下载文档原格式
对于图论算法，NOIP初赛不要求会实现算法，但手工操作还是要会的，复赛是要求会代码实现的。
什么是图一个图是一个序偶<V,E>,记为G=<V,E>。
V为顶点集,E为V中结点之间的边的集合。
自环：一条边的两个端点是相同的。
重边：两个端点之间有两条以上的边，称他们是重边。
简单图：没有自环和重边的图。
无向边：边是双向的。
有向边：单向边，有箭头。
无向图：只有无向边的图。
有向图：只有有向边的图。
混合图：既有无向边又有有向边。
顶点的度：无向图中，一个顶点相连的边数称为该顶点的度；有向图中，从一个顶点出发的边数称为该顶点得出度；到达该顶点的边数称为它的入度。
图论基本定理：著名的握手定理。
无向图中结点度数的总和等于边数的两倍。
有向图中结点入度的和等于出度的和等于边数。
通路：给定图G中结点和边交替出现的一个序列：v0e1v1e2v2…ek vk，若每条边ei的两端点是vi-1和vi，那么称该序列是从v0到vk的一条通路。
基本通路(路径)：没有重复出现的结点的通路。
图的连通性：若一张无向图的任意两个结点之间都存在通路，那么称该图是连通的。
连通分量：图中连通的顶点与边的集合。
权和网：在图的边给出相关的数，成为权。
权可以表示一个顶点到另一个顶点的距离，耗费等。
带权图一般成为网。
最短路径：对于一张不带权的无向图来说，从s到t的最短路径就是所有从s到t的通路中长度最短的那一条(可能不唯一)，通路上的边数称为路径的长度。
完全图：任何两个顶点之间都有边（弧）相连称为完全图。
稀疏图、稠密图：边（弧）很少的图称为稀疏图，反之为稠密图。
图的存储：邻接矩阵在邻接矩阵表示中，除了存放顶点本身信息外，还用一个矩阵表示各个顶点之间的关系。
若（i,j）∈E(G)或〈i,j〉∈E(G),则矩阵中第i行第j列元素值为1，否则为0。
例如,下面为两个无向图和有向图对应的邻接矩阵。
空间复杂度：O(V^2)优点：直观，容易理解，可以直接查看任意两点的关系。
摘抄自C博客组合数学计数与统计2001 - 符文杰：《Pólya原理及其应用》2003 - 许智磊：《浅谈补集转化思想在统计问题中的应用》2007 - 周冬：《生成树的计数及其应用》2008 - 陈瑜希《Pólya计数法的应用》数位问题2009 - 高逸涵《数位计数问题解法研究》2009 - 刘聪《浅谈数位类统计问题》动态统计2004 - 薛矛：《解决动态统计问题的两把利刃》2007 - 余江伟：《如何解决动态统计问题》博弈2002 - 张一飞：《由感性认识到理性认识——透析一类搏弈游戏的解答过程》2007 - 王晓珂：《解析一类组合游戏》2009 - 曹钦翔《从“k倍动态减法游戏”出发探究一类组合游戏问题》2009 - 方展鹏《浅谈如何解决不平等博弈问题》2009 - 贾志豪《组合游戏略述——浅谈SG游戏的若干拓展及变形》母函数2009 - 毛杰明《母函数的性质及应用》拟阵2007 - 刘雨辰：《对拟阵的初步研究》线性规划2007 - 李宇骞：《浅谈信息学竞赛中的线性规划——简洁高效的单纯形法实现与应用》置换群2005 - 潘震皓：《置换群快速幂运算研究与探讨》问答交互2003 - 高正宇：《答案只有一个——浅谈问答式交互问题》猜数问题2003 - 张宁：《猜数问题的研究:<聪明的学生>一题的推广》2006 - 龙凡：《一类猜数问题的研究》数据结构数据结构2005 - 何林：《数据关系的简化》2006 - 朱晨光：《基本数据结构在信息学竞赛中的应用》2007 - 何森：《浅谈数据的合理组织》2008 - 曹钦翔《数据结构的提炼与压缩》结构联合2001 - 高寒蕊：《从圆桌问题谈数据结构的综合运用》2005 - 黄刚：《数据结构的联合》块状链表2005 - 蒋炎岩：《数据结构的联合——块状链表》2008 - 苏煜《对块状链表的一点研究》动态树2006 - 陈首元：《维护森林连通性——动态树》2007 - 袁昕颢：《动态树及其应用》左偏树2005 - 黄源河：《左偏树的特点及其应用》跳表2005 - 魏冉：《让算法的效率“跳起来”！——浅谈“跳跃表”的相关操作及其应用》2009 - 李骥扬《线段跳表——跳表的一个拓展》SBT2007 - 陈启峰：《Size Balance Tree》线段树2004 - 林涛：《线段树的应用》单调队列2006 - 汤泽：《浅析队列在一类单调性问题中的应用》哈希表2005 - 李羽修：《Hash函数的设计优化》2007 - 杨弋：《Hash在信息学竞赛中的一类应用》Splay2004 - 杨思雨：《伸展树的基本操作与应用》图论图论2005 - 任恺：《图论的基本思想及方法》模型建立2004 - 黄源河：《浅谈图论模型的建立与应用》2004 - 肖天：《“分层图思想”及其在信息学竞赛中的应用》网络流2001 - 江鹏：《从一道题目的解法试谈网络流的构造与算法》2002 - 金恺：《浅谈网络流算法的应用》2007 - 胡伯涛：《最小割模型在信息学竞赛中的应用》2007 - 王欣上：《浅谈基于分层思想的网络流算法》2008 - 周冬《两极相通——浅析最大—最小定理在信息学竞赛中的应用》最短路2006 - 余远铭：《最短路算法及其应用》2008 - 吕子鉷《浅谈最短径路问题中的分层思想》2009 - 姜碧野《SPFA算法的优化及应用》欧拉路2007 - 仇荣琦：《欧拉回路性质与应用探究》差分约束系统2006 - 冯威：《数与图的完美结合——浅析差分约束系统》平面图2003 - 刘才良：《平面图在信息学中的应用》2007 - 古楠：《平面嵌入》2-SAT2003 - 伍昱：《由对称性解2-SAT问题》最小生成树2004 - 吴景岳：《最小生成树算法及其应用》2004 - 汪汀：《最小生成树问题的拓展》二分图2005 - 王俊：《浅析二分图匹配在信息学竞赛中的应用》Voronoi图2006 - 王栋：《浅析平面Voronoi图的构造及应用》偶图2002 - 孙方成：《偶图的算法及应用》树树2002 - 周文超：《树结构在程序设计中的运用》2005 - 栗师：《树的乐园——一些与树有关的题目》路径问题2009 - 漆子超《分治算法在树的路径问题中的应用》最近公共祖先2007 - 郭华阳：《RMQ与LCA问题》划分问题2004 - 贝小辉：《浅析树的划分问题》数论欧几里得算法2009 - 金斌《欧几里得算法的应用》同余方程2003 - 姜尚仆：《模线性方程的应用——用数论方法解决整数问题》搜索搜索2001 - 骆骥：《由“汽车问题”浅谈深度搜索的一个方面——搜索对象与策略的重要性》2002 - 王知昆：《搜索顺序的选择》2005 - 汪汀：《参数搜索的应用》启发式2009 - 周而进《浅谈估价函数在信息学竞赛中的应用》优化2003 - 金恺：《探寻深度优先搜索中的优化技巧——从正方形剖分问题谈起》2003 - 刘一鸣：《一类搜索的优化思想——数据有序化》2006 - 黄晓愉：《深度优先搜索问题的优化技巧》背包问题2009 - 徐持衡《浅谈几类背包题》匹配2004 - 楼天城：《匹配算法在搜索问题中的巧用》概率概率2009 - 梅诗珂《信息学竞赛中概率问题求解初探》数学期望2009 - 汤可因《浅析竞赛中一类数学期望问题的解决方法》字符串字符串2003 - 周源：《浅析“最小表示法”思想在字符串循环同构问题中的应用》多串匹配2004 - 朱泽园：《多串匹配算法及其启示》2006 - 王赟：《Trie图的构建、活用与改进》2009 - 董华星《浅析字母树在信息学竞赛中的应用》后缀数组2004 - 许智磊：《后缀数组》2009 - 罗穗骞《后缀数组——处理字符串的有力工具》字符串匹配2003 - 饶向荣：《病毒的DNA———剖析一道字符匹配问题解析过程》2003 - 林希德：《求最大重复子串》动态规划动态规划2001 - 俞玮：《基本动态规划问题的扩展》2006 - 黄劲松：《贪婪的动态规划》2009 - 徐源盛《对一类动态规划问题的研究》状态压缩2008 - 陈丹琦《基于连通性状态压缩的动态规划问题》状态设计2008 - 刘弈《浅谈信息学中状态的合理设计与应用》树形DP2007 - 陈瑜希：《多角度思考创造性思维——运用树型动态规划解题的思路和方法探析》优化2001 - 毛子青：《动态规划算法的优化技巧》2003 - 项荣璟：《充分利用问题性质——例析动态规划的“个性化”优化》2004 - 朱晨光：《优化，再优化！——从《鹰蛋》一题浅析对动态规划算法的优化》2007 - 杨哲：《凸完全单调性的加强与应用》计算几何立体几何2003 - 陆可昱：《长方体体积并》2008 - 高亦陶《从立体几何问题看降低编程复杂度》计算几何思想2004 - 金恺：《极限法——解决几何最优化问题的捷径》2008 - 程芃祺《计算几何中的二分思想》2008 - 顾研《浅谈随机化思想在几何问题中的应用》圆2007 - 高逸涵：《与圆有关的离散化》半平面交2002 - 李澎煦：《半平面交的算法及其应用》2006 - 朱泽园：《半平面交的新算法及其实用价值》矩阵矩阵2008 - 俞华程《矩阵乘法在信息学中的应用》高斯消元2002 - 何江舟：《用高斯消元法解线性方程组》数学方法数学思想2002 - 何林：《猜想及其应用》2003 - 邵烜程：《数学思想助你一臂之力》数学归纳法2009 - 张昆玮《数学归纳法与解题之道》多项式2002 - 张家琳：《多项式乘法》数形结合2004 - 周源：《浅谈数形结合思想在信息学竞赛中的应用》黄金分割2005 - 杨思雨：《美，无处不在——浅谈“黄金分割”和信息学的联系》其他算法遗传算法2002 - 张宁：《遗传算法的特点及其应用》2005 - 钱自强：《关于遗传算法应用的分析与研究》信息论2003 - 侯启明：《信息论在信息学竞赛中的简单应用》染色与构造2002 - 杨旻旻：《构造法——解题的最短路径》2003 - 方奇：《染色法和构造法在棋盘上的应用》一类问题区间2008 - 周小博《浅谈信息学竞赛中的区间问题》序2005 - 龙凡：《序的应用》系2006 - 汪晔：《信息学中的参考系与坐标系》物理问题2008 - 方戈《浅析信息学竞赛中一类与物理有关的问题》编码与译码2008 - 周梦宇《码之道—浅谈信息学竞赛中的编码与译码问题》对策问题2002 - 骆骥：《浅析解“对策问题”的两种思路》优化算法优化2002 - 孙林春：《让我们做得更好——从解法谈程序优化》2004 - 胡伟栋：《减少冗余与算法优化》2005 - 杨弋：《从<小H的小屋>的解法谈算法的优化》2006 - 贾由：《由图论算法浅析算法优化》程序优化2006 - 周以苏：《论反汇编在时间常数优化中的应用》2009 - 骆可强《论程序底层优化的一些方法与技巧》语言C++2004 - 韩文弢：《论C++语言在信息学竞赛中的应用》策略策略2004 - 李锐喆：《细节——不可忽视的要素》2005 - 朱泽园：《回到起点——一种突破性思维》2006 - 陈启峰：《“约制、放宽”方法在解题中的应用》2006 - 李天翼：《从特殊情况考虑》2007 - 陈雪：《问题中的变与不变》2008 - 肖汉骏《例谈信息学竞赛分析中的“深”与“广”》倍增2005 - 朱晨光：《浅析倍增思想在信息学竞赛中的应用》二分2002 - 李睿：《二分法与统计问题》2002 - 许智磊：《二分，再二分！——从Mobiles(IOI2001)一题看多重二分》2005 - 杨俊：《二分策略在信息学竞赛中的应用》调整2006 - 唐文斌：《“调整”思想在信息学中的应用》随机化2007 - 刘家骅：《浅谈随机化在信息学竞赛中的应用》非完美算法2005 - 胡伟栋：《浅析非完美算法在信息学竞赛中的应用》2008 - 任一恒《非完美算法初探》提交答案题2003 - 雷环中：《结果提交类问题》守恒思想2004 - 何林：《信息学中守恒法的应用》极限法2003 - 王知昆：《浅谈用极大化思想解决最大子矩形问题》贪心2008 - 高逸涵《部分贪心思想在信息学竞赛中的应用》压缩法2005 - 周源：《压去冗余缩得精华——浅谈信息学竞赛中的“压缩法”》逆向思维2005 - 唐文斌：《正难则反——浅谈逆向思维在解题中的应用》穷举2004 - 鬲融：《浅谈特殊穷举思想的应用》目标转换2002 - 戴德承：《退一步海阔天空——“目标转化思想”的若干应用》2004 - 栗师：《转化目标在解题中的应用》类比2006 - 周戈林：《浅谈类比思想》分割与合并2006 - 俞鑫：《棋盘中的棋盘——浅谈棋盘的分割思想》2007 - 杨沐：《浅析信息学中的“分”与“合”》平衡思想2008 - 郑暾《平衡规划——浅析一类平衡思想的应用》。
程序设计竞赛常用算法1.排序算法：排序是一个基本的算法问题，常见的排序算法有冒泡排序、选择排序、插入排序、快速排序、归并排序等。
这些排序算法有各自的优势和适用场景，需要根据具体问题需求选择合适的算法。
2.图论算法：图论是程序设计竞赛中经常出现的重要领域。
常见的图论算法有深度优先（DFS）、广度优先（BFS）、Dijkstra算法、Floyd-Warshall算法、拓扑排序、最小生成树等。
这些算法可以用于解决最短路径、连通性、最大流最小割等问题。
3.动态规划：动态规划是一种常用于解决优化问题的算法。
该算法通过将问题分解成子问题，并记录子问题的解来求解原问题的最优解。
常见的动态规划算法有背包问题、最长公共子序列（LCS）、最大子序列和等。
4.字符串处理算法：字符串处理是程序设计竞赛中常见的问题。
常见的字符串处理算法有KMP算法、哈希算法、字符串匹配等。
这些算法可以用于解决模式匹配、字符串、字符统计等问题。
5.数学算法：数学算法在程序设计竞赛中也经常被使用。
常见的数学算法有质因数分解、素数筛、快速乘法、高精度计算等。
这些算法可以用于解决数论、计算几何、概率等问题。
6.图形算法：图形算法主要用于处理图像和几何图形。
常见的图形算法有扫描线算法、凸包算法、几何运算等。
这些算法可以用于解决图像处理、三维建模等问题。
7.树和图的遍历算法：树和图的遍历算法是程序设计竞赛中常用的算法之一、常见的树和图的遍历算法有先序遍历、中序遍历、后序遍历、深度优先（DFS）、广度优先（BFS）等。
这些算法可以用于解决树和图的构建、路径等问题。
8.最大匹配和最小割算法：最大匹配算法用于求解二分图的最大匹配问题，常见的算法有匈牙利算法。
最小割算法用于求解图的最小割问题，常见的算法有Ford-Fulkerson算法。
这些算法可以用于解决网络流和二分图匹配等问题。
9.贪心算法：贪心算法是一种常用于优化问题的算法。
该算法通过每一步选择局部最优解来达到全局最优解。
【NOI】算法大全（已更新）一、数论算法1．求两数的最大公约数function gcd(a,b:integer):integer;beginif b=0 then gcd:=aelse gcd:=gcd (b,a mod b);end ;2．求两数的最小公倍数function lcm(a,b:integer):integer;beginif a<b then swap(a,b);lcm:=a;while lcm mod b>0 do inc(lcm,a);end;3．素数的求法A.小范围内判断一个数是否为质数：function prime (n: integer): Boolean;var I: integer;beginfor I:=2 to trunc(sqrt(n)) doif n mod I=0 then beginprime:=false; exit;end;prime:=true;end;B.判断longint范围内的数是否为素数（包含求50000以内的素数表）：procedure getprime;vari,j:longint;p:array[1..50000] of boolean;beginfillchar(p,sizeof(p),true);p[1]:=false;i:=2;while i<50000 do beginif p[i] then beginj:=i*2;while j<50000 do beginp[j]:=false;inc(j,i);end;end;inc(i);end;l:=0;for i:=1 to 50000 doif p[i] then begininc(l);pr[l]:=i;end;end;{getprime}function prime(x:longint):integer;var i:integer;beginprime:=false;for i:=1 to l doif pr[i]>=x then breakelse if x mod pr[i]=0 then exit;prime:=true;end;{prime}二、图论算法1．最小生成树A.Prim算法：procedure prim(v0:integer);varlowcost,closest:array[1..maxn] of integer;i,j,k,min:integer;beginfor i:=1 to n do beginlowcost[i]:=cost[v0,i];closest[i]:=v0;end;for i:=1 to n-1 do begin{寻找离生成树最近的未加入顶点k}min:=maxlongint;for j:=1 to n doif (lowcost[j]<min) and (lowcost[j]<>0) then begin min:=lowcost[j];k:=j;end;lowcost[k]:=0; {将顶点k加入生成树}{生成树中增加一条新的边k到closest[k]} {修正各点的lowcost和closest值}for j:=1 to n doif cost[k,j]<lwocost[j] then beginlowcost[j]:=cost[k,j];closest[j]:=k;end;end;end;{prim}B.Kruskal算法：(贪心)按权值递增顺序删去图中的边，若不形成回路则将此边加入最小生成树。
图论基本算法图论是NOIP必考的知识点。
松弛操作如图：⽐如说从1到2可以有2种解法，⼀种是直接⾛，另⼀种就是⽤⼀个点来中转；从这两条路上选最短的⾛法的操作就叫松弛。
根据这个操作啊就可以做出像暴⼒⼀样的最短路算法————Floyd算法.我们可以先初始化把不相连的边都设为⽆穷⼤，再不断进⾏松弛操作不断更新最短路。
这样就可以得出所有的两点之间的最短路，还能处理负边权。
不过就是有点慢时间复杂度是O（n3）for(k=1;k<=n;k++) //中转点for(i=1;i<=n;i++)for(j=1;j<=n;j++)if(dis[i][j]>dis[i][k]+dis[k][j]) //松弛操作dis[i][j]=dis[i][k]+dis[k][j];但是该算法适⽤于求解多源最短路径，所以时间复杂度⼤也是正常的。
⽽单源最短路径主要有两种Dijkstra算法O（n2）加堆优化O（nlogn）⽤来计算从⼀个点到其他所有点的最短路径的算法。
Dijkstra它不能处理存在负边权的情况。
算法描述：设起点为s，dis[v]表⽰从s到v的最短路径，。
a)初始化：dis[v]=∞(v≠s); dis[s]=0;;b)For (i = 1; i <= n ; i++)1.在没有被访问过的点中找⼀个顶点u使得dis[u]是最⼩的。
（可以认为是贪⼼操作）2.u标记为已确定最短路径的点3.与u相连的每个没有被确定最短路径的顶点进⾏松弛操作。
算法思想：我们把点分为两类，⼀类是已确定最短路径的点，称为“⽩点”，另⼀类是未确定最短路径的点，称为“蓝点”。
如果我们要求出⼀个点的最短路径，就是把这个点由蓝点变为⽩点。
从起点到蓝点的最短路径上的中转点在这个时刻只能是⽩点。
Dijkstra的算法思想，就是⼀开始将起点到起点的距离标记为0，⽽后进⾏n次循环，每次找出⼀个到起点距离dis[u]最短的点u，将它从蓝点变为⽩点。
