概念明天补上。。。
顺序查找，用了哨兵，减少检查数组长度的次数，据说这样可以让顺序查找的性能提升一倍。
优点：无序任何假设条件（如数组有序等）。
缺点：效率低。
#include <stdio.h>
int ssearch(int* arr, int n, int key)
{
int i = 0;
arr[n] = key;
for(i=0;arr[i]!=key;i++);
if(i==n)
{[......]
如果我们要求每一顶点对之间的最短路径，怎么做呢？
方法1：对N个顶点，依次执行前面的Prim算法。
方法2：使用Floyd算法。
实际上，Floyd算法是动态规划(DP)算法。
原理很简单，我们假设dp[i][j]表示从顶点i到顶点j的最短路径，则dp[i][j] = min (dp[i][k]+dp[k][j], 0<=k<=nvexs)。
于是算法如下：
import java.util.LinkedList;
public class Fl[......]
单源最短路径：给定带权有向图和源点v，求从v到G中其余各点的最短路径。
Dijkstra算法非常类似于最小生成树算法(的Prim)。
算法：
0、假设源为v0，设置辅助变量dist和pre，优先队列pq，按照dist[x]从小到达排序（小顶堆）。
1、如果v0->i连通，初始化dist[i]为w[v0][i]。放(dist[i], i)入pq。
2、循环，直到pq为空。
2.1、取出pq中最小的，设其下标为x，
2.2、遍历图matrix[x][i[......]
与AOV网对应的，还有一个AOE网，当然它也是有DAG(向无环图)。
AOE(Activity On Edge)网：顾名思义，用边表示活动的网。
与AOV不同，活动都表示在了边上，如下图所示：
如上所示，共有11项活动（11条边），9个事件（9个顶点）。
整个工程只有一个开始点和一个完成点。
即只有一个入度为零的点（源点）和只有一个出度为零的点（汇点）。
(1) 关键路径：是从开始点到完成点的最长路径的长度。路径的长度是边上活动耗费的时间。
(2[......]
DAG和概念
有向无环图：顾名思义，有向图，且不含环，directed acycline graph，简称DAG图。
无向图检查环：若深度优先遍历过程遇到回边（先前访问过的顶点的边），则必定存在环。
有向图检查环：从某个顶点v出发，在dfs(v)结束前，出现一条从顶点u到顶点v的回边，由于u在生成树上是v的子孙，则有向图必定存在包含顶点v和u之间的环。
DAG图是描述工程的有效工具。一个工程可以用一个DAG图表示，每一个顶点是一个子工程，工程的先后关系用弧表示。
围绕着[......]