这里有神犇——该名称创始人的博客,大家可以去考古,一波肥😉
前向星
前向星是一种特殊的边集数组,我们把边集数组中的每一条边按照起点从小到大排序,如果起点相同就按照终点从小到大排序,并记录下以某个点为起点的所有边在数组中的起始位置和存储长度,那么前向星就构造好了
以下图为例构造前向星:
len[i]记录所有以i为起点的边在边集数组中的存储长度
head[i]记录以i为起点的边在边集数组中的第一个存储位置
利用前向星,我们可以O(len[i])的时间找到以i为起点的所有边
前向星适合于优化稀疏图的BFS,DFS,单源最短路径(SPFA)
链式前向星
如果按前向星那样,第一步是给起点排序,时间复杂度至少为O(eloge)。如果使用链式前向星,就可以避免排序。所谓链式前向星,即将链表引入前向星,可以不排序也能达到前向星的效果,这里的链表是指的是数组模拟链表
首先我们创建一个结构体:
struct node{
int to,next,w; //to表示第i条边的终点,next表示与第i条边同起点的下一条边的存储位置,w表示权值
}edge[N];
然后设置一个head数组,该数组存的是以i为起点的第一条边的位置(即输入时的编号又是edge数组的下标)
显然这个下标我们需要设置为全局变量tot
int head[N];
int tot; //edge数组的下标
接下来就是我们的主角:add函数,它表示的是图的初始化过程。下面我们先让tot++是因为刚开始tot等于0,我们设置的链表结束条件是edge[i].next==0,因此这里不能给edge[0].next赋值
void add(int u,int v,int w){
tot++;
edge[tot].w=w;
edge[tot].to=v;
edge[tot].next=head[u];
head[u]=tot;
}
我们举一个简单的例子,假如1号顶点对应三条边,其余三个顶点分别为2,5,6,那么我们这样输入:
1 2
1 5
1 6
第i行 | ^ | 1 | 2 | 3 |
---|---|---|---|---|
edge[i].next | ^ | 0 | 1 | 2 |
head[1] | 0 | 1 | 2 | 3 |
edge[i].next刚好和head构成数组模拟的链表,由于我们head数组只用起点u来访问,因此只需要一个head数组就足够使所有的起点都能在数组上维护链表关系
那么就得出了如何访问某一特定节点的邻接边:
int start; //输入要访问的起点
for(int i=head[start];i;i=edge[i].next)
cout<<start<<"->"<<edge[i].to<<" "<<edge[i].w<<endl;
总结链式前向星,我们可以发现下面结论:
- 链式前向星并不改变边表原来的存储顺序,只是建立了元素之间的关系
- 可以发现,这是变式的邻接表,或者说链式前向星是邻接表的数组实现形式
- 相对于邻接表,无向图的链式前向星实现更为简单,可以省大约一半的空间,而且时间也会节省不少
下面是测试代码:
#include <iostream>
using namespace std;
const int N=1e5+10;
struct node{
int next,to,w;
}edge[N];
int tot;
int head[N];
void add(int u,int v,int w){
tot++;
edge[tot].w=w;
edge[tot].to=v;
edge[tot].next=head[u];
head[u]=tot;
}
int main(){
int n;
cin>>n;
int a,b,c;
while(n--){
cin>>a>>b>>c;
add(a,b,c);
}
int start;
while(cin>>start){
for(int i=head[start];i;i=edge[i].next)
cout<<start<<"的一条边是"<<edge[i].to<<" "<<edge[i].w<<endl;
}
return 0;
}