数据结构之图 和问答题

数据结构之图 和问答题

 

目录

数据结构之图 和问答题

图的定义和术语

图的存储结构

图的遍历

连通网的最小生成树

单源最短路径

拓扑排序

关键路径

广义表

---

 

 

图的定义和术语

邻接点、度、入度、出度 路径、路径长度、简单路径、简单回路 连通图、连通分量、强连通图、强连通分量 生成树、生成森林

图：记为 G＝( V, E ) 其中：V 是G的顶点集合，是有穷非空集； E 是G的边集合，是有穷集。

有向图 图G中的每条边都是有方向的； 无向图 图G中的每条边都是无方向的； 完全图 图G任意两个顶点都有一条边相连接；

稀疏图：边较少的图。通常边数<<n2 稠密图：边很多的图。无向图中，边数接近n(n-1)/2 ； 有向图中，边数接近n(n-1)

图的存储结构

图的特点：非线性结构（m :n ）邻接矩阵(数组)表示法 邻接表(链式)表示法

邻接矩阵（适合稠密图）

用矩阵来表示图中顶点之间的邻接关系。借助邻接矩阵容易判定任意两个顶点之间是否有边或弧相连，并容易求得各个顶点的度。 ① 对于无向图，顶点vi的度是邻接矩阵中第i行(第i列)的元素之和。 ② 对于有向图，顶点vi的出度OD(vi)是第i行的元素之 和。顶点vj的入度ID(vj)是第j列的元素之和。 存储表示定义如下： 用邻接矩阵表示图，除了存储用于表示顶点之间相邻关系的邻接矩阵外，还需用一个顺序表存储顶点信 息。

邻接表表示法

 

①无向图的邻接表中结点个数是边数的两倍。 ②在无向图的邻接表中，顶点vi的度恰为第i个链表中 的结点个数。 ③在有向图的邻接表中，第i个单链表中的结点个数只 是顶点vi的出度。 ④顶点的入度值不容易得出。为了便于确定顶点vi的入度，则建立一个以顶点vi为头的弧的单链表,称为有 向图的逆邻接表。

邻接表特点：空间效率高；容易寻找顶点的邻接点

缺点：判断两顶点间是否有边或弧，需搜索两结点对应的单链表，没有邻接矩阵方便。

图的遍历

遍历定义：从已给的连通图中某一顶点出发,沿着一些边访遍图中所有的顶点,且使每个顶点仅被访问一次,就叫做图的遍历，它是图的基本运算。

一、深度优先搜索 递归 栈

通图的深度优先搜索遍历：从图中某个顶点V0 出发，访问此顶点，然后依次从V0的各个未被访问的邻接点出发深度优先搜索遍历图，直至图中所有和V0有路径相通的顶点都被访问到。

二、广度优先搜索 层次遍历 队列

简单归纳：
在访问了起始点v之后，依次访问 v的邻接点；
然后再依次访问这些顶点中未被访问过的邻接点；
直到所有顶点都被访问过为止。

 

连通网的最小生成树

生成树：是一个极小连通子图，它含有图中全部顶点，但只有n-1条边。 生成森林：由若干棵生成树组成，含全部顶点，但构成这些树的边是最少的。

Kruskal算法特点：将边归并，适于求稀疏网的最小生成树。算法采用邻接表作为图的存储表示 Prime算法特点: 将顶点归并，与边数无关，适于稠密网。邻接矩阵作为图的存储表示 这两个算法，都是利用MST 性质来构造最小生成树的。

Kruskal算法 O(eloge)

（简单的说就是找不围成圈的最小的边）
步骤：
(1) 首先构造一个只有n个顶点但没有边的非连通图T={V,}, 图中每个顶点自成一个连通分量。
(2) 当在边集 E 中选到一条具有最小权值的边时,若该边的两个顶点落在T中不同的连通分量上，则将此边加入到生成树的边集合T 中；否则将此边舍去，重新选择一条权值最小的边。
(3) 如此重复下去，直到所有顶点在同一个连通分量上为止。此时的T即为所求（最小生成树）

Prime算法 O(n2)

（简单的说就是一直加点）
​
取图中任意一个顶点 v 作为生成树的根，之后往生成树上添加新的顶点 w。添加顶点w的条件为：w 和已在生成树上的顶点v 之间必定存在一条边，并且该边的权值在所有连通顶点 v 和 w 之间的边中取值最小。之后继续往生成树上添加顶点，直至生成树上含有 n-1 个顶点为止。

 

单源最短路径

两种常见的最短路径问题：

一、 单源最短路径—用Dijkstra（迪杰斯特拉）算法

（1）初始时，S只包含源点v，即S＝v。U包含除v外的其他顶点，U中顶点u距离为边上的权（若v与u有边）或（若u不是v的出边邻接点）。

（2）从U中选取一个距离v最小的顶点k，把k，加入S中（该选定的距离就是v到k的最短路径长度）。

（3）以k为新考虑的中间点，修改U中各顶点的距离；若从源点v到顶点u（u U）的距离（经过顶点k）比原来距离（不经过顶点k）短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边上的权。

（4）重复步骤（2）和（3）直到所有顶点都包含在S中。

二、所有顶点间的最短路径—用Floyd（弗洛伊德）算法

拓扑排序

拓扑排序算法：重复选择没有直接前驱的顶点。

① AOV网(Activity On Vertices)—用顶点表示活动的网络 AOV网定义：若用有向图表示一个工程，在图中用顶点表示活动，用弧表示活动间的优先关系。Vi 必须先于活动Vj 进行。则这样的有向图叫做用顶点表示活动的网络，简称 AOV。 ② AOE网(Activity On Edges)—用边表示活动的网络 AOE网定义：如果在无环的带权有向图中， 用有向边表示一个工程中的活动，用边上权值表示活动持续时间，用顶点表示事件，则这样的有向图叫做用边表示活动的网络，简称 AOE。

AOE网络的用途：常用于大型工程的计划管理。利用AOE网络可以解决以下两个问题：

 (1) 完成整个工程至少需要多少时间。
       (假设网络中没有环)? 
 (2) 为缩短完成工程所需的时间, 应当加快哪些活动?
       或者说，哪些活动是影响工程进度的关键？ 

 

关键路径

完成整个工程所需的时间取决于从源点到汇点的最长路径长度，即在这条路径上所有活动的持续时间之和。这条路径长度最长的路径就叫做关键路径(Critical Path)。

构造关键路径的方法：要用到拓扑排序和逆拓扑排序

 

广义表

广义表的定义

 

广义表的特性 ① 广义表是一种线性结构，表中数据元素彼此间有固定的相对次序；广义表的长度定义为最外层包含的元素个一种图形表示。 广义表的深度定义为所含括弧的重数;注意:“原子”的深度为0， “空表”的深度为 1。

广义表可以是一个递归的表; 递归表的深度是无穷值，长度是有限值。

③ 广义表可以共享；如广义表F可同时为广义表D和C的子表。 ④ 广义表可以是一个递归的表。如广义表B，递归表的深度是无穷值，长度是有限值。 ⑤ 任何一个非空广义表 LS = ( 1, 2, …, n) 均可分解为： 表头 Head(LS) = 1 和 表尾 Tail(LS) = ( 2, …, n)两部分。 例如: D = ( E, F ) = ((a, (b, c))，F ) Head( D ) = E Tail( D ) = ( F ) Head( E ) = a Tail( E ) = ( ( b, c) ) Head( (( b, c)) ) = ( b, c) Tail( (( b, c)) ) = ( )

广义表的存储结构

广义表的遍历

问答题

邻接表与邻接矩阵有什么异同之处？

联系：邻接表中每个链表对应于邻接矩阵中的一行，链表中结点个数等于一行中非零元素的个数。

区别： ① 对于任一确定的无向图，邻接矩阵是唯一的（行列号与顶点编号一致），但邻接表不唯一（链接次序与顶点编号无关）。 ② 邻接矩阵的空间复杂度为O(n2),而邻接表的空间复杂度为O(n+e)。

用途：邻接矩阵多用于稠密图的存储(e接近n(n-1)/2)；而邻接表多用于稀疏图的存储(e<<n2)