无向图相关算法基础

从这篇文章开始介绍图相关的算法，这也是Algorithms在线课程第二部分的第一次课程笔记。 图的应用很广泛，也有很多非常有用的算法，当然也有很多待解决的问题，根据性质，图可以分为无向图和有向图。本文先介绍无向图，后文再介绍有向图。 之所以要研究图，是因为图在生活中应用比较广泛：

无向图

图是若干个顶点(Vertices)和边(Edges)相互连接组成的。边仅由两个顶点连接，并且没有方向的图称为无向图。 在研究图之前，有一些定义需要明确，下图中表示了图的一些基本属性的含义，这里就不多说明。

图的API 表示

在研究图之前，我们需要选用适当的数据结构来表示图，有时候，我们常被我们的直觉欺骗,如下图，这两个其实是一样的，这其实也是一个研究问题，就是如何判断图的形态。

要用计算机处理图，我们可以抽象出以下的表示图的API：

  Graph的API的实现可以由多种不同的数据结构来表示，最基本的是维护一系列边的集合，如下：

还可以使用邻接矩阵来表示：

也可以使用邻接列表来表示：

由于采用如上方式具有比较好的灵活性，采用邻接列表来表示的话，可以定义如下数据结构来表示一个Graph对象。

 1 public class Graph
 2 {
 3     private readonly int verticals;
 4 //顶点个数
 5     private int edges;
 6 //边的个数
 7     private List<int>[] adjacency;
 8 //顶点联接列表
 9  
10     public Graph(int vertical)
11     {
12         this.verticals = vertical;
13         this.edges = 0;
14         adjacency=new List<int>[vertical];
15         for (int v = 0; v < vertical; v++)
16         {
17             adjacency[v]=new List<int>();
18         }
19     }
20  
21     public int GetVerticals ()
22     {
23         return verticals;
24     }
25  
26     public int GetEdges()
27     {
28         return edges;
29     }
30  
31     public void AddEdge(int verticalStart, int verticalEnd)
32     {
33         adjacency[verticalStart].Add(verticalEnd);
34         adjacency[verticalEnd].Add(verticalStart);
35         edges++;
36     }
37  
38     public List<int> GetAdjacency(int vetical)
39     {
40         return adjacency[vetical];
41     }
42 }

图也分为稀疏图和稠密图两种，如下图： 在这两个图中，顶点个数均为50，但是稀疏图中只有200个边，稠密图中有1000个边。在现实生活中，大部分都是稀疏图，即顶点很多，但是顶点的平均度比较小。

采用以上三种表示方式的效率如下：

在讨论完图的表示之后，我们来看下在图中比较重要的一种算法，即深度优先算法：

深度优先算法

在谈论深度优先算法之前，我们可以先看看迷宫探索问题。下面是一个迷宫和图之间的对应关系： 迷宫中的每一个交会点代表图中的一个顶点，每一条通道对应一个边。

迷宫探索可以采用Trémaux绳索探索法。即：

• 在身后放一个绳子
• 访问到的每一个地方放一个绳索标记访问到的交会点和通道
• 当遇到已经访问过的地方，沿着绳索回退到之前没有访问过的地方：

图示如下：

下面是迷宫探索的一个小动画：

深度优先搜索算法模拟迷宫探索。在实际的图处理算法中，我们通常将图的表示和图的处理逻辑分开来。所以算法的整体设计模式如下：

• 创建一个Graph对象
• 将Graph对象传给图算法处理对象，如一个Paths对象
• 然后查询处理后的结果来获取信息

下面是深度优先的基本代码，我们可以看到，递归调用dfs方法，在调用之前判断该节点是否已经被访问过。

 1 {
 2     private bool[] marked;
 3 //记录顶点是否被标记
 4     private int count;
 5 //记录查找次数
 6  
 7     private DepthFirstSearch(Graph g, int v)
 8     {
 9         marked = new bool[g.GetVerticals()];
10         dfs(g, v);
11     }
12  
13     private void dfs(Graph g, int v)
14     {
15         marked[v] = true;
16         count++;
17         foreach (int vertical in g.GetAdjacency(v))
18         {
19             if (!marked[vertical])
20                 dfs(g,vertical);
21         }
22     }
23  
24     public bool IsMarked(int vertical)
25     {
26         return marked[vertical];
27     }
28  
29     public int Count()
30     {
31         return count;
32     }
33 }

试验一个算法最简单的办法是找一个简单的例子来实现。

深度优先路径查询

有了这个基础，我们可以实现基于深度优先的路径查询，要实现路径查询，我们必须定义一个变量来记录所探索到的路径。 所以在上面的基础上定义一个edgesTo变量来后向记录所有到s的顶点的记录，和仅记录从当前节点到起始节点不同，我们记录图中的每一个节点到开始节点的路径。为了完成这一日任务，通过设置edgesTo[w]=v，我们记录从v到w的边，换句话说，v-w是做后一条从s到达w的边。 edgesTo[]其实是一个指向其父节点的树。

 1 public class DepthFirstPaths
 2 {
 3     private bool[] marked;
 4 //记录是否被dfs访问过
 5     private int[] edgesTo;
 6 //记录最后一个到当前节点的顶点
 7     private int s;
 8 //搜索的起始点
 9  
10     public DepthFirstPaths(Graph g, int s)
11     {
12         marked = new bool[g.GetVerticals()];
13         edgesTo = new int[g.GetVerticals()];
14         this.s = s;
15         dfs(g, s);
16     }
17  
18     private void dfs(Graph g, int v)
19     {
20         marked[v] = true;
21         foreach (int w in g.GetAdjacency(v))
22         {
23             if (!marked[w])
24             {
25                 edgesTo[w] = v;
26                 dfs(g,w);
27             }
28         }
29     }
30  
31     public bool HasPathTo(int v)
32     {
33         return marked[v];
34     }
35  
36     public Stack<int> PathTo(int v)
37     {
38  
39         if (!HasPathTo(v)) return null;
40         Stack<int> path = new Stack<int>();
41  
42         for (int x = v; x!=s; x=edgesTo[x])
43         {
44             path.Push(x);
45         }
46         path.Push(s);
47         return path;
48     }
49 }

上图中是黑色线条表示 深度优先搜索中，所有定点到原点0的路径， 他是通过edgeTo[]这个变量记录的，可以从右边可以看出，他其实是一颗树，树根即是原点，每个子节点到树根的路径即是从原点到该子节点的路径。 下图是深度优先搜索算法的一个简单例子的追踪。 

广度优先算法

通常我们更关注的是一类单源最短路径的问题，那就是给定一个图和一个源S，是否存在一条从s到给定定点v的路径，如果存在，找出最短的那条(这里最短定义为边的条数最小) 深度优先算法是将未被访问的节点放到一个堆中(stack)，虽然在上面的代码中没有明确在代码中写stack，但是 递归 间接的利用递归堆实现了这一原理。 和深度优先算法不同， 广度优先是将所有未被访问的节点放到了队列中。其主要原理是：

• 将 s放到FIFO中，并且将s标记为已访问
• 重复直到队列为空

1. 移除最近最近添加的顶点v
2. 将v未被访问的节点添加到队列中
3. 标记他们为已经访问

广度优先是以距离递增的方式来搜索路径的。

 1 class BreadthFirstSearch
 2 {
 3     private bool[] marked;
 4     private int[] edgeTo;
 5     private int sourceVetical;
 6 //Source vertical
 7  
 8     public BreadthFirstSearch(Graph g, int s)
 9     {
10         marked=new bool[g.GetVerticals()];
11         edgeTo=new int[g.GetVerticals()];
12         this.sourceVetical = s;
13         bfs(g, s);
14     }
15  
16     private void bfs(Graph g, int s)
17     {
18         Queue<int> queue = new Queue<int>();
19         marked[s] = true;
20         queue.Enqueue(s);
21         while (queue.Count()!=0)
22         {
23             int v = queue.Dequeue();
24             foreach (int w in g.GetAdjacency(v))
25             {
26                 if (!marked[w])
27                 {
28                     edgeTo[w] = v;
29                     marked[w] = true;
30                     queue.Enqueue(w);
31                 }
32             }
33         }
34     }
35  
36     public bool HasPathTo(int v)
37     {
38         return marked[v];
39     }
40  
41     public Stack<int> PathTo(int v)
42     {
43         if (!HasPathTo(v)) return null;
44  
45         Stack<int> path = new Stack<int>();
46         for (int x = v; x!=sourceVetical; x=edgeTo[x])
47         {
48             path.Push(x);
49         }
50         path.Push(sourceVetical);
51         return path;
52     }
53  
54 }

广度优先算法的搜索步骤如下：

广度优先搜索首先是在距离起始点为1的范围内的所有邻接点中查找有没有到达目标结点的对象，如果没有，继续前进在距离起始点为2的范围内查找，依次向前推进。

总结

本文简要介绍了无向图中的深度优先和广度优先算法，这两种算法时图处理算法中的最基础算法，也是后续更复杂算法的基础。其中图的表示，图算法与表示的分离这种思想在后续的算法介绍中会一直沿用，下文将讲解无向图中深度优先和广度优先的应用，以及利用这两种基本算法解决实际问题的应用。

转自:http://blog.jobbole.com/79314/