9 2 / 7 3 / 2 相鄰串列（adjacency-list） 用n個list儲存，第a個list存的是從a連出去的邊的資料（連到哪裡，長度多少…）。 圖的搜尋 深度優先搜尋（DFS）、廣度優先搜尋（BFS） 這跟之前講的一樣，事實上，本來DFS和BFS是用在這裡的，對一張圖上的節點的搜尋。後來才推廣到一般問題，把每種情況當成一個節點，情況的轉變當成邊，運用DFS或BFS來找答案，這就是所謂的暴力法。 DFS是把每個遇到的節點丟進stack裡面；BFS則是丟進queue裡面。每次拿出一個節點，把能連到的節點再丟回去。 connected components connected components是指圖中相連的頂點群，這用BFS或DFS都可以做。 cycle detection 判斷這個圖有沒有迴路。通常用DFS，若遇到discovered狀態（灰色狀態，已發現但還未結束）的節點，就表示有cycle。 Topological Sort 拓樸排序。就是對一個DAG（directed acyclic graph），找到一種節點的排序讓所有邊都指向後面。通常用DFS，記錄下每個節點進入finished狀態（黑色狀態，已走完該節點全部的邊）的時間，最後按照這個時間由大到小排序即可。 Articulation Points articulation points指的是那些滿足以下條件的節點：若移除該節點，會把這個圖分成兩個以上的connected components。基本做法還是DFS，詳細的方法請參考.tw/~peng/AP.pdf 最小花費展開樹（Minimum Spanning Tree, MST） 樹：沒有cycle的連通圖。 展開樹：在一個圖中，連接所有的節點，且邊都是原本的邊的樹。 最小花費展開樹：在有加權的圖中，所有邊的加權總合最小的展開樹。 Prim’s Algorithm 任找一個頂點，放入MST的節點集合中。 每次找一個長度最小，且一端屬於MST的節點，另一端不是的邊。把這個邊放入MST的邊集合中，並把那個不屬於MST的節點，放進節點集合。 重複這個動作，直到所有的節點均已放入MST的節點集合。 Kruskal’s Algorithm 把所有的邊依邊長由小到大排序。 依序檢查每個邊，若把此邊加入MST的邊集合，不會造成cycle，則把此邊加入MST邊集合，否則忽略掉。 檢查完每個邊或所選的邊數達到n-1，就得到MST。 以上兩個做法都是greedy method的應用。 最短路徑（Shortest Path） 最短路徑，顧名思義就是從一個點到其他點的所有路徑中最短的一條。通常要求的是路徑長為多少，也有可能要把整條路徑列出來。若是沒有加權的圖，那BFS就可以得到最短路徑。這裡討論的是有加權的圖，當然，有很多種方法都可以找到最短路徑。這裡只講兩個代表性的，其中Dijkstra需要所有邊的加權都≧0，如果沒有滿足這個條件，就要用Bellman-Ford algorithm。 Single-Source S