图论理论基础
https://www.programmercarl.com/kamacoder/%E5%9B%BE%E8%AE%BA%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.html
图的基本概念
二维坐标中，两点可以连成线，多个点连成的线就构成了图。
当然图也可以就一个节点，甚至没有节点（空图）
图的种类
整体上一般分为 有向图 和 无向图。
有向图是指 图中边是有方向的
无向图是指 图中边没有方向
加权有向图，就是图中边是有权值的，例如：
加权无向图也是同理。
度
无向图中有几条边连接该节点，该节点就有几度。
在有向图中，每个节点有出度和入度。
出度：从该节点出发的边的个数。
入度：指向该节点边的个数。
连通性
在图中表示节点的连通情况，我们称之为连通性。
连通图
在无向图中，任何两个节点都是可以到达的，我们称之为连通图
如果有节点不能到达其他节点，则为非连通图.
强连通图
在有向图中，任何两个节点是可以相互到达的，我们称之为 强连通图。
无向图中的连通图有什么区别，不是一样的吗？
强连通图是在有向图中任何两个节点是可以相互到达
下面这个有向图才是强连通图：
连通分量
在无向图中的极大连通子图称之为该图的一个连通分量。
强连通分量
在有向图中极大强连通子图称之为该图的强连通分量。
图的构造
我们如何用代码来表示一个图呢？
一般使用邻接表、邻接矩阵 或者用类来表示。
主要是 朴素存储、邻接表和邻接矩阵。
邻接矩阵
邻接矩阵 使用 二维数组来表示图结构。 邻接矩阵是从节点的角度来表示图，有多少节点就申请多大的二维数组。
在一个 n （节点数）为8 的图中，就需要申请 8 * 8 这么大的空间。、
这种表达方式（邻接矩阵） 在 边少，节点多的情况下，会导致申请过大的二维数组，造成空间浪费。
而且在寻找节点连接情况的时候，需要遍历整个矩阵，即 n * n 的时间复杂度，同样造成时间浪费。
邻接矩阵的优点：
- 表达方式简单，易于理解
- 检查任意两个顶点间是否存在边的操作非常快
- 适合稠密图，在边数接近顶点数平方的图中，邻接矩阵是一种空间效率较高的表示方法。
缺点：
- 遇到稀疏图，会导致申请过大的二维数组造成空间浪费 且遍历 边 的时候需要遍历整个n * n矩阵，造成时间浪费
邻接表
邻接表 使用 数组 + 链表的方式来表示。 邻接表是从边的数量来表示图，有多少边 才会申请对应大小的链表。
邻接表的优点：
- 对于稀疏图的存储，只需要存储边，空间利用率高
- 遍历节点连接情况相对容易
缺点：
- 检查任意两个节点间是否存在边，效率相对低，需要 O(V)时间，V表示某节点连接其他节点的数量。
- 实现相对复杂，不易理解
图的遍历方式
图的遍历方式基本是两大类：
- 深度优先搜索（dfs）
- 广度优先搜索（bfs）
在讲解二叉树章节的时候，其实就已经讲过这两种遍历方式。
二叉树的递归遍历，是dfs 在二叉树上的遍历方式。
二叉树的层序遍历，是bfs 在二叉树上的遍历方式。
dfs 和 bfs 一种搜索算法，可以在不同的数据结构上进行搜索，在二叉树章节里是在二叉树这样的数据结构上搜索。
而在图论章节，则是在图（邻接表或邻接矩阵）上进行搜索。
深搜理论基础
dfs 与 bfs 区别
提到深度优先搜索（dfs），就不得不说和广度优先搜索（bfs）有什么区别
先来了解dfs的过程
先说一下dfs和bfs大概的区别：
- dfs是可一个方向去搜，不到黄河不回头，直到遇到绝境了，搜不下去了，再换方向（换方向的过程就涉及到了回溯）。
- bfs是先把本节点所连接的所有节点遍历一遍，走到下一个节点的时候，再把连接节点的所有节点遍历一遍，搜索方向更像是广度，四面八方的搜索过程。
当然以上讲的是，大体可以这么理解，接下来 我们详细讲解dfs
dfs 搜索过程
- 搜索方向，是认准一个方向搜，直到碰壁之后再换方向
- 换方向是撤销原路径，改为节点链接的下一个路径，回溯的过程。
代码框架
正是因为dfs搜索可一个方向，并需要回溯，所以用递归的方式来实现是最方便的。
有递归的地方就有回溯，那么回溯在哪里呢？
就递归函数的下面，例如如下代码：
void dfs(参数) {
处理节点
dfs(图，选择的节点); // 递归
回溯，撤销处理结果
}
可以看到回溯操作就在递归函数的下面，递归和回溯是相辅相成的。
在讲解二叉树章节的时候，二叉树的递归法其实就是dfs，而二叉树的迭代法，就是bfs（广度优先搜索）
所以dfs，bfs其实是基础搜索算法，也广泛应用与其他数据结构与算法中。
我们在回顾一下回溯法的代码框架：
void backtracking(参数) {
if (终止条件) {
存放结果;
return;
}
for (选择：本层集合中元素（树中节点孩子的数量就是集合的大小）) {
处理节点;
backtracking(路径，选择列表); // 递归
回溯，撤销处理结果
}
}
回溯算法，其实就是dfs的过程，这里给出dfs的代码框架：
void dfs(参数) {
if (终止条件) {
存放结果;
return;
}
for (选择：本节点所连接的其他节点) {
处理节点;
dfs(图，选择的节点); // 递归
回溯，撤销处理结果
}
}
可以发现dfs的代码框架和回溯算法的代码框架是差不多的。
深搜三部曲
在 二叉树递归讲解中，给出了递归三部曲。
回溯算法讲解中，给出了 回溯三部曲。
其实深搜也是一样的，深搜三部曲如下：
-
确认递归函数，参数
void dfs(参数)
通常我们递归的时候，我们递归搜索需要了解哪些参数，其实也可以在写递归函数的时候，发现需要什么参数，再去补充就可以。
一般情况，深搜需要 二维数组数组结构保存所有路径，需要一维数组保存单一路径，这种保存结果的数组，我们可以定义一个全局变量，避免让我们的函数参数过多。
例如这样：
vector<vector<int>> result; // 保存符合条件的所有路径
vector<int> path; // 起点到终点的路径
void dfs (图，目前搜索的节点)
但这种写法看个人习惯，不强求。
- 确认终止条件
终止条件很重要，很多同学写dfs的时候，之所以容易死循环，栈溢出等等这些问题，都是因为终止条件没有想清楚。
if (终止条件) {
存放结果;
return;
}
终止添加不仅是结束本层递归，同时也是我们收获结果的时候。
另外，其实很多dfs写法，没有写终止条件，其实终止条件写在了， 下面dfs递归的逻辑里了，也就是不符合条件，直接不会向下递归。这里如果大家不理解的话，没关系，后面会有具体题目来讲解。
- 处理目前搜索节点出发的路径
一般这里就是一个for循环的操作，去遍历 目前搜索节点 所能到的所有节点。
for (选择：本节点所连接的其他节点) {
处理节点;
dfs(图，选择的节点); // 递归
回溯，撤销处理结果
}
98. 所有可达路径
思路
objectivec
#include <stdio.h>
#include <stdlib.h>
#define MAX_NODES 100
// 图的结构体
typedef struct Graph {
int edges[MAX_NODES][MAX_NODES]; // 邻接矩阵
int indegree[MAX_NODES]; // 入度数组
int vertexCount; // 节点数量
} Graph;
// 深度优先搜索递归函数
void DFS(Graph *G, int node, int destination, int *path, int pathLen) {
path[pathLen] = node; // 将当前节点添加到路径中
pathLen++; // 增加路径长度
if (node == destination) { // 找到一条路径
// 输出路径
for (int i = 0; i < pathLen; i++) {
printf("%d", path[i]);
if (i < pathLen - 1) printf(" "); // 添加空格
}
printf("\n");
} else {
// 继续深度搜索
for (int next = 1; next <= G->vertexCount; next++) {
if (G->edges[node][next]) { // 如果存在边
DFS(G, next, destination, path, pathLen);
}
}
}
pathLen--; // 回溯
}
int main() {
Graph G;
int N, M;
scanf("%d %d", &N, &M);
// 初始化图
G.vertexCount = N;
for (int i = 1; i <= N; i++) {
G.indegree[i] = 0; // 初始化入度
for (int j = 1; j <= N; j++) {
G.edges[i][j] = 0; // 初始化邻接矩阵
}
}
// 读入每条边
for (int i = 0; i < M; i++) {
int s, t;
scanf("%d %d", &s, &t);
G.edges[s][t] = 1; // 建立有向边
}
int path[MAX_NODES]; // 存储路径
DFS(&G, 1, N, path, 0); // 从1到N进行DFS
return 0;
}学习反思
这段代码实现了一个基于深度优先搜索的图遍历算法。下面对代码进行一些学习反思：Graph结构体表示了一个图，包含了图的边和顶点的入度信息以及顶点数量。DFS函数实现了深度优先搜索算法，它通过递归的方式遍历图中的所有路径，并找到到达目标节点的路径。参数node表示当前节点，destination表示目标节点，path和pathLen表示当前路径和路径长度。在递归过程中，先将当前节点加入到路径中，然后判断是否达到目标节点，如果是则打印路径，否则继续向下一个节点递归。main函数中首先读取图的顶点数量和边的数量，并根据输入初始化图的数据结构。然后调用DFS函数进行图遍历。在DFS函数中，需要传入一个存储路径的数组path和路径长度pathLen，这样可以在递归过程中记录路径。最后，将起始节点设置为1，目标节点设置为N，路径长度为0进行递归调用。