声明:本文为个人在同步学习中国大学MOOC《数据结构(陈越、何钦铭)》(视频地址:https://www.icourse163.org/learn/ZJU-93001#/learn/content) 结合课件PPT所做的个人学习笔记,未经授权,禁止转载!但是您可以关注我的公众号“分享猿”,来获取此数据结构笔记(包括word版,pdf版,以及MarkDown版本),以及课件PPT,您需要关注后回复关键词“N01”获取资源!
获取此数据结构笔记(包括word版,pdf版,以及MarkDown版本),以及课件PPT,pdf书籍等资源,请关注本人公众号后回复关键词“N02”获取资源!
若要获取更多OpenCV,数字图像处理,python,深度学习,机器学习,计算机视觉等高清PDF以及 更多有意思、实用的分享,可搜一搜 微信公共号 “分享猿” 免费获取资源。也可扫描下面的二维码关注,期待你的到来~
本节思维导图
使用软件 :Xmind
一丶图的基本概念
1.1 定义
不同于树的一对多关系,图表示多对多的关系。
包含:
- 一组顶点:通常用V (Vertex) 表示顶点集合
- .一组边:通常用E (Edge) 表示边的集合
- 边是顶点对:(v, w) ∈E ,其中v, w ∈V
- 有向边< v, w> 表示从v指向w的边(单行线)
- 考虑重边和自回路
vw
vw
1.2 一些术语
- 无向图
- 有向图
- 简单图 - 无重边
- 邻接点
- 路径 - v到w顶点的集合
- 简单路径 - 路径中顶点不重复出现
- 无向完全图 - 任两点可邻接
- 有向完全图
- 顶点的度 - 包括出度,入度
- 稠密图,稀疏图
- 权图,网图
- 子图
- 连通图 - 任两点连通,单向
- 强连通图 - 任两点连通,双向
- 连通分量 - 无向图的极大连通子图
- 强连通分量 - 有向图的极大强连通子图
- 生成树 - 包含连通图G的全部n个顶点及n-1边的连通子图都是G的生成树
- 生成森林
二、图的存储结构
2.1邻接矩阵
邻接矩阵G[N][N]——N个顶点从0到N-1编号
邻接储存的优点及缺点
优点:
- 直观、简单、好理解
- 方便检查任意一对顶点间是否存在边
- 方便找任一顶点的所有“邻接点”(有边直接相连的顶点)
- 方便计算任一顶点的“度”(从该点发出的边数为“出 度”,指向该点的边数为“入度”)
缺点:
- 浪费空间——存稀疏图(点很多而边很少)有大量无效元素
- 对稠密图(特别是完全图)还是很合算的
- 费时间——统计稀疏图中一共有多少条边
代码实现
https://blog.csdn.net/weixin_44537961/article/details/89047716
2.2邻接表
G[N]为指针数组,对应矩阵每行一个链表, 只存非0元素
对于权图,结构中要增加权重的域。
代码实现https://blog.csdn.net/zhangxiangDavaid/article/details/38323593
2.3 图的遍历
深度优先搜索 DFS
简单概括:沿着某个方向一直访问到叶节点,循环(访问上一个节点,如果上一个结点不为空,则继续以此节点扩展深度,直到叶节点)。
以上图树为例,DFS访问路线如下:
A->B->D->B->E->H->E->B->A->C->F->I->F->C->G
广度优先搜索 BFS
简答概括:以首节点向四周扩展,循环(依次访问其每个邻接点,并依次放入队列直至所有邻接点都被访问,从队列中取出一个元素)
以上图树为例,BFS访问路线如下:
A->B->C->D->E->F->G->H->I
2.4 最短路径
- 无权图 - v到w边数最少的路径
- 有权图 - v到w各边权的和最小的路径
2.4.1 单源最短路径 - 某源点到其他各订单的最短路径
①无权图的单源最短路径
voidUnweighted( Vertex S )
{ Enqueue(S, Q);
while(!IsEmpty(Q)){
V = Dequeue(Q);
for( V 的每个邻接点W )
if( dist[W]==-1 ) {
dist[W] = dist[V]+1;
path[W] = V;
Enqueue(W, Q);
}
}
}
dist[W] = S到W的最短距离
dist[S] = 0
path[W] = S到W的路上经过的某顶点
类似广度优先搜索
②有权图的单源最短路径
Dijistra算法,由于无权图是特殊的有权图(权为1),所以此算法对有权图和无权图均适用
voidDijkstra( Vertex s )
{while(1) {
V = 未收录顶点中dist最小者;
if( 这样的V不存在)
break;
collected[V] = true;
for ( V 的每个邻接点W )
if( collected[W] == false )
if( dist[V]+E<V,W>< dist[W] ) {
dist[W] = dist[V] + E<V,W>;
path[W] = V;
}
}
}/* 不能解决有负边的情况*/
代码实现:https://blog.csdn.net/txl16211/article/details/44980923
2.4.2 多源最短路径 - 每对顶点间最短距离
①直接将单源最短路径算法调用n(顶点数)遍 - 适用于稀疏图
②Floyd算法 - 适用于稠密图
/* Floyd算法 */
voidFloyd()
{ for ( i = 0; i < N; i++ )
for( j = 0; j < N; j++ ) {
D[i][j] = G[i][j];
path[i][j] = -1;
}
for( k = 0; k < N; k++ )
for( i = 0; i < N; i++ )
for( j = 0; j < N; j++ )
if( D[i][k] + D[k][j] < D[i][j] ) {
D[i][j] = D[i][k] + D[k][j];
path[i][j] = k;
}
}
详细介绍
https://blog.csdn.net/xianpingping/article/details/79947091
.
2.5 最小生成树
2.5.1定义
最小/生成/树,逐一解释含义
- 树
- 无回路
- V个顶点一定有V-1个边
- 生成
- 包含全部顶点
- V-1条边都在图中
- 最小
- 边的权重和最小
备注:向生成树中任加一条边一定形成回路;
- 边的权重和最小
2.5.2 Prim算法
思想:在不行成回路的情况下,从第一个节点/枝干向权最小的方向扩展
伪代码
图解
语言描述
/* 邻接矩阵存储 - Prim最小生成树算法 */
Vertex FindMinDist( MGraph Graph, WeightType dist[] )
{ /* 返回未被收录顶点中dist最小者 */
Vertex MinV, V;
WeightType MinDist = INFINITY;
for (V=0; V<Graph->Nv; V++) {
if ( dist[V]!=0 && dist[V]<MinDist) {
/* 若V未被收录,且dist[V]更小 */
MinDist = dist[V]; /* 更新最小距离 */
MinV = V; /* 更新对应顶点 */
}
}
if (MinDist < INFINITY) /* 若找到最小dist */
return MinV; /* 返回对应的顶点下标 */
else return ERROR; /* 若这样的顶点不存在,返回-1作为标记 */
}
int Prim( MGraph Graph, LGraph MST )
{ /* 将最小生成树保存为邻接表存储的图MST,返回最小权重和 */
WeightType dist[MaxVertexNum], TotalWeight;
Vertex parent[MaxVertexNum], V, W;
int VCount;
Edge E;
/* 初始化。默认初始点下标是0 */
for (V=0; V<Graph->Nv; V++) {
/* 这里假设若V到W没有直接的边,则Graph->G[V][W]定义为INFINITY */
dist[V] = Graph->G[0][V];
parent[V] = 0; /* 暂且定义所有顶点的父结点都是初始点0 */
}
TotalWeight = 0; /* 初始化权重和 */
VCount = 0; /* 初始化收录的顶点数 */
/* 创建包含所有顶点但没有边的图。注意用邻接表版本 */
MST = CreateGraph(Graph->Nv);
E = (Edge)malloc( sizeof(struct ENode) ); /* 建立空的边结点 */
/* 将初始点0收录进MST */
dist[0] = 0;
VCount ++;
parent[0] = -1; /* 当前树根是0 */
while (1) {
V = FindMinDist( Graph, dist );
/* V = 未被收录顶点中dist最小者 */
if ( V==ERROR ) /* 若这样的V不存在 */
break; /* 算法结束 */
/* 将V及相应的边<parent[V], V>收录进MST */
E->V1 = parent[V];
E->V2 = V;
E->Weight = dist[V];
InsertEdge( MST, E );
TotalWeight += dist[V];
dist[V] = 0;
VCount++;
for( W=0; W<Graph->Nv; W++ ) /* 对图中的每个顶点W */
if ( dist[W]!=0 && Graph->G[V][W]<INFINITY ) {
/* 若W是V的邻接点并且未被收录 */
if ( Graph->G[V][W] < dist[W] ) {
/* 若收录V使得dist[W]变小 */
dist[W] = Graph->G[V][W]; /* 更新dist[W] */
parent[W] = V; /* 更新树 */
}
}
} /* while结束*/
if ( VCount < Graph->Nv ) /* MST中收的顶点不到|V|个 */
TotalWeight = ERROR;
return TotalWeight; /* 算法执行完毕,返回最小权重和或错误标记 */
}
2.5.3 Kruskal算法
思想:在不行成回路的情况下,依次找到最小权重的边至V-1条
伪代码
图解
语言描述
/* 邻接表存储 - Kruskal最小生成树算法 */
/*-------------------- 顶点并查集定义 --------------------*/
typedef Vertex ElementType; /* 默认元素可以用非负整数表示 */
typedef Vertex SetName; /* 默认用根结点的下标作为集合名称 */
typedef ElementType SetType[MaxVertexNum]; /* 假设集合元素下标从0开始 */
void InitializeVSet( SetType S, int N )
{ /* 初始化并查集 */
ElementType X;
for ( X=0; X<N; X++ ) S[X] = -1;
}
void Union( SetType S, SetName Root1, SetName Root2 )
{ /* 这里默认Root1和Root2是不同集合的根结点 */
/* 保证小集合并入大集合 */
if ( S[Root2] < S[Root1] ) { /* 如果集合2比较大 */
S[Root2] += S[Root1]; /* 集合1并入集合2 */
S[Root1] = Root2;
}
else { /* 如果集合1比较大 */
S[Root1] += S[Root2]; /* 集合2并入集合1 */
S[Root2] = Root1;
}
}
SetName Find( SetType S, ElementType X )
{ /* 默认集合元素全部初始化为-1 */
if ( S[X] < 0 ) /* 找到集合的根 */
return X;
else
return S[X] = Find( S, S[X] ); /* 路径压缩 */
}
bool CheckCycle( SetType VSet, Vertex V1, Vertex V2 )
{ /* 检查连接V1和V2的边是否在现有的最小生成树子集中构成回路 */
Vertex Root1, Root2;
Root1 = Find( VSet, V1 ); /* 得到V1所属的连通集名称 */
Root2 = Find( VSet, V2 ); /* 得到V2所属的连通集名称 */
if( Root1==Root2 ) /* 若V1和V2已经连通,则该边不能要 */
return false;
else { /* 否则该边可以被收集,同时将V1和V2并入同一连通集 */
Union( VSet, Root1, Root2 );
return true;
}
}
/*-------------------- 并查集定义结束 --------------------*/
/*-------------------- 边的最小堆定义 --------------------*/
void PercDown( Edge ESet, int p, int N )
{ /* 改编代码4.24的PercDown( MaxHeap H, int p ) */
/* 将N个元素的边数组中以ESet[p]为根的子堆调整为关于Weight的最小堆 */
int Parent, Child;
struct ENode X;
X = ESet[p]; /* 取出根结点存放的值 */
for( Parent=p; (Parent*2+1)<N; Parent=Child ) {
Child = Parent * 2 + 1;
if( (Child!=N-1) && (ESet[Child].Weight>ESet[Child+1].Weight) )
Child++; /* Child指向左右子结点的较小者 */
if( X.Weight <= ESet[Child].Weight ) break; /* 找到了合适位置 */
else /* 下滤X */
ESet[Parent] = ESet[Child];
}
ESet[Parent] = X;
}
void InitializeESet( LGraph Graph, Edge ESet )
{ /* 将图的边存入数组ESet,并且初始化为最小堆 */
Vertex V;
PtrToAdjVNode W;
int ECount;
/* 将图的边存入数组ESet */
ECount = 0;
for ( V=0; V<Graph->Nv; V++ )
for ( W=Graph->G[V].FirstEdge; W; W=W->Next )
if ( V < W->AdjV ) { /* 避免重复录入无向图的边,只收V1<V2的边 */
ESet[ECount].V1 = V;
ESet[ECount].V2 = W->AdjV;
ESet[ECount++].Weight = W->Weight;
}
/* 初始化为最小堆 */
for ( ECount=Graph->Ne/2; ECount>=0; ECount-- )
PercDown( ESet, ECount, Graph->Ne );
}
int GetEdge( Edge ESet, int CurrentSize )
{ /* 给定当前堆的大小CurrentSize,将当前最小边位置弹出并调整堆 */
/* 将最小边与当前堆的最后一个位置的边交换 */
Swap( &ESet[0], &ESet[CurrentSize-1]);
/* 将剩下的边继续调整成最小堆 */
PercDown( ESet, 0, CurrentSize-1 );
return CurrentSize-1; /* 返回最小边所在位置 */
}
/*-------------------- 最小堆定义结束 --------------------*/
int Kruskal( LGraph Graph, LGraph MST )
{ /* 将最小生成树保存为邻接表存储的图MST,返回最小权重和 */
WeightType TotalWeight;
int ECount, NextEdge;
SetType VSet; /* 顶点数组 */
Edge ESet; /* 边数组 */
InitializeVSet( VSet, Graph->Nv ); /* 初始化顶点并查集 */
ESet = (Edge)malloc( sizeof(struct ENode)*Graph->Ne );
InitializeESet( Graph, ESet ); /* 初始化边的最小堆 */
/* 创建包含所有顶点但没有边的图。注意用邻接表版本 */
MST = CreateGraph(Graph->Nv);
TotalWeight = 0; /* 初始化权重和 */
ECount = 0; /* 初始化收录的边数 */
NextEdge = Graph->Ne; /* 原始边集的规模 */
while ( ECount < Graph->Nv-1 ) { /* 当收集的边不足以构成树时 */
NextEdge = GetEdge( ESet, NextEdge ); /* 从边集中得到最小边的位置 */
if (NextEdge < 0) /* 边集已空 */
break;
/* 如果该边的加入不构成回路,即两端结点不属于同一连通集 */
if ( CheckCycle( VSet, ESet[NextEdge].V1, ESet[NextEdge].V2 )==true ) {
/* 将该边插入MST */
InsertEdge( MST, ESet+NextEdge );
TotalWeight += ESet[NextEdge].Weight; /* 累计权重 */
ECount++; /* 生成树中边数加1 */
}
}
if ( ECount < Graph->Nv-1 )
TotalWeight = -1; /* 设置错误标记,表示生成树不存在 */
return TotalWeight;
}
两种算法的详细介绍:https://blog.csdn.net/qq_35644234/article/details/59106779
2.6 拓扑排序
AOV网(Activity On Vertex Network )
网:带权图。若在带权的有向图中,以顶点表示事件,以边(或者弧)表示活动,弧的权值表示活动的开销,则此带权有向图称为用边表示活动的网,简称:(AOV网(Activity On Vertex Network )。
拓扑排序的实现
1、从网中选择一个没有前驱的顶点(入度为0)并且输出它。
2、从网中删去该顶点,并且删去从该顶点发出的全部有向边
3、重复上述两步,直到剩余的网中不存在没有前驱的顶点为止。
伪代码
voidTopSort()
{ for( 图中每个顶点V )
if( Indegree[V]==0 )
Enqueue( V, Q );
while( !IsEmpty(Q) ) {
V = Dequeue( Q );
输出V,或者记录V的输出序号; cnt++;
for( V 的每个邻接点W )
if( ––Indegree[W]==0 )
Enqueue( W, Q );
}
if( cnt!= |V| )
Error( “图中有回路”);
}
2.7关键路径
关键路径
如果用AOV网表示一个工程,那么正常情况下工程只有一个开始点和一个结束点,因此AOV网中只有一个入度为0的点,称为源点;一个出度为0的点,称为汇点。
AOV网具有以下两个性质:
- 1、只有在某顶点所代表的事情发生后,从该顶点出发的弧所代表的活动才能开始。
- 2、只有在进入某顶点的各弧所代表的活动都已经结束时,该顶点所代表的事情才能发生。
由于AOV网中的某些活动可以并行进行,所以完成整个工程最短时间是从源点到汇点的最大路径长度。具有最大路径长度的路径称为关键路径,关键路径上的活动称为关键活动。