数据结构——图（存储结构）

图的定义和基本术语

 
图：G=(V，E)  Grapg = (Vertex, Edge)
  V：顶点(数据元素)的有穷非空集合；
  E：边的有穷集合

无向图：每条边都是无方向的
有向图：每条边都是有方向的

完全图：任意两点都有一条边相连

稀疏图：有很少边或弧的图（e < nlogⁿ）
稠密图：有较多边或弧的图
网：  边/弧带权的图
邻接： 有边/弧相连的两个顶点之间的关系
    存在(v_i，v_j)，则称v_i和v_j互为邻接点；
    存在<v_i，v_j>，则称v_i邻接到v_j，v_j邻接于v_i
关联(依附)：边/弧与顶点之间的关系
顶点的度：与该顶点相关联的边的数目，记为TD(v)
在有向图中，顶点的度等于该顶点的入度与出度之和
顶点 v 的入度是以 v 为重点的有向边的条数，记作 ID(v)
顶点 v 的出度是以 v 为始点的有向边的条数，记作 OD(v)

路径：接续的边构成的顶点序列
路径长度：路径上边或弧的数目/权值之和
回路(环)：第一个顶点和最后一个顶点相同的路径
简单路径：除路径起点和终点相同外，其余顶点均不相同的路径

连通图（强连通图）
  有无（有）向图G =（V，{E}）中，若对任何两个顶点 v、u 都存在从 v 到 u 的路径，则称G是连通图（强连通图）

权与网：
  图中边或弧所具有的的相关数称为权，表明从一个顶点到另一个顶点的距离或耗费；带权的图称为网

子图：
  设G =（V，{E}）、G1 =（V1，{E1}），若V1⊆ V，E1⊆E，则称G1是G的子图

连通分量（强联通分量）

• 无向图G的极大连通子图称为G的连通分量
  极大连通子图意思是：该子图是G连通子图，将G的任何不在该子图中的顶点加入，子图不再连通
  

• 有向图G的极大强连通子图称为G的强连通分量
  极大强连通子图意思是：该子图是G的强连通子图，将D的任何不在该子图中的顶点加入，子图不再是强连通的
  

极小连通子图：该子图是G的连通子图，在该子图中删除任何一条边，子图不再连通
生成树：包含无向图G 所有顶点的极小连通图
生成森林：对非连通图，由各个连通分量的生成树的集合

 
 

图的类型定义

 
图的抽象数据类型定义如下：

ADT Graph{
  数据对象V：具有相同特性的数据元素的集合，称为顶点集
  数据关系R：R = {VR}
  VR = {<v,w>|<v,w>| v,w∈V ^ p(v,w)，
  <v,w>表示从v到w的弧，p(v,w)定义了弧<v,w>的信息
  }
  CreateGraph(&G, V, VR)
    初始条件：V是图的顶点集，VR是图中弧的集合
    操作结果：按V和VR的定义构造图G
  DFSTraverse(G)
    初始条件：图G存在
    操作结果：按图进行深度优先遍历
  BFSTraverse(G)
    初始条件：图G存在
    操作结果：对图进行广度优先遍历
}ADT Graph
 
 

图的存储结构

 
图的逻辑结构：多对多
 
 

数组（邻接矩阵表示法）

 

• 建立一个顶点表（记录各个顶点信息）和一个邻接矩阵（表示各个顶点之间关系）
  • 设图 A = (V,E)有n个顶点，则
    
  • 图的邻接矩阵是一个二维数组 A.arcs[n][n]，定义为：

 

分析1：无向图的邻接矩阵是对称的
分析2：顶点i的度 = 第 i 行（列）中 1 的个数
特别：完全图的邻接矩阵中，对角元素为0，其余为1

 
 

注：在有向图的邻接矩阵中，
  第 i 行含义：以结点v_i为尾的弧(即出度边)
  第 i 列含义：以结点v_i为头的弧(即入度边)

分析1：有向图的邻接矩阵可能是不对称的
分析2：顶点的出度 = 第 i 行元素之和
     顶点的入度 = 第 i 列元素之和
     顶点的度 = 第 i 行元素之和 + 第 i 列元素之和
 
 

网（即有权图）的邻接矩阵表示法

邻接矩阵的存储表示：用两个数组分别存储顶点表和邻接矩阵

#define MaxInt 32767	//表示极大值，即∞
#define MVNum 100		//最大顶点数
typedef char VerTexType;	//设顶点的数据类型为字符型
typedef int ArcType;	//假设边的权值类型为整型

typedef struct{
	VerTexType vexs[MVNum];		//顶点表
	ArcType arcs[MVNum][MVNum];		//邻接矩阵
	int vexnum, arcnum;		//图的当前点数和边数
}AMGraph;	// Adjacency Matrix Graph

 
采用邻接矩阵表示法创建无向网

算法思想：

1. 输入总顶点数和总边数
2. 依次输入点的信息存入顶点表中
3. 初始化邻接矩阵，使每个权值初始化为极大值
4. 构造邻接矩阵

//采用邻接矩阵表示法，创建无向网G
Status CreateUDN(AMGraph &G){
	cin >> G.vexnum >> G.arcnum;	//输入总顶点数，总边数
	for(i = 0; i < G.vexnum; ++i)
		cin >> G.vexs[i];			//依次输入点的信息
	for(i = 0; i < G.vexnum; ++i)	//初始化邻接矩阵
		for(j = 0; j < G.vexnum; ++j)
			G.arcs[i][j] = MaxLnt;		//边的权值均置为极大值
	
	//构造邻接矩阵
	for(k = 0; k < G.arcnum; ++k){
		cin >> v1 >> v2 >> w;		//输入一条边所依附的顶点及边的权值
		i = LocateVex(G, v1);
		j = LocateVex(G ,v2);		//确定v1和v2在G中的位置
		G.arcs[i][j] = w;			//边<v1, v2>的权值置为w
		G.arcs[j][i] = G.arcs[i][j];		//置<v1, v2>的对称边<v2, v1>的权值为w
	}
	return OK;
}//CreateUDN

补充算法：在图中查找顶点

//在图G中查找顶点u，存在则返回顶点表中的下标;否则返回-1
int LocateVex(AMGraph G, VertexType u){
	int i;
	for(i = 0; i < G.vexnum; ++i)
		if(u == G.vexs[i])	return i;
	return -1;
}

 
 

 
 

邻接表

邻接表表示法(链式)

• 顶点：按编号顺序将顶点数据存储在一维数组中
• 关联同一顶点的边(以顶点为尾的弧)：用线性链表存储

无向图

特点：

• 邻接表不唯一
• 若无向图中有n个顶点、e条边，则其邻接表需n个头结点和2e个表结点。适宜存储稀疏图
• 无向图中顶点v_i的度为第i个单链表中的结点数

 

有向图

特点：

• 顶点v_i的出度为第 i 个单链表中的结点个数
• 顶点v_i的入度为整个单链表中邻接点域值是 i - 1 的结点个数(需要遍历整个链表)
   

特点：

• 顶点v_i的入度为第 i 个单链表中的结点个数
• 顶点v_i的出度为整个单链表中邻接点域值是 i - 1 的结点个数(需要遍历整个链表)

 

 

图的邻接表存储表示

typedef struct VNode{
	VerTexType data;		//顶点信息
	ArcNode * firstarc;		//指向第一条依附该顶点的边的指针
}VNode, AdjList[MVNum]		//AdjList表示邻接表类型

说明： 例如 AdjList v;    相当于：VNode v[MVNum];

#define MVNum 100				//最大顶点数
typedef struct ArcNode{			//边结点
	int adjvex;					//该边所指向的顶点的位置		
	struct ArcNode * nextarc;	//指向下一条边的指针
	OtherInfo info;				//信息域;存储和边相关的信息
}ArcNode;

图的结构定义：

typedef struct{
	AdjList vertices;		//vertices--vertex的复数
	int vexnum, arcnum;		//图的当前顶点数和弧数
}ALGraph;

 
 

采用邻接表表示法创建无向网

算法思想：

1. 输入总顶点数和总边数
2. 建立顶点表
   依次输入点的信息存入顶点表中
   使每个表头结点的指针域初始化为NULL
3. 创建邻接表
   依次输入每条边依附的两个顶点
   确定两个顶点的序号 i 和 j，建立边结点
   将此边结点分别插入到v_i和v_j对应的两个边链表的头部

//采用邻接表表示法，创建无向图G
Status CreateUDG(ALGraph &G){
	cin >> G.vexnum >> G.arcnum;		//输入总顶点数、总边数
	
	for(i = 0; i < G.vexnum; ++i){		//输入各点，构造表头结点表
		cin >> G.vertices[i].data;		//输入顶点值
		G.vertices[i].firstarc = NULL;	//初始化表头结点的指针域
	}//for
	
	for(k = 0; k < G.arcnum; ++k){		//输入各边，构造邻接表
		cin >> v1 >> v2;				//输入一条边依附的两个顶点
		i = LocateVex(G, v1);
		j = LocateVex(G, v2);
		p1 = new ArcNode;				//生成一个新的边结点*p1
		p1 -> adjvex = j;				//邻接点序号为j
		p1 -> nextarc = G.vertices[i].firstarc;
		G.vertices[i]firstarc = p1;		//将新结点*p1插入顶点vi的边表头部
		p2 = new ArcNode;				//生成另一个对称的新的边结点*p2
		p2 -> adjvex = i;				//邻接点序号为i
		p2 -> nextarc = G.vertices[j].firstarc;
		G.vertices[j].firstarc = p2;	//将新结点*p2插入顶点vj的边表头部
	}//for
	return OK;
}

 
 

邻接矩阵与邻接表表示法的关系

1. 联系：邻接表每个链表对应于邻接矩阵中的一行，链表中结点个数等于一行中非零元素的个数
2. 区别：
   ① 对于任一确定的无向图，邻接矩阵是唯一的（行列号与顶点编号一致），但邻接表不唯一（链接次序与顶点编号无关）
   ② 邻接矩阵的空间复杂度为O(n²),而邻接表的空间复杂度为O(n+e)
3. 用途：邻接矩阵多用于稠密图；而邻接表多用于稀疏图

 
 

十字链表——用于有向图

  十字链表(Orthogonal List)是有向图的另一种链式存储结构，可以将它看成有向图的邻接表和逆邻接表结合起来形成的一种链表

  有向图中的每一条弧对应十字链表中的一个弧结点，同时有向图中的每个顶点在十字链表中对应有一个结点，叫做顶点结点
 


 
 

邻接多重表（无向图的另一种链式存储结构）

邻接表优点：容易求得顶点和边的信息
   缺点：某些操作不方便（如：删除一条边需找表示此边的两个结点）

邻接多重表：