图的存储与基本操作 ----- 邻接矩阵法

1、

   》》 所谓邻接矩阵存储，就是用一个一维数组存储图中顶点的信息，用一个二维数组

          存储图中边的信息（即各顶点之间的邻接关系），存储顶点之间邻接关系的二维

          数组称为邻接矩阵。

   》》 结点数为 n 的图 G = （V , E）的邻接矩阵 A 是 n * n 的。将 G 的顶点编号为

          V1 , V2 , V3 , ... , Vn  。 若    , 则 A [ i ][  j ]  = 1 ，否则 A [ i ][  j ]  = 0 。

           

   》》 对于带权图而言，若顶点 Vi 和 Vj 之间有边相连，则邻接矩阵中对应项存放着该边

          对应的权值，若顶点 Vi 和 Vj 不相连，则用 ∞ 来代表两个顶点之间不存在的边。

              

  》》 有向图及其邻接矩阵

                 

  》》 无向图及其邻接矩阵

                    

  》》 网及其邻接矩阵

              

  》》图的邻接矩阵存储结构定义如下：

        

#define MaxVertexNum 100                      // 顶点数目的最大值
typedef char VertexType ;                     // 顶点的数据类型
typedef int EdgeType ;                        // 带权图中边上权值的数据类型
typedef struct{
    VertexType Vex[MaxVertexNum];             // 顶点表
    EdgeType Edge[MaxVertexNum][MaxVertexNum]; // 邻接矩阵，边表
    int vexnum , arcnum;                       // 图的当前顶点数和弧数
} MGragh ;

        注意：1）、在简单应用中，可直接用二维数组作为图的邻接矩阵（顶点信息等均可省略）。

                   2）、当邻接矩阵中的元素仅表示相应的边是否存在时， EdgeType 看定义为值 0 和 1 的枚举类型。

                   3）、无向图的邻接矩阵是对称矩阵，对规模特大的邻接矩阵可采用“ 压缩存储”

                   4）、邻接矩阵表示法的空间复杂度为 O()   ，其中 n 为图的顶点数 | V | 。

 

 2、图的邻接矩阵存储表示法具有以下特点：

        1）、无向图的邻接矩阵一定是一个对称矩阵（并且唯一）。因此，在实际存储邻接矩阵时只需要存储上

               （或下）三角矩阵的元素即可。

         2）、对于无向图，邻接矩阵的第 i 行（或者第 i 列）非零元素（或者非 ∞ 元素）的个数正好是第 i 个顶点

                 的度 TD(Vi)

         3）、对于有向图，邻接矩阵的第 i 行（或者第 i 列）非零元素（或者非 ∞ 元素）的个数正好是第 i 个顶点

                 的出度 OD(Vi) （或者入度 ID(Vi)）。

          4）、用邻接矩阵存储图，很容易确定图中任意两个顶点之间是否有边相连。但是，要确定图中有多少条

                边，则必须按行、按列对每个元素进行检测，所花费的时间代价很大。这是用邻接矩阵存储图的局限性。

           5）、稠密图适合使用邻接矩阵的存储表示。

           6）、设图 G 的邻接矩阵为 A ，的元素 等于由顶点 i 到顶点 j 的长度为 n 的路径的数目。