为了账号安全,请及时绑定邮箱和手机立即绑定

无向图相关算法基础

标签:
大数据 算法

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:

graph application

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。

graph terminology 

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。

two drawings of the same graph

要用计算机处理图,我们可以抽象出以下的表示图的API:

Graph 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:

Setofedges graph representation

还可以使用邻接矩阵来表示:

adjacency-matrix graph

也可以使用邻接列表来表示:

adjacency-list graph

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。

public class Graph{    private readonly int verticals;//顶点个数    private int edges;//边的个数    private List<int>[] adjacency;//顶点联接列表    public Graph(int vertical)
    {        this.verticals = vertical;        this.edges = 0;
        adjacency=new List<int>[vertical];        for (int v = 0; v < vertical; v++)
        {
            adjacency[v]=new List<int>();
        }
    }    public int GetVerticals ()
    {        return verticals;
    }    public int GetEdges()
    {        return edges;
    }    public void AddEdge(int verticalStart, int verticalEnd)
    {
        adjacency[verticalStart].Add(verticalEnd);
        adjacency[verticalEnd].Add(verticalStart);
        edges++;
    }    public List<int> GetAdjacency(int vetical)
    {        return adjacency[vetical];
    }
}

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。

sparse and dense graph 

采用以上三种表示方式的效率如下:

Graph representation efficiency 

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。

maze and graph

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:

Tremaux maze exploration

下面是迷宫探索的一个小动画:

maze exploration

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。

public class DepthFirstSearch{    private bool[] marked;//记录顶点是否被标记    private int count;//记录查找次数    private DepthFirstSearch(Graph g, int v)
    {
        marked = new bool[g.GetVerticals()];
        dfs(g, v);
    }    private void dfs(Graph g, int v)
    {
        marked[v] = true;
        count++;        foreach (int vertical in g.GetAdjacency(v))
        {            if (!marked[vertical])
                dfs(g,vertical);
        }
    }    public bool IsMarked(int vertical)
    {        return marked[vertical];
    }    public int Count()
    {        return count;
    }
}

试验一个算法最简单的办法是找一个简单的例子来实现。

trace of depth-first search

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。

public class DepthFirstPaths{    private bool[] marked;//记录是否被dfs访问过    private int[] edgesTo;//记录最后一个到当前节点的顶点    private int s;//搜索的起始点    public DepthFirstPaths(Graph g, int s)
    {
        marked = new bool[g.GetVerticals()];
        edgesTo = new int[g.GetVerticals()];        this.s = s;
        dfs(g, s);
    }    private void dfs(Graph g, int v)
    {
        marked[v] = true;        foreach (int w in g.GetAdjacency(v))
        {            if (!marked[w])
            {
                edgesTo[w] = v;
                dfs(g,w);
            }
        }
    }    public bool HasPathTo(int v)
    {        return marked[v];
    }    public Stack<int> PathTo(int v)
    {        if (!HasPathTo(v)) return null;        Stack<int> path = new Stack<int>();        for (int x = v; x!=s; x=edgesTo[x])
        {
            path.Push(x);
        }
        path.Push(s);        return path;
    }
}

 Trace depth-first search of computer 5

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。

 trace depth-first search

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。

class BreadthFirstSearch{    private bool[] marked;    private int[] edgeTo;    private int sourceVetical;//Source vertical    public BreadthFirstSearch(Graph g, int s)
    {
        marked=new bool[g.GetVerticals()];
        edgeTo=new int[g.GetVerticals()];        this.sourceVetical = s;
        bfs(g, s);
    }    private void bfs(Graph g, int s)
    {        Queue<int> queue = new Queue<int>();
        marked[s] = true;
        queue.Enqueue(s);        while (queue.Count()!=0)
        {            int v = queue.Dequeue();            foreach (int w in g.GetAdjacency(v))
            {                if (!marked[w])
                {
                    edgeTo[w] = v;
                    marked[w] = true;
                    queue.Enqueue(w);
                }
            }
        }
    }    public bool HasPathTo(int v)
    {        return marked[v];
    }    public Stack<int> PathTo(int v)
    {        if (!HasPathTo(v)) return null;        Stack<int> path = new Stack<int>();        for (int x = v; x!=sourceVetical; x=edgeTo[x])
        {
            path.Push(x);
        }
        path.Push(sourceVetical);        return path;
    }

}

广度优先算法的搜索步骤如下:

trace of bread first search

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。

 

breadth first search

点击查看更多内容
TA 点赞

若觉得本文不错,就分享一下吧!

评论

作者其他优质文章

正在加载中
  • 推荐
  • 评论
  • 收藏
  • 共同学习,写下你的评论
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦
今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与 放弃机会
意见反馈 帮助中心 APP下载
官方微信

举报

0/150
提交
取消