数据结构--第六章图

第六章 图

 

图的相关算法， 掌握其基本思想和实现步骤 ， 而算法的具体实现不是重点 。

一、图的基本概念

1、定义

图G由顶点集V和边集E组成，记为G = （V,E）

①用|V|表示图 G 中顶点的个数， 用|E|表示图 G 中边的条数 。

②图的顶点集|V| 一定非空

2、有向图

E是有向边(也称弧)，则图G为有向图。弧是顶点的有序对，记为<v,w>，表示v指向w。

V称为弧尾，W称为弧头，<V, W>称为从V到W的弧，也称V邻接到W

3、无向图

若 E 是无向边(简称边) ， 则图 G 为无向图 。 边是顶点的无序对 ， 记为 (v, w) 或(w,v )

W 和 V 互为邻接点 。 边 ( V, W ) 依附于 W 和 V, 或称边 ( V, W ) 和 V, W 相关联

4、完全图(也称简单完全图)

任意两个顶点之间都存在边就为完全图。

在有向完全图中任意两个顶点之间都存在方向相反的两条弧 。

5. 子图

图A所有的点和边都能在 图B的点集V和边集E中找到，则图A为图B的子集。

若图A含有图B所有的点，则A是B的 生成子图。

并非图A中V 和 E 的任何子集都能构成A 的子图 ， 因为这样的子集可能不是图 ， 即 E 的子

集中的某些边关联的顶点可能不在这个V的子集中。下例中，后图形连图都不算，虽都是子集，但不是子图

6、连通图、路径

连通：两个点有线连接起来，可能是一条线或者多条。

7、连通分量

能成原图中剥离出来的最大连通子图

8、度

9、生成树

10、生成森林

生成森林 就是生成几个树，

11、 边的权和网

在一个图中 ， 每条边都可以标上具有某种含义的数值 ， 该数值称为该边的权值 。 这种边上带

有权值的图称为带权图 ， 也称网 。

12、稠密图、稀疏图

边数很少的图称为稀疏图 ， 反之称为稠密图 。

13、有向树

一个顶点的入度为 0 、 其余顶点的入度均为 1 的有向图 ， 称为有向树 。

二、图结构的存储

1、邻接矩阵法

如下：图的结构都可由下图的矩阵表来表示，1代表两点之间有边，有向图中，1表示该行的点有指向该列的边

可以设置一个一维数组存储点集V，一个二位数组存上图的矩阵表，即存储边集，从而实现图的存储。代码如下：

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

存储上(或下)三角矩阵的元素 。

② 对于无向图 ， 邻接i 行 非零元素 的个数正好是顶点 i 的度 TD(v)

③ 对于有向图,邻接矩阵的第i 行非零元素  个数正好是顶点i 的出度 OD(V); 第i列非零元素  个数正好是顶点i 的入度 ID(V)

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 。

⑤ 稠密图适合使用邻接矩阵的存储表示 。

2、邻接表法

当图为稀疏图时 ， 使用邻接矩阵法显然要浪费大量的存储空间 ， 而图的邻接表法结合了

顺序存储和链式存储方法 ， 大大减少了这种不必要的浪费 。

 邻接表 ，☞ 对 每个顶点  , 建立一个单链表 ， 单链表中的结点表示依附该顶点 的边 ， 这个单链表就称为 边表 (对于有向图则称为出边表)。 边表的头指针和顶点的数据信息采用顺序存储(称为 顶点表 )。 所以在邻接表中存在两种结点： 顶点表结点和边表结点

3、十字链表法

十字链表是有向图的一种链式存储结构 。

弧对应一个结点， 每个顶点对应一个结点 。 这些结点的结构如下图所示 。

弧结点中有 5 个域 ：

tailvex 和 headvex 两个域分别指示弧尾和弧头这两个顶点的编号 ；

hlink 域指向弧头相同的下一个弧结点 ；

tlink 域指向弧尾相同的下一个弧结点 ；

info 域存放该弧的相关信息。

这样 ， 弧头相同的弧就在同一个链表上 ， 弧尾相同的弧也在同一个链表上 。

顶点结点中有3 个域 ：

data 域存放该顶点的数据信息 ， 如顶点名称 ；

firstin 域指向以该顶点为弧头的第一个弧结点；

firstout 域指向以该顶点为弧尾的第一个弧结点 。

注意 ， 顶点结点之间是顺序存储的

4、邻接多重表

在邻接多重表中 ， 所有依附于同一顶点的边串联在同一链表中 ， 由于每条边依附于两个顶点,

因此每个边结点同时链接在两个链表中 。

对无向图而言 ， 其邻接多重表和邻接表的差别仅在于 ，同一条边在邻接表中用两个结点表示， 而在邻接多重表中只有一个结点

5、基本操作

三、图的遍历

1、广度优先搜索

广度优先搜索思想：

首先访问起始顶点V, 接着由 V 出发 ， 依次访问 V 的各个未访问过的邻接顶点然后依

次访问 wi, 的, … ， m 的所有未被访问过的邻接顶点 ； 再从这些访问过的顶点出发 ， 访问它们所有

未被访问过的邻接顶点 ， 直至图中所有顶点都被访问过为止 。 若此时图中尚有顶点未被访问 ， 则

另选图中一个未曾被访问的顶点作为始点 ， 重复上述过程 ， 直至图中所有顶点都被访问到为止 。

①它是一种 分层的查找过程 ， 每向前走一步可能访问一批顶点，

②不像深度优先搜索那样有往回退的情况 ， 因此它是 非递归 的算法 。

③为了实现逐层的访问， 算法必须借助一个辅助队列 ， 以记忆正在访问的顶点的下一层顶点 。

伪代码：

第一大段代码的意义：能使其访问其他连通变量

BFS算法的性能分析

无论是邻接表还是邻接矩阵的存储方式，BFS算法都需要借助一个辅助队列Q, n个顶点均

需入队一次，在最坏的情况下，空间复杂度为O（|V|）。

BFS算法求解单源最短路径问题: 

广度优先生成树

在广度遍历的过程中，我们可以得到一棵遍历树，称为广度优先生成树，同一个图的邻接矩阵存储表示是唯-的，故其广度优先生成树也是唯一的，但由于邻接表存储表示不唯一，故其广度优先生成树也是不唯一的。

2、深度优先搜索

深度优先搜索思想:

访问某一起始顶点 v ➡  访问与 v 邻接且未被访问的任意一个顶点w1 ➡  访问与w1邻接且未被访问的任意一个顶点的 … … 重复上述过程 。

当不能再继续向下访问时， 依次退回到最近被访问的顶点 ， 若它还有邻接顶点未被访问过 ， 则从该点开始继续上述搜索过程， 直至图中所有顶点均被访问过为止 。

①图的邻接矩阵表示是唯一的，但对于邻接表来说，若边的输入次序不同，生成的邻接

表也不同 。

②DFS 算法是一个递归算法 ， 需要借助一个递归工作栈

DFS代码

 DFS性能

DFS 算法是一个递归算法 ， 需要借助一个递归工作栈 ， 故其空间复杂度为O（|v|） 。

遍

深度优先的生成树和生成森林

与广度优先搜索一样 ， 深度优先搜索也会产生一棵深度优先生成树 。当然 ， 这是有条件的 ，

即对连通图调用 DFS 才能产生深度优先生成树 ， 否则产生的将是深度优先生成森林。

图的遍历与图的连通性

四、图的应用

1、最小生成树

在一个带权连通无向图G 权值之和最小的那棵生成树，就是最小生成树

首先了解什么是生成树？

生成树包含图的所有顶点 ， 并且只含尽可能少的边 。

对于生成树来说 ， 若砍去它的一条边， 则会使生成树变成非连通图 ； 若给它增加一条边 ， 则会形成图中的一条回路 。

性质

①最小生成树不是唯一的

G中的各边权值互不相等时，G的最小生成树是唯一的；

若无向连通图 G 的边数比顶点数少1, 即 G 本身是一棵树时 ， 则 G 的最小生成树就是它本身 。

② 最小生成树的边的权值之和总是唯一的

③  最小生成树的边数为顶点数减 1 。

Prim (普里姆)算法

在图中任取一顶点 加入空树T， 之后选择与已取 顶点集合 距离最近的顶点 ， 并将该顶点和相应的边加入T, 每次操作后T 中的顶点数和边数都增 1 。 以此类推 ， 直至图中所有的顶点都并入T, 得到的 T 就是最小生成树 。

Kruskal (克鲁斯卡尔)算法

初始时为只有 n 个顶点而无边的非连通图 ， 然后 不断选取当前未被选取过且权值最小的边，   直至 T 中所有顶点都在一 个连通分量上。

2、最短路径

最短路径

两点的路径中  所经过边上的权值之和最小的路径 为 最短路径。

单源最短路径

即求图中某一顶点到其他各顶点的最短路径， 可通过经典的 Dijkstra （ 迪杰斯特拉 ） 算法求解

每对顶点间的最短路径， 可通过 Floyd （ 弗洛伊德 ） 算法来求解 。

BFS算法

Dijkstra （迪杰斯特拉）算法

 

Floyd （弗洛伊德）算法

 

 有向无环图

3、拓扑排序

逆拓扑排序

4、关键路径