集万千宠爱于一身的“图”

基本术语

（1）无向完全图和有向完全图：无向完全图有n(n-1)/2条边；有向完全图有n(n-1)条边。
（2）权和网：带权的图称为网。
（3）度，入度和出度：度=入度+出度
（4）路径和路径长度：路径长度是一条路径上经过的边或弧的数目。
（5）连通，连通图和连接分量：若无向图中任意两顶点都是连通的，则为连通图。连通分量指的是无向图中的极大连通子图。
（ G2为连通图；G3为非连通图 ）

（6）强连接图和强连接分量：若有向图中任意两顶点都是连通的，则为强连通图。有向图中的极大强连通子图称为有向图的强连通分量。
（ G1不是强连通图，但其有两个强连通分量。）

（7）连接图的生成树：若一个极小连通子图含有图中全部顶点，但只有足以构成一棵树的 n-1 条边，则为连通图的生成树。一棵有 n 个顶点的生成树有且仅有 n-1 条边。如果一个图有 n 个顶点和小于 n-1 条边，则是非连通图；多于 n-1 条边，则一定是环。但有 n-1 条边的图不一定是生成树。

（如果在一棵生成树上添加一条边，必定构成一个环，因为这条边使得它依附的那两个顶点之间有了第二条路径。）

（8）有向树和生成森林：有一个顶点的入度为 0 ，其余顶点的入度均为 1 的有向图称为有向树。一个有向图的生成森林是由若干棵有向树组成，含有图中全部顶点，但只有足以构成若干棵不相交的有向树的弧。

类型定义

数据对象： V 为顶点集，是具有相同特性的数据元素的集合。
数据关系： R = { VR }
VR = { < v , w > | v , w 属于 V 且 P ( v , w ) < v , w > 表示从 v 到 w 的弧，谓词 P ( v , w ) 定义了弧 < v , w > 的意义或信息 }

基本操作：

• CreateGraph ( &G , V , VR )
  按照 V 和 VR 的定义构造图 G（ V 是图的顶点集，VR 是图中弧的集合）
• DestroyGraph ( &G )
  销毁图 G
• LocateVex ( G ,u )
  若 G 中存在顶点 u ，则返回该顶点在图中的位置；否则返回其他信息
  （ u 和 G 中顶点有相同特征 ）
• GetVex ( G , v )
  返回 v 的值
• PutVex ( &G , v , value )
  对 v 赋值 value
• FirstAdjVex ( G , v)
  返回 v 的第一个邻接顶点。若 v 在 G 中没有邻接顶点，则返回“空”
• NextAdjVex ( G , v , w )
  返回 v 的（相对于 w 的）下一个邻接顶点。若 w 是 v 的最后一个邻接点，则返回“空”
  （ w 是 v 的邻接顶点 ）
• InsetVex ( &G , v )
  添加新顶点 v
  （ v 和图中顶点有相同特征 ）
• DeleteVex ( &G , v )
  删除 G 中顶点 v 及其相关的弧
• InsertArc ( &G , v , w )
  增添弧 < v , w >，若 G 为无向图，则还增添对称弧 < w , v >
  ( v 和 w 为 G 中两个顶点 ）
• DeleteArc ( &G , v , w )
  删除弧 < v , w >，若 G 为无向图，则还删除对称弧 < w , v >
• DFSTraverse ( G )
  对图进行深度优先遍历，在遍历过程中对每个顶点访问一次
• BFSTraverse ( G )
  对图进行广度优先遍历，在遍历过程中对每个顶点访问一次

存储结构

邻接矩阵

邻接矩阵是表示顶点之间相邻关系的矩阵。

邻接矩阵表示法

举例：

图的邻接矩阵存储表示

#define MAXInt 32767 //表示极大值，即最大值
#define MVNum 100  //最大顶点数
typedef char VerTexType;  //假设顶点的数据类型为字符型
typedef int ArcType;  //假设边的权值类型为整型
typedef struct
{
  VerTexType vexs [MVNum];  //顶点表
  ArcType arcs [MVNum] [MVNum];  //邻接矩阵
  int vexnum,arcnum;  //图的当前点数和边数
 }AMGraph;

邻接矩阵表示法创建无向网

已知一个图的点和边，使用邻接矩阵表示法来创建此图的方法比较简单。

步骤

（1）输入总顶点数和总边数
（2）依次输入点的信息存入顶点表中
（3）初始化邻接矩阵，使每个权值初始化为极大值
（4）构造邻接矩阵。依次输入每条边依附的顶点和其权值，确定两个顶点在图中的位置之后，使相应边赋予相应的权值，同时使其对称边赋予相同的权值。

算法

Status CreateUDN(AMGraph &G)
{  //邻接矩阵表示法创建无向网 G
  cin>>G.vexnum>>G.arcnum;  //输入总顶点数，总边数
  for(i=0;i<G.vexnum;++i)  //依次输入点的信息
   {
     cin>>G.vexs[i];
   }
   for(i=0;i<G.vexnum;++i)  //初始化邻接矩阵，边的权值均置为极大值 MaxInt
   {
     for(j=0;j<G.vexnum;++j)
     {
       G.arcs[i][j]=MaxInt;
     }
   }
   for(k=0;k<G.arcnum;++k)  //构造邻接矩阵
   {
     cin>>v1>>v2>>w;  //输入一条边依附的顶点及权值
     i=LocateVex(G,v1);
     j=LocateVex(G,v2);  //确定 v1 和 v2 在 G 中的位置，即顶点数组的下标
     G.arcs[i][j]=w;  //边 < v1 , v2 > 的权值置为 w
     G.arcs[j][i]=G.arcs[i][j];  //置 < v1 , v2 > 的对称边 < v2 , v1 > 的权值为 w
   }  //for
   return OK;
}

分析

• 时间复杂度为 O(n^2)
  若创建无向图，则需将算法改动两处。（1）初始化邻接矩阵时将边的权值均初始化为 0 ；（2）构造邻接矩阵时将权值 w 改为常量值 1 。也可经过修改建立一个有向网或有向图。

邻接矩阵表示法优缺点

• 优点
  （1）便于判断两个顶点之间是否有边，即根据 A [ i ][ j ]=0 或 1 来判断
  （2）便于计算各个顶点的度。对于无向图，邻接矩阵第 i 行元素之和就是顶点 i 的度；对于有向图，第 i 行元素之和就是顶点 i 的出度，第 i 列元素之和就是顶点 i 的入度。

• 缺点
  （1）不便于增加和删除顶点。
  （2）不便于统计边的数目，需要扫描邻接矩阵所有元素才能统计完毕，时间复杂度为 O(n^2)。
  （3）空间复杂度高。如果是有向图， n 个顶点需要 n^2 个单元存储边。如果是无向图，因其邻接矩阵是对称的，所以对规模较大的邻接矩阵可以采用存储压缩的方法，仅存储下三角（或上三角）的元素，这样需要 n(n-1)/2 个单元即可。但无论以何种方式存储，邻接矩阵表示法的空间复杂度均为 O(n^2) ,这对于稀疏图而言尤其浪费空间。

邻接表

邻接表表示法

邻接表是图的一种链式存储结构。

邻接表的两部分：

• 表头结点表

由所有表头结点以顺序结构的形式存储，以便可以随机访问任一顶点的边链表。

由数据域 (data) 和链域 (firstarc)两部分构成：

• 边表

由表示图中顶点间关系的 2n 个边链表组成。

由邻接点域 (adjvex) 、数据域 (info) 和链域 (nextarc) 三部分构成：

图的邻接表存储表示

#define MVNum 100  //最大定点数
typedef struct ArcNode  //边结点
{
  int adjvex;  //该边所指向的顶点的位置
  struct ArcNode * nextarc;  //指向下一条边的指针
  OtherInfo info;  //和边相关的信息（如权值等）
}ArcNode;
typedef struct VNode  //顶点信息
{
  VerTexType data;
  ArcNode *firstarc;  //指向第一条依附该顶点的边的指针
}VNode,AdjList[MVNum];  //Adjlist表示邻接表类型
typedef struct  //邻接表
{
  AdjList vertices;
  int vexnum,arcnum;  //图的当前顶点数和边数
}ALGraph;

邻接表表示法创建无向图

基于上述的邻接表表示法，要创建一个图则需要创建其相应的顶点表和边表。

步骤

（1）输入总顶点数和总边数
（2）依次输入点的信息存入顶点表中，使每个表头结点的指针域初始化为 NULL
（3）创建邻接表。依次输入每条边依附的两个顶点，确定这两个顶点的序号 i 和 j 之后，将此结点分别插入 vi 和 vj 对应的两个边链表的头部

算法

Status CreateUDG(ALGraph &G)
{  //邻接表表示法创建无向图 G
  cin>>G.vexnum>>G.arcnum;  //输入总顶点数，总边数 
  for(i=0;i<G.vexnum;++i)  //输入各点，构造表头结点表
  {
    cin>>G.vertices[i].data;  //输入顶点值
    G.vertices[i].firstarc=NULL;  //初始化表头结点的指针域为NULL
  }  //for
  for(k=0;k<G.arcnum;++k)  //输入各边，构造邻接表
  {
    cin>>v1>>v2;  //输入一条边依附的两个顶点
    i=LocateVex(G,v1);
    j=LocateVex(G,v2);  //确定 v1 和 v2 在 G 中位置，即顶点在 G.vertices中的序号
    p1=new ArcNode;  //生成一个新的边结点 *p1
    p1->adjvex=j;  //邻接点序号为 j
    p1->nextarc=G.vertices[i].firstarc;
    G.vertices[i].firstarc=p1;  //将新结点 *p1 插入顶点 vi 的边表头部
    p2=new ArcNode;  //生成另一个对称的新的边结点 *p2
    p2->adjvex=i;  //邻接表序号为 i
    p2->nextarc=G.vertices[j].firstrrc;
    G.vertices[j].firstarc=p2;  //将新结点 *p2 插入顶点 vj 的边表头部
  }  //for
  return OK;
}

分析

• 时间复杂度为 O(n+e)
  建立有向图的邻接表与此类似，只是更加简单，每读入一个顶点对序号 < i , j > ，仅需生成一个邻接点序号为 j 的边表结点，并将其插入到 vi 的边链表头部即可。若要创建网的邻接表，可以将边的权值存储在 info 域中

邻接表表示法优缺点

• 优点
  （1）便于增加和删除顶点
  （2）便于统计边的数目，按顶点表顺序扫描所有边表可得到边的数目，时间复杂度为 O(n+e)
  （3）空间效率高。对于一个具有 n 个顶点 e 条边的图 G，若 G 是无向图，则在其邻接表表示中有 n 个顶点表结点和 2e 个边表结点；若 G 是有向图，则在它的邻接表表示或逆邻接表表示中均有 n 个顶点表和 e 个边表结点。所以，邻接表或逆邻接表表示的空间复杂度为 O(n+e),适合表示稀疏图。对于稠密图，考虑到邻接表中要附加链域，因此常采用邻接矩阵表示法。
• 缺点
  （1）不方便判断顶点之间是否有边，要判定 vi 和 vj 之间是否有边，就需扫描第 i 个边表，最坏情况下要耗费 O(n) 时间。
  （2）不便于计算有向图各个顶点的度。对于无向图，在邻接表表示中顶点 vi 的度是第 i 个边表中的结点个数。在有向图的邻接表中，第 i 个边表上的结点个数是顶点 vi 的出度，但求 vi 的入度比较困难，需遍历各顶点的边表。若有向图采用逆邻接表表示，则与邻接表表示相反，求顶点的入度容易，而求顶点的出度较难。