一.图的基本概念
1、图的定义
图是由顶点集V和边集E组成,记作G=(V, E) G:Graphic 图形 V:Vertex 顶点 E:Edge 边
2、有向图和无向图
如果边是有方向的则称为有向图,如果边没有方向则称为无向图
3、无权图和带权图
对图中的边赋予具有一定意义的数值(路程、费用等等)的图称为带权图
4、顶点的度
对于无向图,顶点v的度定义为和v相关联的边数
对于有向图,顶点v的度分为入度和出度
5、完全图
任意两个顶点之间都存在一条边
无向完全图的边数为1/2*n*(n-1)
有向完全图的边数为n*(n-1)
7、路径
若顶点vp和vq可以由若干条边连通,则称vp到vq存在一条路径
无权图的路径长就是路径上经过边数
带权图的路径长要乘以每条边的权
简单路径:除了起点和终点可以为同一个顶点外,其余顶点均不相同
回路或环:起点和终点为同一个顶点的简单路径
8、图的连通性
如果从顶点vi到顶点vj有路径,则称vi和vj是连通的。
如果图中任意两个顶点都是连通的,则称该图是连通图。
对于有向图,如果图中的任意两个顶点vi和vj是双向连通的,则该图是强连通图。
9、连通分量
无向图的极大连通子图称为连通分量,有向图的极大强连通子图称为强连通分量
---极大顶点数:再加一个顶点就不连通
---极大边数:包含子图中所有顶点相连的所有边
【推论】
a、无向连通图的连通分量只有一个,就是它自身,称为极大连通子图(无向图的连通分量至少为1)
b、无向非连通图的连通分量有多个,最多有n个(n为顶点)
c、有向强连通图的强连通分量只有一个,就是它自身,称为极大强连通子图
d、有向非强连通图的强连通分量有多个
连通分量通过遍历图来求出,从图中某个顶点v出发遍历图,如果能够遍历到所有顶点,则该图是连通的;如果遍历不到所有顶点,则图是非连通的,要在未被遍历的顶点中选择新的出发点,直到所有顶点都被遍历到,那么每次遍历得到的就是图的一个连通分量
9、操作集
二.图的存储结构
1、邻接矩阵
邻接矩阵是表示图中顶点之间相邻关系的矩阵。设G=(V,E)是具有n个顶点的图,则G的邻接矩阵是具有如下定义的n阶方阵:
无向图的邻接矩阵:对称矩阵
有向图的邻接矩阵:各行之和是出度,各列之和是入度
带权图的邻接矩阵
2、邻接表
无向图的邻接表
有向图可以用两个邻接表表示,出边表叫邻接表,入边表叫逆邻接表
三.图的遍历
图的遍历是从某个顶点出发,沿着某条路径对图中每个顶点做且仅做一次访问。遍历图的算法是求解图的连通性、图的拓扑排序等算法的基础。
为了避免顶点的重复访问,可设一个布尔数组visisted[0...n-1],用来标记某个顶点是否被访问过,初始值均为假,若该顶点已被访问过,则以顶点序号为下标的数组元素置为真。
1、深度优先搜索遍历(DFS)
深度优先遍历图的方法是,从图中某顶点v出发:
(1)访问顶点v;
(2)依次从v的未被访问的邻接点出发,对图进行深度优先遍历;直至图中和v有路径相通的顶点都被访问;
(3)若此时图中尚有顶点未被访问,则从一个未被访问的顶点出发,重新进行深度优先遍历,直到图中所有顶点均被访问过为止。//来自百度
(1)以邻接矩阵为存储结构的DFS递归算法
int visited[MaxVertexNum] = {0};
//@param G 要遍历的图
// i 顶点序号
// n 顶点总数
void DFS(MGraph G, int i, int n)
{
printf("v%d ", i); // 首先访问顶点vi
visited[i] = 1;
for (int j = 0; j < n; j++) { // 依次遍历vi的每个邻接点
// 若(vi,vj)属于E(G)且vj未访问过
if (G.arcs[i][j] == 1 && !visited[j])
DFS(G, j, n);
}
}
(2) 以邻接表为存储结构的DFS递归算法
int visited[MaxVertexNum] = {0};
//@param G 要遍历的图
// i 顶点序号
void DFS(VNode G[], int i)
{
printf("v%d ", i); // 首先访问vi
visited[i] = 1;
EdgeNode *p;
int j;
p = G[i].link;
while (p != NULL) { // 依次遍历vi的每个邻接点
j = p->vex_id;
if (!visited[j]) // 若邻接点vj未被访问过
DFS(G, j);
p = p->next;
}
}
(3)练习
2、广度优先搜索遍历(BFS)
(1)以邻接矩阵为存储结构的DFS递归算法
//邻接矩阵版
int n,G[MAXV][MAXV];
bool inq[MAXV]={false};
void BFS(int u)
{
queue<int> q;
q.push(u);
inq[u]=true;
while(!q.empty())
{
int u=q.front();
q.pop();
for(int v=0;v<n;v++)
{
if(inq[v]==false&&G[u][v]!=INF)
{
q.push(v);
inq[v]=true;
}
}
}
}
void BFSTrave()
{
for(int u=0;u<n;u++)
{
if(inq[u]==false)
BFS(q);
}
(2) 以邻接表为存储结构的DFS递归算法
//邻接表版
vector<int>Adj[MAXV];
int n;
bool inq[MAXV]={false};
void BFS(int u)
{
queue<int> q;
q.push(u);
inq[u]=true;
while(!q.empty())
{
int u=q.front();
q.pop();
for(int i=0;i<Adj[u].size();i++)
{
int v=Adj[u][i];
if(inq[v]==false)
{
q.push(v);
inq[v]=true;
}
}
}
}
(3) 练习
3、DFS和BFS对比
深度优先搜索用栈(stack)来实现,整个过程可以想象成一个倒立的树形:
1、把根节点压入栈中。
2、每次从栈中弹出一个元素,搜索所有在它下一级的元素,把这些元素压入栈中。并把这个元素记为它下一级元素的前驱。
3、找到所要找的元素时结束程序。
4、如果遍历整个树还没有找到,结束程序。
广度优先搜索使用队列(queue)来实现,整个过程也可以看做一个倒立的树形:
1、把根节点放到队列的末尾。
2、每次从队列的头部取出一个元素,查看这个元素所有的下一级元素,把它们放到队列的末尾。并把这个元素记为它下一级元素的前驱。
3、找到所要找的元素时结束程序。
4、如果遍历整个树还没有找到,结束程序。