1254 字
3 分钟
考研专业课学习记录2026-07-08
考研专业课学习记录 | 2026-07-08
今日学习内容
今日累计学习3小时,聚焦408数据结构中图论模块的核心应用场景,系统学习了三大高频考点:单源最短路径迪杰斯特拉算法、无向连通带权图的最小生成树求解,以及AOE网与关键路径分析,配套完成了5道历年考研真题改编的模拟题。
AI知识点带复盘
1. 迪杰斯特拉(Dijkstra)算法
考研核心考点
- 算法思想:基于贪心策略,每次从尚未确定最短路径的顶点集合中,选择距离源点最近的顶点,通过该顶点松弛其他顶点的最短路径估计值,重复此过程直到所有顶点都被访问。
- 适用限制:仅适用于边权非负的单源最短路径问题,无法处理存在负权边或负权环的场景,与Bellman-Ford、Floyd算法形成场景区分。
- 复杂度分析:邻接矩阵实现下时间复杂度为,适合稠密图;使用优先队列(堆)优化邻接表实现时,时间复杂度为,适配稀疏图场景,是考研高频考察的优化版本。
- 常考题型:给定带权无向/有向图,手动模拟算法执行过程,推导源点到各顶点的最短路径长度与路径细节。
2. 最小生成树(MST)
考研核心考点
共两种经典求解算法,考察重点为两种算法的对比与手动模拟:
- Prim算法:从单个源顶点出发,每次选择连接当前生成树与外部顶点的最小权边,逐步扩展生成树。邻接矩阵实现复杂度适合稠密图,堆优化版本复杂度适合稀疏图。
- Kruskal算法:将所有边按权值从小到大排序,依次选择不形成环的边加入生成树,借助并查集快速判断环的存在。复杂度主要由排序决定,为,适合稀疏图。
- 额外考点:最小生成树的唯一性判断(当存在多条权值相同的边且选择顺序不同时可能出现多解)、最小生成树的总权值性质。
- 常考题型:手动模拟两种算法的执行过程,对比两种算法的适用场景与步骤差异。
3. 关键路径
考研核心考点
- 核心概念:基于AOE网(边表示活动、顶点表示事件),关键路径是从源点到汇点的最长路径,其总长度决定了工程的最短完成工期。
- 关键参数:
- :顶点的最早发生时间(拓扑排序正向递推)
- :顶点的最晚发生时间(逆拓扑排序反向递推)
- 活动的最早开始时间(为活动起点顶点)
- 活动的最晚开始时间(为活动终点顶点,为活动权值)
- 活动余量,余量为0的活动为关键活动,全部关键活动组成关键路径。
- 常考题型:给定AOE网,手动计算各顶点的、值,推导各活动的、值,找出所有关键路径与工程最短工期。
问题与反思
- 对Kruskal算法中并查集的按秩合并与路径压缩细节记忆不够牢固,在模拟存在多条相同权值边的图时,容易误判环的存在导致推导错误。
- 关键路径的逆拓扑排序求解的步骤容易与拓扑排序正向递推混淆,在处理多汇点的AOE网时,汇点的值初始化容易出错。
- 部分复杂图的迪杰斯特拉松弛步骤容易遗漏顶点,需要借助表格辅助记录每一步的距离更新结果。
收获与总结
- 系统梳理了图论三大核心应用算法的考研考点、适用场景与复杂度差异,明确了不同算法的易错边界条件。
- 掌握了三种算法的手动模拟方法,能够独立完成历年真题中常见的图论计算类题型。
- 理清了关键路径相关参数的推导逻辑,能够快速区分拓扑排序与逆拓扑排序的使用场景,避免步骤混淆。
- 总结了不同图结构下最优算法的选择思路,为后续刷题提速打下基础。
💡 碎碎念:踏实吃透每一个知识点!
文档内容由 AI 辅助生成
分享
如果这篇文章对你有帮助,欢迎分享给更多人!
考研专业课学习记录2026-07-08
https://elysiaweb.vercel.app/posts/408/7-8/ 部分信息可能已经过时
相关文章 智能推荐