数据结构知识点-图

图的存储结构

邻接矩阵（数组表示法）

用一个一维数组存储途中定点的信息，用一个二维数组（邻接矩阵）存储图中各顶点之间的邻接关系。
假设图G＝(V，E)有n个顶点，则邻接矩阵是一个n×n的方阵，定义为：

类型定义：

enum GraphType{DG, UG, DN, UN};
typedef char VertexType;
typedef struct 
{
	VertexType vexs[MAX];//顶点表
	int arcs[MAX][MAX];//邻接矩阵
	int vexnum, arcnum;//顶点数和边数
	GraphType kind;//图的类型
}MGraph;

无向图的邻接矩阵

无向图
无向图邻接矩阵的特点：主对角线为0，且一定是对称矩阵。

如何求顶点i的度？：邻接矩阵第i行/第i列的非零元素个数。

如何判断顶点i和j之间是否存在边？：测试邻接矩阵中的arcs[ i ][ j ] 是否为1.

如何求顶点i的所有邻接点？：将数组中第i行元素扫描一遍，若arcs[i][j]为1，则顶点j为顶点i的邻接点。
有向图
有向图的邻接矩阵一定不对称吗？不一定，例如有向完全图。

如何求顶点i的出度？：邻接矩阵的第i行元素之和

如何求顶点i的入度？：邻接矩阵的第i列元素之和

如何判断从顶点i到顶点j是否存在边？：测试邻接矩阵中的arcs[ i ][ j ] 是否为1.

网图的邻接矩阵可定义为：

邻接表

所有边表的头指针和存储顶点信息的一维数组构成了顶点表。
将所有邻接于vi的顶点链成一个单链表，称为顶点vi的边表

typedef struct 
{
	VertexType data;
	EdgeList firstedge;
}VexNode;

typedef struct 
{
	int adjvex;//邻接点域，边的重点在下一个顶点表的下标
	Node *next;
}Node, *EdgeList;

网图的邻接表

图的遍历

图的遍历是在从图中某一顶点出发，对图中所有顶点访问一次且仅访问一次。

图的遍历要解决的关键问题

1. 因图中可能存在回路，某些顶点可能会被重复访问，如何避免遍历因回路而陷入死循环？：附设访问标志数组visited[n]
2. 在图中，一个顶点可以和其他多个顶点相连，当这样的顶点访问过后，如何选取下一个要访问的顶点？：深度优先遍历和广度优先遍历

深度优先遍历 DFS(MGraph G, int v)

基本思想：

1. 访问顶点v
2. 从v的未被访问的邻接点中选取一个顶点i，从i出发进行深度优先遍历
3. 重复上述两步，直至图中所有和v有路径相通的顶点都被访问到。

//连通图的深度优先遍历递归算法
bool visited[MAX] = {false};
void DFS(MGraph G, int v)
{
	cout<<G.vexs[v];
	visited[v] = true;
	for(int i = 0; i < G.vexnum; i++)
	{
		if(G.arcs[v][i]!=0 && !visited[i])
			DFS(G, i);
	}
}

广度优先遍历

基本思想：

1. 访问顶点v
2. 依次访问v的各个未被访问的邻接点
3. 分别从这些邻接点出发，依次访问它们未被访问的邻接点，并使“先被访问顶点的邻接点”先于“后被访问顶点的邻接点”被访问。直至图中所有与顶点v有路径相通的顶点都被访问到。

首先要理解搜索步，一个完整的搜索步包括两个处理
a) 获得当前位置上，有几条路可供选择
b) 根据选择策略，选择其中一条路，并走到下个位置
相当于在漆黑的夜里，你只能看清你站的位置和你前面的路，但你不知道每条路能够通向哪里。

搜索的任务就是，给出初始位置和目标位置，要求找到一条到达目标的路径。
深度优先就是，从初始点出发，不断向前走，如果碰到死路了，就往回走一步，尝试另一条路，直到发现了目标位置。这种不撞南墙不回头的方法，即使成功也不一定找到一条好路，但好处是需要记住的位置比较少。

广度优先就是，从初始点出发，把所有可能的路径都走一遍，如果里面没有目标位置，则尝试把所有两步能够到的位置都走一遍，看有没有目标位置；如果还不行，则尝试所有三步可以到的位置。这种方法，一定可以找到一条最短路径，但需要记忆的内容实在很多，要量力而行。
宽泛意义上：深度优先一般是解决连通性问题，而广度优先一般是解决最短路径问题。

最小生成树

生成树的代价：设G=（V,E）是一个无向连通图，生成树上各边的权值之和成为该生成树的代价。
最小生成树：在图G所有生成树中，代价最小的生成树称为最小生成树。

Prim算法的基本思想：

1. 初始时，从V中任取一个顶点（如v1），将其放入U中，使得T的初始状态为U={v1}, TE = {}，初始状态的最小生成树可以看成是一颗只含有一个顶点的树。
2. 重复执行：
   选择一条权值最小的交叉边（vi, vj），其中，vi∈U，vj∈V-U，并把该边（vi, vj）和其不再最小生成树尚的顶点vj分别加入T的顶点集U和边集TE中，直到图G中的n个顶点均被加入到最小生成树T中为止。

Prim算法的关键：

• 如何找到连接U和V-U的最短边

可用下述方法构造候选最短边集：对应V-U中的每个顶点，保留从该顶点到U中各顶点的最短边。

引入一个辅助数组miniedges[],用于存放集合V-U中的各顶点到集合U中顶点的最小交叉边及其权值：

typedef struct 
{
	VertexType vex;
	float lowcost;
}Edge;

1. 初始化辅助数组miniedges[]
2. 输入顶点v，将顶点v加入集合U中
3. 重复执行下列操作n-1次
   - 选取出全职最小的候选交叉边，取其对应的定点序号k，
   - 将顶点k加入到集合U中
   - 调整数组miniedges[]