用圖形解釋10種圖形算法
快速介紹10種基本圖形算法以及示例和可視化
在現(xiàn)實(shí)世界中,例如社交媒體網(wǎng)絡(luò),網(wǎng)頁和鏈接以及GPS中的位置和路線,圖形已經(jīng)成為一種強(qiáng)大的建模和捕獲數(shù)據(jù)的手段。 如果您有一組相互關(guān)聯(lián)的對象,則可以使用圖形來表示它們。
在本文中,我將簡要說明10種基本圖形算法,這些算法對于分析及其應(yīng)用非常有用。
首先,讓我們介紹一個圖表。
什么是圖?
一個圖由一組有限的頂點(diǎn)或節(jié)點(diǎn)以及一組連接這些頂點(diǎn)的邊組成。 如果兩個頂點(diǎn)通過同一邊彼此連接,則它們稱為相鄰頂點(diǎn)。
下面給出一些與圖有關(guān)的基本定義。 您可以參考圖1的示例。
- 順序:圖形中的頂點(diǎn)數(shù)
- 大?。簣D形中的邊數(shù)
- 頂點(diǎn)度:入射到頂點(diǎn)的邊數(shù)
- 孤立的頂點(diǎn):未連接到圖中任何其他頂點(diǎn)的頂點(diǎn)
- 自環(huán):從頂點(diǎn)到自身的邊
- 有向圖:所有邊都有一個方向的圖,該方向指示什么是起始頂點(diǎn),什么是終止頂點(diǎn)
- 無向圖:具有沒有方向的邊的圖
- 加權(quán)圖:圖的邊緣具有權(quán)重
- 未加權(quán)圖形:圖形的邊緣沒有權(quán)重
1.廣度優(yōu)先搜索
遍歷或搜索是可以在圖形上執(zhí)行的基本操作之一。 在廣度優(yōu)先搜索(BFS)中,我們從一個特定的頂點(diǎn)開始,并在當(dāng)前深度探索其所有鄰居,然后再進(jìn)入下一級的頂點(diǎn)。 與樹不同,圖可以包含循環(huán)(第一個頂點(diǎn)和最后一個頂點(diǎn)相同的路徑)。 因此,我們必須跟蹤訪問的頂點(diǎn)。 在實(shí)現(xiàn)BFS時,我們使用隊(duì)列數(shù)據(jù)結(jié)構(gòu)。
圖2表示示例圖的BFS遍歷的動畫。 注意如何發(fā)現(xiàn)頂點(diǎn)(黃色)并訪問頂點(diǎn)(紅色)。
應(yīng)用領(lǐng)域
- 用于確定最短路徑和最小生成樹。
- 搜索引擎搜尋器用來構(gòu)建網(wǎng)頁索引。
- 用于在社交網(wǎng)絡(luò)上搜索。
- 用于查找對等網(wǎng)絡(luò)(例如BitTorrent)中的可用鄰居節(jié)點(diǎn)。
2.深度優(yōu)先搜索
在深度優(yōu)先搜索(DFS)中,我們從特定的頂點(diǎn)開始,并在回溯(回溯)之前沿每個分支進(jìn)行盡可能的探索。 在DFS中,我們還必須跟蹤訪問的頂點(diǎn)。 在實(shí)現(xiàn)DFS時,我們使用堆棧數(shù)據(jù)結(jié)構(gòu)來支持回溯。
圖3表示與圖2相同的示例圖的DFS遍歷的動畫。請注意,它如何遍歷深度和回溯。
應(yīng)用領(lǐng)域
- 用于查找兩個頂點(diǎn)之間的路徑。
- 用于檢測圖中的周期。
- 用于拓?fù)渑判颉?/li>
- 用于解決只有一種解決方案(例如迷宮)的難題
3.最短路徑
從一個頂點(diǎn)到另一個頂點(diǎn)的最短路徑是圖形中的一條路徑,因此應(yīng)移動的邊的權(quán)重之和最小。
圖4顯示了一個動畫,其中確定了圖形中從頂點(diǎn)1到頂點(diǎn)6的最短路徑。
演算法
- Dijkstra最短路徑算法
- Bellman–Ford算法
應(yīng)用領(lǐng)域
- 用于在Google地圖或Apple地圖等地圖軟件中查找從一個位置到另一個位置的路線。
- 用于網(wǎng)絡(luò)中以解決最小延遲路徑問題。
- 用于抽象機(jī)器中,以通過在不同狀態(tài)之間進(jìn)行轉(zhuǎn)換來確定達(dá)到某個目標(biāo)狀態(tài)的選擇(例如,可用于確定贏得一場比賽的最小可能次數(shù))。
4.循環(huán)檢測
循環(huán)是圖形中的第一個頂點(diǎn)和最后一個頂點(diǎn)相同的路徑。 如果我們從一個頂點(diǎn)開始,沿著一條路徑行進(jìn),然后在起始頂點(diǎn)處結(jié)束,那么這條路徑就是一個循環(huán)。 循環(huán)檢測是檢測這些循環(huán)的過程。 圖5顯示了遍歷一個循環(huán)的動畫。
演算法
- 弗洛伊德循環(huán)檢測算法
- 布倫特算法
應(yīng)用領(lǐng)域
- 用于基于分布式消息的算法。
- 用于在群集上使用分布式處理系統(tǒng)處理大規(guī)模圖形。
- 用于檢測并發(fā)系統(tǒng)中的死鎖。
- 在加密應(yīng)用程序中用于確定消息的密鑰,該密鑰可以將該消息映射到相同的加密值。
5.最小生成樹
最小生成樹是圖的邊緣的子集,該圖以最小的邊權(quán)重之和連接所有頂點(diǎn),并且不包含循環(huán)。
圖6是一個動畫,顯示了獲取最小生成樹的過程。
演算法
- Prim的算法
- Kruskal的算法
應(yīng)用領(lǐng)域
- 用于構(gòu)造樹以在計(jì)算機(jī)網(wǎng)絡(luò)中廣播。
- 用于基于圖的聚類分析。
- 用于圖像分割。
- 用于將社會區(qū)域劃分為連續(xù)區(qū)域的社會地理區(qū)域的區(qū)域化。
6.牢固連接的組件
如果圖中的每個頂點(diǎn)均可從其他每個頂點(diǎn)到達(dá),則稱該圖是牢固連接的。
圖7顯示了一個示例圖,其中包含三個具有紅色,綠色和黃色的頂點(diǎn)的牢固連接的組件。
演算法
- Kosaraju的算法
- Tarjan的強(qiáng)連接組件算法
應(yīng)用領(lǐng)域
- 用于計(jì)算Dulmage–Mendelsohn分解,這是二部圖邊緣的分類。
- 用于社交網(wǎng)絡(luò)中,以找到一群緊密聯(lián)系并根據(jù)共同興趣提出建議的人。
7.拓?fù)渑判?/strong>
圖的拓?fù)渑判蚴瞧漤旤c(diǎn)的線性排序,因此對于排序中的每個有向邊(u,v),頂點(diǎn)u都位于v之前。
圖8顯示了頂點(diǎn)(1、2、3、5、4、6、7、8)的拓?fù)漤樞虻氖纠?您可以看到頂點(diǎn)5應(yīng)該位于頂點(diǎn)2和3之后。類似地,頂點(diǎn)6應(yīng)該位于頂點(diǎn)4和5之后。
演算法
- 卡恩算法
- 基于深度優(yōu)先搜索的算法
應(yīng)用領(lǐng)域
- 用于指令調(diào)度。
- 用于數(shù)據(jù)序列化。
- 用于確定在makefile中執(zhí)行的編譯任務(wù)的順序。
- 用于解析鏈接器中的符號依賴性。
8.圖形著色
圖形著色可在確保某些條件的同時為圖形元素分配顏色。 頂點(diǎn)著色是最常用的圖形著色技術(shù)。 在頂點(diǎn)著色中,我們嘗試使用k種顏色為圖形的頂點(diǎn)著色,并且任何兩個相鄰的頂點(diǎn)都不應(yīng)具有相同的顏色。 其他著色技術(shù)包括邊緣著色和面部著色。
圖的色數(shù)是為圖著色所需的最少顏色數(shù)。
圖9顯示了使用4種顏色的示例圖的頂點(diǎn)著色。
演算法
- 使用廣度優(yōu)先搜索或深度優(yōu)先搜索的算法
- 貪婪的著色
應(yīng)用領(lǐng)域
- 用于安排時間表。
- 用于分配移動無線電頻率。
- 用于建模和求解數(shù)獨(dú)游戲。
- 用于檢查圖是否為二部圖。
- 用于為相鄰國家或地區(qū)具有不同顏色的國家或州的地理地圖著色。
9.最大流量
我們可以將圖建模為以邊權(quán)重為流量的流量網(wǎng)絡(luò)。 在最大流量問題中,我們必須找到一條可以獲得最大可能流量的流路。
圖10顯示了確定網(wǎng)絡(luò)的最大流量并確定最終流量值的動畫示例。
演算法
- 福特-福克森算法
- Edmonds–Karp算法
- Dinic的算法
應(yīng)用領(lǐng)域
- 用于航空公司調(diào)度以調(diào)度飛行人員。
- 用于圖像分割以查找圖像中的背景和前景。
- 用于淘汰無法贏得足夠比賽來趕上其所在部門的領(lǐng)先者的棒球隊(duì)。
10.匹配
圖中的匹配項(xiàng)是一組沒有共同頂點(diǎn)的邊(即,沒有兩個邊共享共同的頂點(diǎn))。 如果匹配包含盡可能多的與盡可能多的頂點(diǎn)匹配的邊,則該匹配稱為最大匹配。
圖11顯示了獲得二部圖與橙色和藍(lán)色表示的兩組頂點(diǎn)的完全匹配的動畫。
演算法
- Hopcroft-Karp算法
- 匈牙利算法
- 開花算法
應(yīng)用領(lǐng)域
- 用于對接會以匹配新娘和新郎(穩(wěn)定的婚姻問題)。
- 用于確定頂點(diǎn)覆蓋率。
- 在運(yùn)輸理論中用于解決資源分配和出行優(yōu)化中的問題。
最后的想法
我希望您覺得這篇文章對圖形算法進(jìn)行簡單而概括的介紹很有用。 我很想聽聽您的想法。
非常感謝您的閱讀。