数据结构第6章图

小费武

已于 2023-10-17 21:25:20 修改

阅读量184

点赞数

文章标签：数据结构算法图论

于 2023-04-22 21:40:08 首次发布

本文链接：https://blog.csdn.net/m0_58142184/article/details/127802473

版权

1.图的基本概念

1.线性表可以是空表，树可以是空树，但图不可以是空图。
2. 数据结构这门课只探究简单图（无重复边，无顶点到自身的边）
3.图的度=所有结点的入度+ 所有结点的出度

在这里插入图片描述

无论是有向图还是无向图图的度=边x2=ex2
都是一边被两点分别用一次共用两次

在这里插入图片描述

⭐极小连通子图与极大连通子图的联系与区别

在这里插入图片描述

2.图的存储

《1》邻接矩阵法

在这里插入图片描述

带权图邻接矩阵法存储
邻接矩阵法的性能分析

数组实现的顺序存储，空间复杂度较高，不适合存储稀疏图

在这里插入图片描述

邻接矩阵的性质

《2》邻接表

在这里插入图片描述

《3》十字链表

存储有向图
解决邻接表找入边/入度不方便的问题
解决邻接矩阵空间浪费的问题

在这里插入图片描述

《4》邻接多重表

解决邻接表的冗余信息的问题
邻接矩阵空间复杂度高的问题

在这里插入图片描述

《5》基本操作

在这里插入图片描述

Adjacent(G,X,y) 判断是否存在特定的边
找点A的邻接边X
在图G中插入定点X

邻接边可用头插法与尾插法头插法为优

删除顶点X
- 找定点A的第一个邻接点X

在这里插入图片描述

3.图的遍历

《1》广度优先遍历（BFS）

在这里插入图片描述

思想

思想：与树的广度优先遍历相似。需要注意的是，在图搜索相邻的顶点时，有可能搜索到自己已经访问过的顶点。

代码实现

在这里插入图片描述

复杂度分析
-

在这里插入图片描述

广度优先生成树

《2》深度优先遍历（DFS）

在这里插入图片描述

思想

图的深度优先遍历的思想同树的先序遍历，只不过图的深度优先遍历可能会遍历到已经访问的顶点，所以用标记记录那些已经被访问过了。

在这里插入图片描述

从2顶点出发的深度遍历序列： 2 1 5 6 3 4 7 8

代码实现
复杂度分析
手算深度优先遍历序列

对于不同的存储方式，深度优先遍历序列不同，生成的树或森林也各不相同

图的遍历与图的连通性

在这里插入图片描述

4.最小生成树

概念

1.最小生成树：带权连通无向图，边的权值之和最小
2.最小生成树可能有多个，但边的权值之和总是唯一且最小的
3.最小生成树的边数=顶点数-1.砍掉一条则不连通，增加一条边则会出现回路
4.如果一个连通图本身就是一颗树，则其最小生成树就是它本身
5.只有连通图才有生成树，非连通图只有生成森林

算法

《1》Prim算法（普里姆）

从顶点农场开始

在这里插入图片描述

《2》 Kruskal算法（克鲁斯卡尔）

在这里插入图片描述

5.最短路径

《1》单源最短路径

《a》BFS（无权图）

BFS算法求单源最短路径只适合于无权图或所有边路径相同的图

在这里插入图片描述

《b》Dijkstra算法（带权图，无权图）

手算

Dijkstra算法可以处理有向图和无向图

Dijkstra算法不适用于有负权值的带权图

在这里插入图片描述

《2》各顶点间最短路径

《a》Floyd算法（带权图，无权图）

1. 手算

手算视频

在这里插入图片描述

2.计算过程

Floyd算法思想：动态规划思想，将问题的求解分为多个阶段。每个阶段呈现递进关系。

在这里插入图片描述

// 输出最短路径
void getPath(int u, int v, int path[][maxSize], int A[][maxSize])
{
    if (A[u][v] == INF)//没有路径
        cout << "NO Road";
    else
    {
        if (path[u][v] == -1)
            cout << "<" << u << "," << v << ">";
        else
        {
            int mid = path[u][v];
            getPath(u, mid, path, A);
            getPath(mid, v, path, A);
        }
    }
}
void Floyd(MGraph g, int path[][maxSize], int A[][maxSize])
{
    int i, j, k;

    // 初始化 path矩阵表和A矩阵表
    for (i = 0; i < g.n; ++i)
        for (j = 0; j < g.n; ++j)
        {
            path[i][j] = -1;
            A[i][j] = g.edgeW[i][j];
        }
    // 递归
    for (k = 0; k < g.n; ++k)
        for (i = 0; i < g.n; ++i)
            for (j = 0; j < g.n; ++j)
                if (A[i][j] > A[i][k] + A[k][j])
                {
                    A[i][j] = A[i][k] + A[k][j];
                    path[i][j] = k;
                }
}