数据结构06——图（选修）

一、图的定义与相关概念

在线性结构中，数据元素以线性排列，元素间存在前驱与后继关系。在树形结构中，数据元素以树形结构（层次结构）排列，每个元素可以存在多个下层元素，但是只允许存在一个上层元素。

如果元素间存在比较复杂的关系，即每个元素都与多个元素存在关系，则元素间的关系可以用“图”来表示。

图（Graph）是由顶点的有穷非空集合和顶点之间边的集合组成的，通常表示为G(V,E)，其中G表示图，V表示顶点的集合，E表示边的集合。

根据不同的使用方式，图的具体定义也分为以下几类：

无向图：若顶点Vi到Vj之间的边没有方向，则称为无向边。若图中任意的边都是无向边，则称该图为无向图。

有向图：若从顶点Vi到Vj之间的边有方向，则称这条边为有向边，也称为弧（Arc）。如果图中任意两个顶点之间的边都是有向边，则称该图为有向图。

在无向图中，如果任意两个顶点之间都存在边，则称为无向完全图。含有n个顶点的无向完全图有n(n-1)/2条边。

在有向图中，如果任意两个顶点之间都存在方向互反的两条弧，则称为有向完全图。含有n个顶点的有向完全图有n(n-1)条边。

有很少条边或弧的图称为稀疏图，反之称为稠密图。

有些图的边或弧具有与之相关的数字，这些数字称为权（Weight）。这些权值可以表示从一个点到另一个点的距离或耗费。这种带权图也常称为网（Network）。

对于无向图，顶点v的度（Degree）是与v相关联的边的数目。对于有向图，度分为入度（InDegree）和出度（OutDegree）两种，其中以v为尾的弧的数目称为v的出度，而以v为头的弧的数目称为v的入度。

从一个顶点v到另一个顶点u的顶点序列称为路径（Path），其路径长度是路径上边或弧的数目。

二、图的存储结构

1、邻接矩阵

考虑到图是由顶点和边或弧两部分构成，因此合并存储比较困难，因此我们采用分开存储的方式。

图的邻接矩阵（Adjacency Matrix）存储方式是用一个二维数组来表示图的存储方式。存储方式为：

arc[i][j]= 1（若vi与vj可以连通）

0（反之，或者i=j）

若图内的边或弧存在权值，则存储方式为：

arc[i][j]= 该边/弧权值（若vi与vj可以连通）

0（若i=j）

∞（反之）

无向图的邻接矩阵是一个对称的矩阵，而有向图可以在邻接矩阵内得到入度与出度。

//见附图

邻接矩阵可以看做是图的顺序存储结构。

2、邻接表

邻接矩阵是一种不错的存储图的方式，但是我们也发现，若图的边或弧相对顶点数目较少，则在矩阵中会大量出现无用数据，这对存储空间是极大的浪费。此时，我们可以引入链式存储结构来避免空间浪费的问题。将数组与链表结合起来，用于表示图的存储方法称为邻接表（Adjacency List）。

邻接表的存储方式如下：

1.图中顶点使用一维数组存储（当然也可以使用链表存储，不过使用数组可以更加方便读取顶点信息），并且每个数组的元素都有一个指向邻接顶点的指针

2.途中每个顶点vi的所有邻接顶点构成一个线性表，由于邻接点的个数不确定，因此使用单链表存储。

3.对于带权图，在邻接表内增加一个存储权值weight的数据域。

//见附图

三、最小生成树（Minimum Cost Spanning Tree）

在带权图中，使用n-1条边，将n个顶点连接起来，并且得到的权值和最小，则这样的结构称为该图的最小生成树。

//例如，为n个村镇搭建通信网络，每个村庄之间的距离不同，则为了得到最低成本，我们应沿着最小生成树的方式搭建网络。

构建最小生成树有两种算法：Prim算法与Kruskal算法

//最小生成树图例见附图

1、Prim算法

该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克（Vojtěch Jarník）发现，并在1957年由美国计算机科学家罗伯特·普里姆（Robert C. Prim）独立发现。

Prim算法的步骤如下：

//第0步表示准备工作，下同

0.设全部顶点集合为U，已选取顶点集合为V

1.选取任意点作为起始点，将其加入V中

2.在集合U-V中，选取能与集合V内的顶点连通的顶点且权值最小的边，并将这个顶点加入V中

3.不断重复步骤2，直至V与U数量相等。此时被选取的边构成最小生成树。

以图例的无向有权图为例：

0.设该图全部顶点集合为U={v0,v1,v2,v3,v4,v5,v6,v7,v8}，已选取顶点集合为V={}

1.设起点为v0，将v0加入V，此时V={v0}

2.在剩下的顶点中，选取能与V中节点v0连通的顶点，且需要权值最小，此时选取边(v0,v1)，同时将v1加入V。此时V={v0,v1}

3.在剩下的顶点中，选取能与V中节点{v0,v1}连通的顶点，且需要权值最小，此时选取边(v0,v5)，同时将v5加入V。此时V={v0,v1,v5}

4.在剩下的顶点中，选取能与V中节点{v0,v1,v5}连通的顶点，且需要权值最小，此时选取边(v1,v8)，同时将v8加入V。此时V={v0,v1,v5,v8}

5.在剩下的顶点中，选取能与V中节点{v0,v1,v5,v8}连通的顶点，且需要权值最小，此时选取边(v2,v8)，同时将v2加入V。此时V={v0,v1,v2,v5,v8}。由于v2已经加入V，因此边(v1,v2)作废

6.在剩下的顶点中，选取能与V中节点{v0,v1,v2,v5,v8}连通的顶点，且需要权值最小，此时选取边(v1,v6)，同时将v6加入V。此时V={v0,v1,v2,v5,v6,v8}。由于v6已经加入V，因此边(v5,v6)作废。

7.在剩下的顶点中，选取能与V中节点{v0,v1,v2,v5,v6,v8}连通的顶点，且需要权值最小，此时选取边(v6,v7)，同时将v7加入V。此时V={v0,v1,v2,v5,v6,v7,v8}

8.在剩下的顶点中，选取能与V中节点{v0,v1,v2,v5,v6,v7,v8}连通的顶点，且需要权值最小，此时选取边(v4,v7)，同时将v4加入V。此时V={v0,v1,v2,v4,v5,v6,v7,v8}。由于v4已经加入V，因此边(v4,v5)作废。

9.在剩下的顶点中，选取能与V中节点{v0,v1,v2,v4,v5,v6,v7,v8}连通的顶点，且需要权值最小，此时选取边(v3,v7)，同时将v3加入V。此时V={v0,v1,v2,v3,v4,v5,v6,v7,v8}。由于v3已经加入V，因此边(v2,v3),(v3,v4),(v3,v6),(v3,v8)作废。

10.此时，所有顶点都已在V中，即U=V，算法结束。得到最小生成树。

Prim算法的时间复杂度为O(n^2)

//经过优化的Prim算法实际为O(nlogn)，这里不做介绍

2、Kruskal算法

Prim算法以顶点作为目标去构建最小生成树，而Kruskal算法则是以边作为目标去构建最小生成树。

Kruskal算法算法针对边进行展开，边数较少时效率会非常高，因此非常适用于稀疏图。而Prim算法针对顶点进行展开，因此稠密图时效率高于Kruskal算法。

Kruskal算法的步骤如下：

0.令该图的初始状态为n个顶点而无边的非连通图，其中每一个顶点自成一个连通分量。同时设定一个边的集合T。

1.每次选取代价最小的边，若该边的两端依附于不同的连通分量，则将其加入T中，并且将两个独立的连通分量合并；否则舍弃该边。

2.依次类推，直至所有顶点都在同一连通分量上为止，此时T内的边就构成了最小生成树。

以图例的无向有权图为例：

0.令图内v0~v8所有顶点互相独立，每个顶点自成一个连通分量。设定边集合T

1.选取权值最小的边(v4,v7)，此时将v4与v7合并成同一连通分量，并将边(v4,v7)加入T中

2.选取权值最小的边(v2,v8)，此时将v2与v8合并成同一连通分量，并将边(v2,v8)加入T中

3.选取权值最小的边(v0,v1)，此时将v0与v1合并成同一连通分量，并将边(v0,v1)加入T中

4.选取权值最小的边(v0,v5)，此时将v0、v1、v5合并成同一连通分量，并将边(v0,v5)加入T中

5.选取权值最小的边(v1,v8)，此时将v0、v1、v2、v5、v8合并成同一连通分量，并将边(v1,v8)加入T中

6.选取权值最小的边(v1,v6)，此时将v0、v1、v2、v5、v6、v8合并成同一连通分量，并将边(v1,v6)加入T中

7.选取权值最小的边(v3,v7)，此时将v3、v4、v7合并成同一连通分量，并将边(v3,v7)加入T中

8.选取权值最小的边(v5,v6)，由于v5与v6已在同一连通分量中，选取该边会造成环路，因此舍弃

9.选取权值最小的边(v1,v2)，由于v1与v2已在同一连通分量中，选取该边会造成环路，因此舍弃

10.选取权值最小的边(v6,v7)，此时将v0、v1、v2、v3、v4、v5、v6、v7、v8合并成同一连通分量，并将边(v6,v7)加入T中

11.此后的选边均会造成环路，因此选取结束。最终在集合T中的边构成最小生成树

Kruskal算法的时间复杂度为O(n^2)

//经过优化的Kruskal算法实际为O(nlogn)，这里不做介绍

四、最短路径算法——Dijkstra算法

对于有权图，最短路径指的是两顶点之间经过的边上权值之和最小的路径。使用Dijkstra算法可以求得任意一个顶点到所有其他顶点的最短路径。

Dijkstra算法的步骤如下：

0.1.将所有顶点分成两个集合：已知最短路径集合P和位置最短路径集合Q。算法开始时，集合P内只有一个起点。

0.2.设定一个存储起点到其他顶点最短路径预估值的数组dist[]，其中数组下标代表顶点编号

1.选取dist[]内最小的元素（已加入集合P的不再选取），以该顶点作为起点计算所有与之连通的顶点的路径长度，并将该顶点从集合Q加入集合P

2.若通过该顶点算出的某其他顶点路径长度小于预估值，则更改该顶点的预估值（此过程称为“松弛”）。

3.重复步骤1和2，直至所有顶点加入集合P（或集合Q为空）

以图例的无向有权图为例：

0.选取起点为v0，并建立数组dist[]={0,1,5,∞,∞,∞,∞,∞,∞}。由于算法还未开始运行，因此v0只有到v1和v2的预估值，而其余顶点预估值未知。将v0加入集合P。

1.选取dist[]内最小的值：v1=1，以该点作为起点计算所有可以连通的顶点的路径长度。其中：

(v0,v1)回到v0，不考虑

(v1,v2)长度为3，若通过v1到达v2，则路径长度为1+3=4，小于预估值5，因此将数组内v2的值更新为4

(v1,v3)长度为7，若通过v1到达v3，则路径长度为1+7=8，因此将数组内v3的值更新为8

(v1,v4)长度为5，若通过v1到达v4，则路径长度为1+5=6，因此将数组内v4的值更新为6

经过该步后，dist[]={0,1,4,8,6,∞,∞,∞,∞}，并将v1加入集合P，接下来不再选取

2.选取dist[]内最小的值：v2=4，以该点作为起点计算所有可以连通的顶点的路径长度。其中：

(v0,v2)回到v0，不考虑

(v1,v2)回到v1，不考虑

(v2,v4)长度为1，若通过v2到达v4，则路径长度为4+1=5，小于预估值6，因此将数组内v4的值更新为5

(v2,v5)长度为7，若通过v2到达v5，则路径长度为4+7=11，因此将数组内v5的值更新为11

经过该步后，dist[]={0,1,4,8,5,11,∞,∞,∞}，并将v2加入集合P，接下来不再选取

3.选取dist[]内最小的值：v4=5，以该点作为起点计算所有可以连通的顶点的路径长度。其中：

(v1,v4)回到v1，不考虑

(v2,v4)回到v2，不考虑

(v3,v4)长度为2，若通过v4到达v3，则路径长度为5+2=7，小于预估值8，因此将数组内v3的值更新为7

(v4,v5)长度为3，若通过v4到达v5，则路径长度为5+3=8，小于预估值11，因此将数组内v5的值更新为8

(v4,v6)长度为6，若通过v4到达v6，则路径长度为5+6=11，因此将数组内v6的值更新为11

(v4,v7)长度为9，若通过v4到达v7，则路径长度为5+9=14，因此将数组内v7的值更新为14

经过该步后，dist[]={0,1,4,7,5,8,11,14,∞}，并将v4加入集合P，接下来不再选取

4.选取dist[]内最小的值：v3=7，以该点作为起点计算所有可以连通的顶点的路径长度。其中：

(v1,v3)回到v1，不考虑

(v3,v4)回到v4，不考虑

(v3,v6)长度为3，若通过v3到达v6，则路径长度为7+3=10，小于预估值11，因此将数组内v6的值更新为10

经过该步后，dist[]={0,1,4,7,5,8,10,14,∞}，并将v3加入集合P，接下来不再选取

5.选取dist[]内最小的值：v5=8，以该点作为起点计算所有可以连通的顶点的路径长度。其中：

(v2,v5)回到v2，不考虑

(v4,v5)回到v4，不考虑

(v5,v7)长度为5，若通过v5到达v7，则路径长度为8+5=13，大于预估值12，舍弃

经过该步后，dist[]={0,1,4,7,5,8,10,14,∞}，并将v5加入集合P，接下来不再选取

6.选取dist[]内最小的值：v6=10，以该点作为起点计算所有可以连通的顶点的路径长度。其中：

(v3,v6)回到v3，不考虑

(v4,v6)回到v4，不考虑

(v6,v7)长度为2，若通过v6到达v7，则路径长度为10+3=12，小于预估值14，因此将数组内v7的值更新为12

(v6,v8)长度为7，若通过v6到达v8，则路径长度为10+7=17，因此将数组内v8的值更新为17

经过该步后，dist[]={0,1,4,7,5,8,10,12,17}，并将v6加入集合P，接下来不再选取

7.选取dist[]内最小的值：v7=12，以该点作为起点计算所有可以连通的顶点的路径长度。其中：

(v4,v7)回到v4，不考虑

(v5,v7)回到v5，不考虑

(v6,v7)回到v6，不考虑

(v7,v8)长度为4，若通过v7到达v8，则路径长度为12+4=16，小于预估值17，因此将数组内v8的值更新为16

经过该步后，dist[]={0,1,4,7,5,8,10,12,16}，并将v7加入集合P，接下来不再选取

8.选取dist[]内最小的值：v8=16，以该点作为起点计算所有可以连通的顶点的路径长度。其中：

(v6,v8)回到v6，不考虑

(v7,v8)回到v7，不考虑

经过该步后，dist[]={0,1,4,7,5,8,10,12,16}，并将v8加入集合P，接下来不再选取

9.所有顶点都已加入集合P，则算法结束，最终数组内的值dist[]={0,1,4,7,5,8,10,12,16}表示从v0出发到达其他所有顶点的最短路径长度

需要注意的是，到达不同顶点的最短路径可能不是同一条，例如该范例中，v0到达v5的路径与到达其他顶点的路径不相同。

以某顶点作为起点计算所有最短路径长度的Dijkstra算法的时间复杂度为O(n^2)，若需要得到所有顶点的最短路径，则还需要一次循环，即时间复杂度为O(n^3)

//经过堆优化的Dijkstra算法实际为O(nlogn)，这里不做介绍