-----------------siwuxie095
图的遍历
图的遍历 分为：深度优先搜索 和 广度优先搜索
不同的方式在遍历时，遍历路径是不一样的
深度优先搜索
对如下图进行深度优先搜索：
需要先选定一个点，假设选定的点为 A
先从 A 的一支开始搜索，搜索到 B，接着：
从 B 搜索到 C，从 C 搜索到 E，从 E 搜索到 F，直到
从 F 再搜索时已经形成了一个环为止
再从 A 的另一支开始搜索，搜索到 D，接着：
从 D 搜索到 G，从 G 搜索到 H，直到从 H 再搜索时
已经形成了一个环为止
通过上面的搜索过程，不难发现，这与二叉树的前序遍历的
根 - 左 - 右 模式 非常相似
其实，对于图的深度优先搜索来说， 就是前序遍历：
先搜索根，然后再搜索与根连接的每一个节点，而且需要深入
到这个节点的最终端
最后：
深度优先搜索的顺序：A B C E F D G H
其中：B 到 F 的边，和 D 到 H 的边，需要舍弃掉，
因为它们已经使得当前的这棵树形成了一个环
广度优先搜索
广度优先搜索 其实比 深度优先搜索 更容易理解
对如下图进行广度优先搜索：
如果把这张图分成层，广度优先搜索其实就是一层一层的去搜索，
它的搜索顺序就是先搜索 A，再搜索 B、D，然后搜索 C、F、G、
H，最后搜索 E
最后：
广度优先搜索的顺序：A B D C F G H E
其中：E 到 F 的边，和 G 到 H 的边，需要舍弃掉，
因为它们已经使得当前的这棵树形成了一个环
最小生成树
通过对 深度优先搜索 和 广度优先搜索 的了解，不难发现，
采用不同的搜索方式，形成的生成树是不一样的
但是这样的遍历，其实还是相对比较简单的，它并没有涉及
到权值的问题。在一张图中，顶点和顶点之间的边如果是有
权值的，它的问题将会更加复杂
这样，就涉及到 最小生成树 的问题
看如下实例：
有这样六个城市，分别叫 A、B、C、D、E、F，需要在六个城市
之间修路（可以看成是六个顶点）
其实每两个城市之间都可以修路，但是修路的成本可能不一样，中间也许隔着山
如：从 A 市修向 B 市，如果中间隔着山，成本就会很高，假设权值为 6
那就不如先从 A 市修到 F 市，再从 F 市修到 B 市，这样，总权值才为 3
可见：如果有了权值之后，想把所有顶点全部连接起来，且使得最后连接
起来的结果最为经济，这样，就是一颗最小生成树
希望达到的结果是这样：
从 A 开始：A 修到 F，F 修到 B，B 修到 C，F 修到 D，D 修到 E
不难发现，选择的全是值比较小的边，而加起来的总成本也最小
但是，有了左图，通过它去求一棵最小生成树，从而达到右图的
效果，却是需要一套算法的
这样的算法，共有两种：
一种叫做 普里姆（Prim）算法，一种叫做 克鲁斯卡尔（Kruskal）算法
普里姆（Prim）算法
普里姆（Prim）算法的基本思想：
1）首先要有一个点集合，是指纳入到最小生成树中的点集合
2）其次要有一个边集合，是指纳入到最小生成树中的边集合
3）最后要有一个待选边集合，是指被选定点可以到达的所有边的集合
第一步：
假设从 A 点开始，则 A 就是选定的第一个点，把 A 纳入到点集合中
从 A 向外延伸出去一共有三条边，分别是 A-B、A-F、A-E，把这三
条边纳入到待选边集合中
从待选边集合中找出权值最小的边，即 A-F，把 A-F 纳入到边集合中
这样，第一个点 和 第一条边 就确定下来了
第二步：
边 A-F 连接了下一个点 F，把 F 纳入到点集合中
把从 A、F 向外延伸出的所有边都纳入到待选边集合中
待选边集合进一步扩充，变成 A-B、A-F、A-E、F-B、F-E、
F-C、F-D
「注意：同一条边，不需要重复写，如：A-F 和 F-A」
其中 A-F 已被选走，不能再被选
从剩下待选边集合中找出权值最小的边，即 F-B，把 F-B 纳入到边集合中
第三步：
边 F-B 连接了下一个点 B，把 B 纳入到点集合中
把从 A、F、B 向外延伸出的所有边都纳入到待选边集合中
待选边集合进一步扩充，变成 A-B、A-F、A-E、F-B、F-E、
F-C、F-D、B-C
其中 A-F、F-B 已被选走，不能再被选
从剩下待选边集合中找出权值最小的边，即 B-C，把 B-C 纳入到边集合中
第四步：
边 B-C 连接了下一个点 C，把 C 纳入到点集合中
把从 A、F、B、C 向外延伸出的所有边都纳入到待选边集合中
待选边集合进一步扩充，变成 A-B、A-F、A-E、F-B、F-E、
F-C、F-D、B-C、C-D
其中 A-F、F-B、B-C 已被选走，不能再被选
从剩下待选边集合中找出权值最小的边，即 F-D，把 F-D 纳入到边集合中
第五步：
边 F-D 连接了下一个点 D，把 D 纳入到点集合中
把从 A、F、B、C、D 向外延伸出的所有边都纳入到待选边集合中
待选边集合进一步扩充，变成 A-B、A-F、A-E、F-B、F-E、
F-C、F-D、B-C、C-D、D-E
其中 A-F、F-B、B-C、F-D 已被选走，不能再被选
从剩下待选边集合中找出权值最小的边，即 D-E，把 D-E 纳入到边集合中
第六步：
边 D-E 连接了下一个点 E，把 E 纳入到点集合中
此时，点集合中有 A、F、B、C、D、E，即 全部六个点都被连接
了起来，形成了一棵最小生成树
克鲁斯卡尔（Kruskal）算法
克鲁斯卡尔（Kruskal）算法的基本思想：
1）首先要有一个待选边集合，是指一张图中所涉及的所有边的集合
1）其次要有一个已选边集合，是指纳入到最小生成树中的边集合
2）最后要有一个已涉及点集合，是指纳入到最小生成树中的点集合
第一步：
首先把这张图中所涉及的所有边都纳入到待选边集合中
从待选边集合中找出权值最小的边，即 A-F，把 A-F 纳入到已选边集合中
选定边的同时，也选定了点，把 A、F 纳入到第一个已涉及点集合中
第二步：
待选边集合中 A-F 已被选走，不能再被选
从剩下待选边集合中找出权值最小的边，即 F-B，把 F-B 纳入到已选边集合中
选定边的同时，也选定了点，把 B 纳入到第一个已涉及点集合中
其实 D-E 的权值也为 2，F-B 和 D-E 二者任选其一即可，这里先选 F-B，
F-B 选出来之后、纳入到已选边集合之前，要判断一下：
当前的 F-B 有没有与以前的 A-F 形成闭环，如果形成了闭环，就需要将
这条边抛弃掉
显然，这里没有形成闭环，于是 F-B 这条边就被纳入到已选边集合中
即 每次从待选边集合中选边时，都要做如下操作：
1）当最小权值的边有多条时，任选其一
2）如果当前选定的边与已选边集合中的边形成了闭环，
就将这条边抛弃掉，重新选择
第三步：
待选边集合中 A-F、F-B 已被选走，不能再被选
从剩下待选边集合中找出权值最小的边，即 D-E，把 D-E 纳入到已选边集合中
注意：默认在 D-E 纳入到已选边集合之前，就已经判断没有形成闭环
选定边的同时，也选定了点，把 D、E 纳入到第二个已涉及点集合中
因为通过已选定边集合无法让 A、F、B 和 D、E 相连，所以要纳入到
两个不同的已涉及点集合中
第四步：
待选边集合中 A-F、F-B、D-E 已被选走，不能再被选
从剩下待选边集合中找出权值最小的边，即 B-C，把 B-C 纳入到已选边集合中
注意：默认在 B-C 纳入到已选边集合之前，就已经判断没有形成闭环
选定边的同时，也选定了点，把 C 纳入到第一个已涉及点集合中
因为通过已选定边集合无法让 A、F、B、C 和 D、E 相连，所以要纳入到
两个不同的已涉及点集合中
第五步：
待选边集合中 A-F、F-B、D-E、B-C 已被选走，不能再被选
从剩下待选边集合中找出权值最小的边，即 F-D，把 F-D 纳入到已选边集合中
注意：默认在 F-D 纳入到已选边集合之前，就已经判断没有形成闭环
已选定边集合中的 F-D 使得两个不同的已涉及点集合中的 F 和 D 关联了起来，
即 两个不同的已涉及点集合有了联系，融合成为一个已涉及点集合
此时，已涉及点集合中有 A、F、B、D、E、C，即 全部六个点都被连接
了起来，形成了一棵最小生成树
【made by siwuxie095】