6.1 图的逻辑结构
6.1.1 图的定义和基本术语
在图中常将数据元素称为顶点。
图是由顶点的有穷非空集合和顶点之间边的集合组成,通常表示为:
G=(V,E)
其中:G表示一个图,V是图G中顶点的集合,E是图G中顶点之间边的集合
在图中,顶点个数不能为零,但可以没有边。
若顶点vi和vj之间的边没有方向,则称这条边为无向边,表示为(vi,vj)。
如果图的任意两个顶点之间的边都是无向边,则称该图为无向图。
若从顶点vi到vj的边有方向,则称这条边为有向边,表示为<vi,vj>。
如果图的任意两个顶点之间的边都是有向边,则称该图为有向图。
简单图:在图中,若不存在顶点到其自身的边,且同一条边不重复出现。
邻接、依附
无向图中,对于任意两个顶点vi和顶点vj,若存在边(vi,vj),则称顶点vi和顶点vj互为邻接点,同时称边(vi,vj)依附于顶点vi和顶点vj。
有向图中,对于任意两个顶点vi和顶点vj,若存在弧<vi,vj>,则称顶点vi邻接到顶点vj,顶点vj邻接自顶点vi,同时称弧<vi,vj>依附于顶点vi和顶点vj。
无向完全图:在无向图中,如果任意两个顶点之间都存在边,则称该图为无向完全图。
有向完全图:在有向图中,如果任意两个顶点之间都存在方向相反的两条弧,则称该图为有向完全图。
含有n个顶点的无向完全图有n×(n-1)/2条边。
含有n个顶点的有向完全图有n×(n-1)条边。
稀疏图:称边数很少的图为稀疏图;
稠密图:称边数很多的图为稠密图。
顶点的度:在无向图中,顶点v的度是指依附于该顶点的边数,通常记为TD (v)。
顶点的入度:在有向图中,顶点v的入度是指以该顶点为弧头的弧的数目,记为ID (v);
顶点的出度:在有向图中,顶点v的出度是指以该顶点为弧尾的弧的数目,记为OD (v)。
权:是指对边赋予的有意义的数值量。
网:边上带权的图,也称网图。
路径:在无向图G=(V, E)中,从顶点vp到顶点vq之间的路径是一个顶点序列(vp=vi0,vi1,vi2, …, vim=vq),其中,(vij-1,vij)∈E(1≤j≤m)。若G是有向图,则路径也是有方向的,顶点序列满足<vij-1,vij>∈E。
回路(环):第一个顶点和最后一个顶点相同的路径。
简单路径:序列中顶点不重复出现的路径。
简单回路(简单环):除了第一个顶点和最后一个顶点外,其余顶点不重复出现的回路。
子图:若图G=(V,E),G'=(V',E'),如果V'ÍV 且E' Í E ,则称图G'是G的子图。
连通图:在无向图中,如果从一个顶点vi到另一个顶点vj(i≠j)有路径,则称顶点vi和vj是连通的。如果图中任意两个顶点都是连通的,则称该图是连通图。
连通分量:非连通图的极大连通子图称为连通分量
极大连通子图:
1.含有极大顶点数;
2. 依附于这些顶点的所有边。
强连通图:在有向图中,对图中任意一对顶点vi和vj (i≠j),若从顶点vi到顶点vj和从顶点vj到顶点vi均有路径,则称该有向图是强连通图。
强连通分量:非强连通图的极大强连通子图
生成树:n个顶点的连通图G的生成树是包含G中全部顶点的一个极小连通子图。
生成森林:在非连通图中,由每个连通分量都可以得到一棵生成树,这些连通分量的生成树就组成了一个非连通图的生成森林。
6.1.2 图的抽象数据类型定义
ADT Graph
Data
顶点的有穷非空集合和边的集合
Operation
InitGraph
前置条件:图不存在
输入:无
功能:图的初始化
输出:无
后置条件:构造一个空的图
DestroyGraph
前置条件:图已存在
输入:无
功能:销毁图
输出:无
后置条件:释放图所占用的存储空间
DFSTraverse
前置条件:图已存在
输入:遍历的起始顶点v
功能:从顶点v出发深度优先遍历图
输出:图中顶点的一个线性排列
后置条件:图保持不变
BFSTraverse
前置条件:图已存在
输入:遍历的起始顶点v
功能:从顶点v出发广度优先遍历图
输出:图中顶点的一个线性排列
后置条件:图保持不变
endADT
6.1.3图的遍历操作
1. 深度优先遍历
基本思想:
⑴访问顶点v;
⑵从v的未被访问的邻接点中选取一个顶点w,从w出发进行深度优先遍历;
⑶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。
伪代码:
1. 访问顶点v; visited[v] = 1;
2. w =顶点v的第一个邻接点;
3. while (w存在)
3.1 if (w未被访问) 从顶点w出发递归执行该算法;
3.2 w = 顶点v的下一个邻接点;
2. 广度优先遍历
基本思想:
⑴访问顶点v;
⑵依次访问v的各个未被访问的邻接点v1, v2, …, vk;
⑶分别从v1,v2,…,vk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。
伪代码:
1. 初始化队列Q;
2. 访问顶点v; visited [v]=1; 顶点v入队列Q;
3. while (队列Q非空)
3.1 v=队列Q的队头元素出队;
3.2 w=顶点v的第一个邻接点;
3.3 while (w存在)
3.3.1 如果w 未被访问,则
访问顶点w; visited[w]=1; 顶点w入队列Q;
3.3.2 w=顶点v的下一个邻接点;
6.2 图的存储结构及实现
6.2.1 邻接矩阵
基本思想:用一个一维数组存储图中顶点的信息,用一个二维数组(称为邻接矩阵)存储图中各顶点之间的邻接关系。
构造函数:
1. 确定图的顶点个数和边的个数;
2. 输入顶点信息存储在一维数组vertex中;
3. 初始化邻接矩阵;
4. 依次输入每条边存储在邻接矩阵arc中;
4.1 输入边依附的两个顶点的序号i, j;
4.2 将邻接矩阵的第i行第j列的元素值置为1;
4.3 将邻接矩阵的第j行第i列的元素值置为1;
template <class DataType>
MGraph<DataType> ::MGraph(DataType a[ ], int n, int e)
{
vertexNum = n; arcNum = e;
for (i = 0; i < vertexNum; i++)
vertex[i] = a[i];
for (i = 0; i < vertexNum; i++) //初始化邻接矩阵
for (j = 0; j < vertexNum; j++)
arc[i][j] = 0;
for (k = 0; k < arcNum; k++) //依次输入每一条边
{
cin >> i >> j; //输入边依附的两个顶点的编号
arc[i][j] = 1; arc[j][i] = 1; //置有边标志
}
}
深度优先遍历:
template <class DataType>
void MGraph<DataType> ::DFSTraverse(int v)
{
cout << vertex[v]; visited[v] = 1;
for (j = 0; j < vertexNum; j++)
if (arc[v][j] == 1 && visited[j] == 0) DFSTraverse( j );
}
广度优先遍历:
template <class DataType>
void MGraph<DataType> ::BFSTraverse(int v)
{
front = rear = -1; //初始化顺序队列
cout << vertex[v]; visited[v] = 1; Q[++rear] = v;
while (front != rear) //当队列非空时
{
v = Q[++front]; //将队头元素出队并送到v中
for (j = 0; j < vertexNum; j++)
if (arc[v][j] == 1 &&visited[j] == 0 ) {
cout << vertex[j]; visited[j] = 1;Q[++rear] = j;
}
}
}
6.2.2 邻接表
邻接表存储的基本思想:对于图的每个顶点vi,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(对于有向图则称为出边表),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。
6.3 最小生成树
生成树的代价:设G = (V, E)是一个无向连通网,生成树上各边的权值之和称为该生成树的代价。
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。
假设G=(V, E)是一个无向连通网,U是顶点集V的一个非空子集。若(u, v)是一条具有最小权值的边,其中u∈U,v∈V-U,则必存在一棵包含边(u, v)的最小生成树。
基本思想:设G=(V, E)是具有n个顶点的连通网,T=(U, TE)是G的最小生成树, T的初始状态为U={u0}(u0∈V),TE={ },重复执行下述操作:在所有u∈U,v∈V-U的边中找一条代价最小的边(u, v)并入集合TE,同时v并入U,直至U=V。
Prim算法的基本思想用伪代码描述如下:
1. 初始化两个辅助数组lowcost和adjvex;
2. 输出顶点u0,将顶点u0加入集合U中;
3. 重复执行下列操作n-1次
3.1 在lowcost中选取最短边,取adjvex中对应的顶点序号k;
3.2 输出顶点k和对应的权值;
3.3 将顶点k加入集合U中;
3.4 调整数组lowcost和adjvex;
克鲁斯卡尔(Kruskal)算法
基本思想:设无向连通网为G=(V, E),令G的最小生成树为T=(U, TE),其初态为U=V,TE={ },然后,按照边的权值由小到大的顺序,考察G的边集E中的各条边。若被考察的边的两个顶点属于T的两个不同的连通分量,则将此边作为最小生成树的边加入到T中,同时把两个连通分量连接为一个连通分量;若被考察边的两个顶点属于同一个连通分量,则舍去此边,以免造成回路,如此下去,当T中的连通分量个数为1时,此连通分量便为G的一棵最小生成树。
伪代码:
1. 初始化辅助数组parent[n];num = 0;
2. 依次考查每一条边for (i = 0; i < arcNum; i++)
2.1 vex1 = edge[i].from所在生成树的根结点;
2.2 vex2 = edge[i].to所在生成树的根结点;
2.3 如果vex1 != vex2,执行下述操作:
2.3.1 parent[vex2] = vex1;
2.3.2 num++;
2.3.3 if (num == n-1) 算法结束;
6.4 最短路径
在非网图中,最短路径是指两顶点之间经历的边数最少的路径。
在网图中,最短路径是指两顶点之间经历的边上权值之和最短的路径。
Dijkstra算法
基本思想:设置一个集合S存放已经找到最短路径的顶点,S的初始状态只包含源点v,对vi∈V-S,假设从源点v到vi的有向边为最短路径。以后每求得一条最短路径v, …, vk,就将vk加入集合S中,并将路径v, …, vk , vi与原来的假设相比较,取路径长度较小者为最短路径。重复上述过程,直到集合V中全部顶点加入到集合S中。
伪代码:
1. 初始化数组dist、path和s;
2. while (s中的元素个数<n)
2.1 在dist[n]中求最小值,其下标为k;
2.2 输出dist[j]和path[j];
2.3 修改数组dist和path;
2.4 将顶点vk添加到数组s中;
Floyd算法
基本思想:对于从vi到vj的弧,进行n次试探:首先考虑路径vi,v0,vj是否存在,如果存在,则比较vi,vj和vi,v0,vj的路径长度,取较短者为从vi到vj的中间顶点的序号不大于0的最短路径。在路径上再增加一个顶点v1,依此类推,在经过n次比较后,最后求得的必是从顶点vi到顶点vj的最短路径。
6.5 有向无环图及其应用
6.5.1 AOV网与拓扑排序
AOV网:在一个表示工程的有向图中,用顶点表示活动,用弧表示活动之间的优先关系,称这样的有向图为顶点表示活动的网,简称AOV网。
AOV网特点:
1.AOV网中的弧表示活动之间存在的某种制约关系。
2.AOV网中不能出现回路。
拓扑序列:设G=(V,E)是一个具有n个顶点的有向图,V中的顶点序列v1, v2, …, vn称为一个拓扑序列,当且仅当满足下列条件:若从顶点vi到vj有一条路径,则在顶点序列中顶点vi必在顶点vj之前。
拓扑排序:对一个有向图构造拓扑序列的过程称为拓扑排序。
基本思想:
⑴从AOV网中选择一个没有前驱的顶点并且输出;
⑵从AOV网中删去该顶点,并且删去所有以该顶点为尾的弧;
⑶重复上述两步,直到全部顶点都被输出,或AOV网中不存在没有前驱的顶点。
伪代码:
1. 栈S初始化;累加器count初始化;
2. 扫描顶点表,将没有前驱的顶点压栈;
3. 当栈S非空时循环
3.1 vj=退出栈顶元素;输出vj;累加器加1;
3.2 将顶点vj的各个邻接点的入度减1;
3.3 将新的入度为0的顶点入栈;
4. if (count<vertexNum) 输出有回路信息;
6.5.2 AOE网与关键路径
AOE网:在一个表示工程的带权有向图中,用顶点表示事件,用有向边表示活动,边上的权值表示活动的持续时间,称这样的有向图叫做边表示活动的网,简称AOE网。AOE网中没有入边的顶点称为始点(或源点),没有出边的顶点称为终点(或汇点)。
AOE网的性质:
⑴只有在某顶点所代表的事件发生后,从该顶点出发的各活动才能开始;
⑵只有在进入某顶点的各活动都结束,该顶点所代表的事件才能发生。
关键路径:在AOE网中,从始点到终点具有最大路径长度(该路径上的各个活动所持续的时间之和)的路径称为关键路径。
关键活动:关键路径上的活动称为关键活动。
关键路径可能不只一条,重要的是找到关键活动
要找出关键路径,必须找出关键活动, 即不按期完成就会影响整个工程完成的活动。
首先计算以下与关键活动有关的量:
⑴事件的最早发生时间ve[k]
⑵事件的最迟发生时间vl[k]
⑶活动的最早开始时间e[i]
⑷活动的最晚开始时间l[i]
最后计算各个活动的时间余量 l[k] - e[k],时间余量为0者即为关键活动。