考研复习之数据结构笔记（十一）图（上）（包含图的相关定义特点、存储结构以及图的遍历）

有向完全图：n个顶点的有向图最大边数是n(n-1)；
无向完全图：n个顶点的无向图最大边数是n(n-1)/2；
权：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；
网：边上带有权值的图；
子图：设有两个图G = （V,E）和G' = (V',E')，若V'是V的子集，且E'是E的子集，则称G'是G的子图。若有满足V(G')=V(G)的子图G',则称其为G的生成子图。(注意：并非V和E的任何子集都能构成G的子图，这样的子集首先要满足图的定义)；
邻接点：顶点v和顶点w之间存在一条边，则称v和w互为邻接点；边(v,w)和顶点v和w相关联；
顶点的度：无向图中，顶点的度为与每个顶点相连的边数；有向图中，顶点的度分成入度与出度；入度：以该顶点为头的弧的数目；出度：以该顶点为尾的弧的数目；
路径——若从顶点vi经过若干条边能到达vj，称顶点vi和vj是连通的，又称顶点vi到vj有路径。
路径长度——沿路径边的数目或沿路径各边权值之和
回路——第一个顶点和最后一个顶点相同的路径
简单路径——序列中顶点不重复出现的路径
简单回路——除了第一个顶点和最后一个顶点外，其余顶点不重复出现的回路;
连通——从顶点V到顶点W有一条路径，则说V和W是连通的
连通图——图中任意两个顶点都是连通的图
连通分量——非连通图的每一个连通部分
强连通图——有向图中，如果对每一对Vi,Vj，从Vi到Vj 和从Vj到 Vi都存在路径，则称G是强连通图

图1.1-4 相关术语实例（一）

图1.1-5 相关术语实例（二）

图1.1-6 相关术语实例（三）

二、图的存储结构及基本操作

2.1 邻接矩阵法

（1）基本方式

设G=(V,E)是有n>=1个顶点的图，邻接矩阵存储结构用两个数组分别存储图中顶点的信息(一维数组)和顶点间相关联的关系(边或弧，n阶方阵)

图2.1-1 邻接矩阵元素定义

举例如下：

图2.1-2 图与邻接矩阵

对于带权图而言，若顶点Vi和Vj之间有边相连，则邻接矩阵中对应项存放着该边对应的权值, 若顶点Vi和Vj不相连，则用无穷来代表这两个顶点之间不存在边：

图2.1-3 带权图的邻接矩阵元素定义

图2.1-4 带权图的邻接矩阵

（2）存储结构

邻接矩阵存储表示如下：

# define Max_Vertex_Num    20  //图中最大顶点个数
typedef struct ArcCell 
{      int  adj;     // 对无权图，用1或0表示相邻否；
                             对带权图，则为权值
        InfoType *info;  //该弧相关信息指针（可无）
} ArcCell, AdjMatrix[Max_Vertex_Num] [Max_Vertex_Num];

（3）相关特点与注意事项

图2.1-5 相关特点

注意：

在简单应用中，可直接用二维数组作为图的邻接矩阵（顶点信息等均可省略）。
无向图的邻接矩阵是对称矩阵，对规模特大的邻接矩阵可采用压缩存储。

图的邻接矩阵存储有以下特点：

无向图的邻接矩阵一定是对称矩阵（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。

对于无向图，邻接矩阵的第i行(或第i列)非零元素(或非无穷元素)的个数正好是顶点 i 的度。
对于有向图,邻接矩阵的第i行非零元素(或非无穷元素)的个数正好是顶点 i 的出度；第i列非零元素(或非无穷元素)的个数正好是顶点的入度。
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。
稠密图适合使用邻接矩阵的存储表示。
设图G的邻接矩阵为A，A^n的元素A^n[i][j]等于由顶点 i 到顶点 j 的长度为 n 的路径的数。

（4）优缺点

邻接矩阵表示法的优缺点

优点

便于判断两个顶点之间是否有边。
便于计算各个顶点的度。

缺点：

不便于增加和删除顶点。
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0(n^2)。
空间复杂度高。对于稀疏图而言尤其浪费空间。

2.2 邻接表法

（1）基本方式

邻接表(Adjacency List)是图的一种链式存储结构。对图中每个顶点v,建立一个单链表，把与v相邻接的顶点放在这个链表中。邻接表中每个单链表的第一个结点存放有关顶点的信息，把这一结点看成链表的表头，其余结点存放有关边的信息。

图 2.2-1 邻接表法储存基本方式

图 2.2-2 无向图的邻接表储存

图 2.2-3 有向图的邻接表储存

（2）存储结构

// 弧结点
typedef struct Arcnode 
{    int   adjvex; 
     struct Arcnode  *nextarc; 
} ArcNode;

//顶点节点
typedef struct Vnode
{    VertexType  data; 
     ArcNode  *firstarc;  
 } VNode, AdjList[Max_Vertex_Num];


//图的定义
typedef struct 
{     AdjList    vertices;         
       int    vexnum, arcnum;   //顶点及弧的数目 
} ALGraph;

（3）相关特点与注意事项

图2.1-4 相关特点

图的邻接表存储方法具有以下特点：

若G为无向图，则所需的存储空间为O(V+2E)；若G为有向图，则所需的存储空间为 O(V+E)。
对于稀疏图，采用邻接表表示将极大地节省存储空间。
在邻接表中，给定一顶点，能很容易地找出它的所有邻边。但是，若要确定给定的两个顶点间是否存在边，在邻接表中则需要在相应结点对应的边表中查找另一结点，效率较低。
在有向图的邻接表表示中，求一个给定顶点的出度只需计算其邻接表中的结点个数；但求其顶点的入度则需要遍历全部的邻接表。
图的邻接表表示并不唯一，因为在每个顶点对应的单链表中，各边结点的链接次序可以是任意的，它取决于建立邻接表的算法及边的输入次序。

（4）优缺点

1.优点：

便于增加和删除顶点。
便于统计边的数目。
空间效率高。

2.缺点：

不便于判断顶点之间是否有边。
不便于计算有向图各个顶点的度。

2.3 十字链表法

（1）基本方式

十字链表(Orthogonal List)是有向图的另一种链式存储结构。可以看成是将有向图的邻接表和逆邻接表结合起来得到的一种链表。在十字链表中，对应于有向图中每一条弧有一个结点，对应于每个顶点也有一个结点。

图2.3-1 十字链表结点结构

孤结点中有5个域：尾域（tailvex）和头域（headvex）分别指示弧尾和弧头；链域hlink指向弧头相同的下一条弧；链域tlink指向弧尾相同的下一条弧; info域指向该弧的相关信息。

顶点结点中有3个域：data域存放顶点相关的数据信息；firstin和 firstout两个域分别指向以该顶点为弧头或弧尾的第一个弧结点。

图2.3-2 有向图的十字链表表示

（2）代码构建

十字链表法的构建过程：（如若为了应付考试，一般不会考这部分代码）

    #define  MAX_VERTEX_NUM 20
    #define  InfoType int//图中弧包含信息的数据类型
    #define  VertexType int
    typedef struct ArcBox{
        int tailvex,headvex;//弧尾、弧头对应顶点在数组中的位置下标
        struct ArcBox *hlik,*tlink;//分别指向弧头相同和弧尾相同的下一个弧
        InfoType *info;//存储弧相关信息的指针
    }ArcBox;
    typedef struct VexNode{
        VertexType data;//顶点的数据域
        ArcBox *firstin,*firstout;//指向以该顶点为弧头和弧尾的链表首个结点
    }VexNode;
    typedef struct {
        VexNode xlist[MAX_VERTEX_NUM];//存储顶点的一维数组
        int vexnum,arcnum;//记录图的顶点数和弧数
    }OLGraph;
    int LocateVex(OLGraph * G,VertexType v){
        int i=0;
        //遍历一维数组，找到变量v
        for (; i<G->vexnum; i++) {
            if (G->xlist[i].data==v) {
                break;
            }
        }
        //如果找不到，输出提示语句，返回 -1
        if (i>G->vexnum) {
            printf("no such vertex.\n");
            return -1;
        }
        return i;
    }
    //构建十字链表函数
    void CreateDG(OLGraph *G){
        //输入有向图的顶点数和弧数
        scanf("%d,%d",&(G->vexnum),&(G->arcnum));
        //使用一维数组存储顶点数据，初始化指针域为NULL
        for (int i=0; i<G->vexnum; i++) {
            scanf("%d",&(G->xlist[i].data));
            G->xlist[i].firstin=NULL;
            G->xlist[i].firstout=NULL;
        }
        //构建十字链表
        for (int k=0;k<G->arcnum; k++) {
            int v1,v2;
            scanf("%d,%d",&v1,&v2);
            //确定v1、v2在数组中的位置下标
            int i=LocateVex(G, v1);
            int j=LocateVex(G, v2);
            //建立弧的结点
            ArcBox * p=(ArcBox*)malloc(sizeof(ArcBox));
            p->tailvex=i;
            p->headvex=j;
            //采用头插法插入新的p结点
            p->hlik=G->xlist[j].firstin;
            p->tlink=G->xlist[i].firstout;
            G->xlist[j].firstin=G->xlist[i].firstout=p;
        }
    }

（3）优缺点

1.优点

把邻接表和逆邻接表整合在一起。
既容易找到以vi为尾的弧，也容易找到以vi为头的弧，容易求得顶点的出度和入度。但创建图算法的时间复杂度与邻接表相同。

2.缺点：

结构稍为复杂

2.4 邻接多重表法

（1）基本方式

邻接多重表(Adjacency Multilist)是无向图的另一种链式存储结构。

邻接多重表的结构和十字链表类似。在邻接多重表中，每一条边用一个结点表示，它由如图 6个域组成。其中，mark为标志域，可用以标记该条边是否被搜索过；ivex和jvex 为该边依附的两个顶点在图中的位置；ilink指向下一条依附于顶点ivex的边；jlink指向下一条依附于顶点jvex的边，info为指向和边相关的各种信息的指针域。

图2.4-1 邻接多重表的结构

每一个顶点也用一个结点表示，它由如图的两个域组成。其中，data域存储和该顶点相关的信息，firstedge域指示第一条依附于该顶点的边。

图2.4-2 邻接多重表顶点结构

图2.4-3 无向图的邻接多重表表示

例如，上图所示为无向图的邻接多重表。

其有以下特点：

1.表头结点即顶点结点，与邻接表一样是顺序存储。

2.对于每个顶点结点之后是与之相关联的边结点（与该顶点结点相连的边），而邻接表则是一些与顶点结点相连接的点。

3.从每个顶点结点开始有一条链表，这条链表将所有与该顶点相连的边都连接了起来。

4.邻接多重表中边结点的个数就是无向图中边的数量，又因为无向图中的边必然连接两个顶点，所以便边结点结构中的ilink和jlink会连接两个不同的链表

三、图的遍历

3.1 深度优先

（1）遍历过程

图3.1-1 深度优先遍历方法与过程

深度优先搜索( DFS )遍历是树的先序遍历的推广。对于一个连通图，深度优先搜索遍历的过程如下。

从图中某个顶点V出发，访问V。
找出刚访问过的顶点的第一个未被访问的邻接点，访问该顶点。以该顶点为新顶点，重复此步骤，直至刚访问过的顶点没有未被访问的邻接点为止。
返回前一个访问过的且仍有未被访问的邻接点的顶点，找出该顶点的下一个未被访问的邻接点，访问该顶点。
重复步骤(2)和(3),直至图中所有顶点都被访问过，搜索结束。

图3.1-2 深度优先举例

图3.1-3 深度优先举例2

（2）算法实现

深度优先搜索遍历连通图是一个递归的过程。为了在遍历过程中便于区分顶点是否已被访问，需附设访问标志数组visited[n];其初值为“false”，一旦某个顶点被访问，则其相应的分量置为“true”。

图3.1-4 深度优先算法基本思路

深度优先算法遍历连通图：

从图中某个顶点v出发，访问V,并置visited[v]的值为true。
依次检査v的所有邻接点w,如果visited[w]的值为false,再从w出发进行递归遍历，直到图中所有顶点都被访问过。

bool visited[MVNum];	//访问标志数组，其初值为"false”
void DFS(Graph G,int v)
{//从第v个顶点岀发递归地深度优先遍历图G
    cout«v; visited[v]=true;	//访问第v个顶点，并置访问标志数组相应分量值为true
    for(w=FirstAdjVex(G,v);w>=0;w=NextAdjVex(G,v,w))
    〃依次检査v的所有邻接点w , FirstAdjVex (G, v)表示v的第一个邻接点
    //NextAdjVex(G,v,w)表示v相对于w的下一个邻接点，wNO表示存在邻接点
    if (!visited[w]) DFS(G,w);	//对v的尚未访问的邻接顶点w递归调用DFS
}

图3.1-5 深度优先算法遍历连通图基本思路

若是非连通图，上述遍历过程执行之后，图中一定还有顶点未被访问，需要从图中另选一个未被访问的顶点作为起始点，重复上述深度优先搜索过程，直到图中所有顶点均被访问过为止。这样，要实现对非连通图的遍历。

void DFS(ALGraph G, int v) 
{  ArcNode *w;      int i;
    printf("%d\t",v);  visited[v]=1;
    w=G.vertices[v].firstarc; 
    while(w) 
    {     i=w->adjvex;    
           if(visited[i]==0)  DFS(G,i);
           else  w=w->nextarc;  }   
}

图3.1-6 深度优先算法遍历非连通图基本思路

（3）算法分析

分析上述算法，在遍历图时，对图中每个顶点至多调用一次DFS函数。

因此，遍历图的过程实质上是对每个顶点查找其邻接点的过程，其耗费的时间则取决于所采用的存储结构。

当用邻接矩阵表示图时，查找每个顶点的邻接点的时间复杂度为0(n^2), n 为图中顶点数。
当以邻接表做图的存储结构时，查找邻接点的时间复杂度为O(e),其中e为图中边数，深度优先搜索遍历图的时间复杂度为O(n+e)。

3.2 广度优先

（1）遍历过程

广度优先搜索( BFS )遍历类似于树的按层次遍历的过程。

图3.2-1 广度优先遍历方法与过程

广度优先搜索遍历的过程如下。

(1)从图中某个顶点V出发，访问V。

(2)依次访问v的各个未曾访问过的邻接点。

(3)分别从这些邻接点出发依次访问它们的邻接点，并使“先被访问的顶点的邻接点”先于 “后被访问的顶点的邻接点”被访问。重复步骤(3),直至图中所有已被访问的顶点的邻接点都被访问到

图3.2-2 广度优先举例

（2）算法实现

广度优先搜索遍历的特点是：尽可能先对横向进行搜索。设x和y是两个相继被访问过的顶点，若当前是以X为出发点进行搜索，则在访问X的所有未曾被访问过的邻接点之后，紧接着是以y为出发点进行横向搜索，并对搜索到的y的邻接点中尚未被访问的顶点进行访问。为此，算法实现时需引进队列保存已被访问过的顶点。

图3.2-3 广度优先算法基本思路

连通图遍历：

【算法步骤】

从图中某个顶点v出发，访问v,并置visited[v]的值为true,然后将v进队。
只要队列不空，则重复下述操作：

队头顶点u出队；
依次检查u的所有邻接点w,如果visited[w]的值为false,则访问w,并置visited[w]的值为true,然后将w进队。

图3.2-4 广度优先算法遍历连通图基本思路

若是非连通图，上述遍历过程执行之后，图中一定还有顶点未被访问，需要从图中另选一个未被访问的顶点作为起始点，重复上述广度优先搜索过程，直到图中所有顶点均被访问过为止。

图3.2-5 广度优先算法遍历非连通图基本思路

void BFS( ALGraph G, int v)
{  int Q[MAX],f=0,r=0,x;     
    ArcNode *w;
    printf("%d\t",v);  visited[v]=1;
    Q[r++]=v; 
    while(f<r)
    {    x=Q[f++];
          w=G.vertices[x].firstarc; 
          while(w)  
          {     x=w->adjvex;  
                 if(visited[x]==0)
                {     visited[x]=1;
                       printf("%d\t",x);
		
                       Q[r++]=x;    }
                 w=w->nextarc;  
            }
     }
}