NOI大纲——普及组——图的表示与存储

图的表示与存储

一、邻接矩阵

邻接矩阵是一种表示图(Graph)的方法,它使用一个二维矩阵来表示图中的顶点和边。邻接矩阵适用于存储稠密图(Dense Graph),因为它能够直观地展示顶点之间的连接关系。

以下是邻接矩阵的基本构造和特点:

  1. 矩阵表示

    • 如果一个图有 ( V ) 个顶点,则邻接矩阵是一个 ( V \times V ) 的矩阵 ( A )。
    • 如果存在一条从顶点 ( i ) 到顶点 ( j ) 的边,则 ( A[i][j] ) 为1(或表示权重的值);如果不存在边,则 ( A[i][j] ) 为0。
  2. 无向图

    • 在无向图中,边 ( (i, j) ) 和 ( (j, i) ) 是相同的,因此邻接矩阵是对称的,即 ( A[i][j] = A[j][i] )。
  3. 有向图

    • 在有向图中,边 ( (i, j) ) 和 ( (j, i) ) 是不同的,因此邻接矩阵不一定对称。

例如,考虑一个有4个顶点(0, 1, 2, 3)的无向图,边为:0-1, 0-2, 1-2, 2-3。这个图的邻接矩阵表示如下:

      0        1         2        3
——————————————————————————————————————————
  0 | 36767    1         1        36767
  1 | 1        36767     1        36767
  2 | 1        1         36767    1
  3 | 36767    36767     1        36767

在实际应用中,邻接矩阵有以下优点和缺点:

优点:

  1. 快速查找:可以在 ( O(1) ) 时间内检查两个顶点之间是否存在边,因为只需检查矩阵中的一个元素。
  2. 简单表示:邻接矩阵的表示形式简单直观,易于理解和实现。

缺点

  1. 空间消耗大:邻接矩阵需要 ( V^2 ) 个存储单元,对于稀疏图(Sparse Graph)而言,空间效率低下。
  2. 遍历相邻顶点效率低:遍历一个顶点的所有相邻顶点需要 ( O(V) ) 的时间,因为需要检查整行或整列。

特性

特性1:无向网的邻接矩阵是对称的。

特性2:顶点i的度等于第i行中非极大值(32767)的个数。

特性3:邻接矩阵常用于图论中的算法研究,尤其是在图比较稠密的情况下。它也在某些网络和关系表示中有广泛应用。

二、邻接表

邻接表是一种用于表示图(Graph)数据结构的方法。图由顶点(Vertices)和边(Edges)组成,邻接表通过记录每个顶点的相邻顶点来表示图的结构。相比于邻接矩阵,邻接表在存储稀疏图时更加节省空间。

以下是邻接表的基本构造和特点:

  1. 顶点列表

    • 图的每个顶点都有一个列表或链表来存储与之相邻的顶点。
    • 这些列表或链表通常存储在一个数组或哈希表中,数组的每个索引或哈希表的每个键对应一个顶点。
  2. 边列表

    • 对于每个顶点,邻接表记录该顶点的所有相邻顶点。
    • 每个顶点的相邻顶点可以用链表、动态数组或其他合适的数据结构存储。

例如,考虑一个图有4个顶点(0, 1, 2, 3),以及以下边:0-1, 0-2, 1-2, 2-0, 2-3, 3-3。这个图的邻接表表示如下:

顶点  邻接顶点
0:    1 -> 2
1:    2
2:    0 -> 3
3:    3

在实际应用中,邻接表有以下优点和缺点:

优点

  1. 节省空间:对于稀疏图,邻接表比邻接矩阵更节省空间。邻接矩阵需要存储 (V^2) 个元素(V是顶点数),而邻接表只需要存储边的数量。
  2. 高效遍历:可以高效地遍历每个顶点的相邻顶点。

缺点

  1. 查询某一对顶点是否相邻不如邻接矩阵高效:需要遍历列表来查找是否存在一条边。
  2. 不适合存储密集图:对于密集图,邻接表的优势减小,因为存储的边数接近于顶点数的平方。

特性

特性1:邻接表不唯一。

特性2:若无向网中有n个顶点、e条边,则其邻接表需要n个头结点和2e个表结点。存储稀疏图比较合适。

特性3:无向网中顶点Vi的度为第i个单链表中的结点数。

特性4:邻接表出度易找,入度难找。逆邻接表出度难找,入度易找。

特性5:邻接表常用于算法和数据结构课程中,也在实际的网络、社交媒体分析等领域有广泛应用。

三、邻接矩阵和邻接表的区别和用途

区别

(1)对于任一确定的无向网,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。

(2)邻接矩阵的空间复杂度是O(n^2),邻接表为O(n + e)。

(3)邻接矩阵的时间复杂度是O(n^2),邻接表为O(elog2(e))。

用途

邻接矩阵多用于稠密图。

邻接表多用于稀疏图。

  • 8
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值