无向图
图:由一组顶点和一组能够将两个顶点相连的边组成。边edge 顶点vertex
自环、平行边
树:一幅无环连通图。
森林:互不相连的树组成的结合。
图的表示方法:
邻接矩阵:N×N的布尔矩阵。空间大、不允许平行边的存在
边的数组:使用一个Eage类,含有两个int实例变量。不易检查图中的所有边。
邻接表数组:以顶点为索引的链表数组。将每个顶点的所有相邻顶点都保存在该顶点对应的索引值所指向的链表中。
邻接集数组:使用set,不允许存在平行边。
数据结构 | 所需空间 | 添加一条边v-w | 检查w和v是否相邻 | 遍历v所有相邻顶点 |
边的列表 | E | 1 | E | E |
邻接矩阵 | V2 | 1 | 1 | V |
邻接表 | E+V | 1 | Degress(V) | Degress(V) |
邻接集 | E+V | LogV | logV | Degress(V)+ logV |
无向图的API
public class Graph() {
Graph(intV) //创建一个含有V个顶点但不含有边的图
Graph(Inin) //从标准流in中读入一幅图
intV() //顶点数
intE() //边数
voidaddEdge(int v, int w) //向图中添加一条边v-w
Iterable<Integer>adj(int v) //和v相邻的所有顶点
StringtoString() //对象的字符串表示
}
无向图的API
public class Graph() {
Graph(intV) //创建一个含有V个顶点但不含有边的图
Graph(Inin) //从标准流in中读入一幅图
intV() //顶点数
intE() //边数
voidaddEdge(int v, int w) //向图中添加一条边v-w
Iterable<Integer>adj(int v) //和v相邻的所有顶点
StringtoString() //对象的字符串表示
}
计算所有顶点的最大度数
public static int maxDegree(Graph G) {
intmax = 0;
for(intv=0;v<G.V();v++)
if(degress(G,v)>max)
max= degress(G,v);
returnmax;
}
计算所有顶点的平均度数
public static double avgDegress(Graph G) {
return2.0*G.E()/G.V();
}
计算自环的个数
public static int numberOfSelfLoops(GraphG) {
intcount = 0;
for(intv = 0;v<G.V();v++) {
for(intw:G.adj())
if(v== w) count++;
returncount;
}
}
图的邻接表的字符串表示
public String toString() {
Strings = v + "vertices, "+ E + " edges\n"
for(intv = 0;v<V;v++) {
s+= v+": ";
for(intw:this.adj())
s+= w + " ";
s+= "\n";
}
returns;
}
Graph类的实现使用了一个由顶点索引的整型链表数组。
构造函数从输入流总读取一张图片,开始是V,接着是E,
然后是一列整数对,大小在0到V-1之间。
public class Graph() {
privatefinal int v; //顶点数目
privateint E; //边的数目
privateBag<Integer>[] adj; //邻接表
publicGraph(int V) {
this.V= V;
adj= (Bag<Integer>[]) new Bag[V];
for(intv = 0;v<V;v++)
adj[v]= new Bag<integer>();
}
publicGraph(In in) {
this(in.readInt());//读取V,并将图初始化
intE = in.readInt(); //读取边E
for(inti = 0;i<E;i++) {
intv = in.readInt();
intw = in.readInt();
addEdge(v,w);
}
}
publicint V() {
returnV;
}
publicint E() {
returnE;
}
publicvoid addEdge(int v, int w) {
adj[v].add(w);
adj[w].add(v);
E++;
}
publicIterable<Integer> adj(int v) {
returnadj[v];
}
}
图的处理算法的设计模式
将图的表示和实现分离开来,为每个任务创建一个类
找到图中与起点联通的其他顶点
public class Search() {
Serach(GraphG, int s) //找到和起点s联通的所有顶点
booleanmarked(int v) //v和s是否联通
intcount()//与s联通的顶点总数
}
动态连通性
自反性、对称性、传递性
其他:图的存储结构简介及邻接矩阵图的Java实现
http://www.cnblogs.com/breakpoint/p/3477703.html
常用的图的存储结构主要有以下二种
邻接矩阵
我们知道,要表示结点,我们可以用一个一维数组来表示,然而对于结点和结点之间的关系,则无法简单地用一维数组来表示了,我们可以用二维数组来表示,也就是一个矩阵形式的表示方法。我们假设A是这个二维数组,那么A中的一个元素aij不仅体现出了结点vi和结点vj的关系,而且aij的值正可以表示权值的大小。
无向图的邻接矩阵
无向图的邻接矩阵是对称矩阵,也一定是对称矩阵。且其左上角到右下角的对角线上值为零(对角线上表示的是相同的结点)。
有向图的邻接矩阵析
aij的值可用来表示权值的大小,图是不带权的图,因此它们值都是1。
邻接表
我们知道,图的邻接矩阵存储方法用的是一个n*n的矩阵,当这个矩阵是稠密的矩阵(比如说当图是完全图的时候),那么当然选择用邻接矩阵存储方法。可是如果这个矩阵是一个稀疏的矩阵呢,这个时候邻接表存储结构就是一种更节省空间的存储结构了。
每一个结点后面所接的结点都是它的邻接结点。
邻接矩阵与邻接表的比较
当图中结点数目较小且边较多时,采用邻接矩阵效率更高。
当节点数目远大且边的数目远小于相同结点的完全图的边数时,采用邻接表存储结构更有效率。