图的存储方式总结及分析

图的存储方式总结及分析

一. 三种存储方式

1、邻接矩阵表示法：

以n*n的矩阵M存储每个节点之间的关系，通常以行表示一条边的起点（A），以列表示一条边的终点（B），即M（AB）存储着边AB的信息，这个信息可以是边的权值，也可以是标识边存在与否的标记。这种方式如同描述中所说，记录了每个节点之间的关系，并没有考虑图中的边，当图中的边很少时（称为“边稀疏图”），矩阵记录了很多没有价值的信息。

2、邻接表表示法：

这种表示方法中有两种链表：记录图中所有节点的链表A和记录与某个节点有边关系的所有结束节点的链表B。对应两种链表，就有两种节点结构：第一种用来标志图中的节点，我们用NA表示。它的结构如下{Node node；NA* next；NB* endpoint}，其中node表示节点的信息，next指向图中的下一个节点地址，至于指向谁并没有关系，endpoint指向也node有边关系的第一个边节点。由NA形成的链表A，存储着图中所有的节点。第二种用来标记图中边关系，我们用NB表示。它的结构如下{Node endpoint；Node* next;}，其中endpoint表示某一条边的结束节点，这条边的起始节点就是这条链表的头指针所在的NA型节点中的node。这种关系用示意图来表示就是这样的：

3、邻接多重表表示法：

对于无向图：还是有两种链表，表示图中节点信息的节点表和表示图中边信息的边标。这里的边信息链表C的节点NC结构如图：

这里visited用来标记这条边是否被访问过，Start是边的一个点，ES指向下一条与Start相关的边，End是边的另一个点，EE指向下一条与End相关的边。这里给出的是以数组形式存储顶点表的结构，如果再增添一个指针域即可实现链式存储。
对于有向图：邻接多重表也叫做十字链表，是一种同时保存有向节点的入边和出边信息的链表。直接给出结构示意图：

这里，node是节点信息，out是指向第一条以node为起点的边的指针，in是指向第一条以node为终点的边打指针。Start是边的起点（和node同一个节点），ESO是以start为起点的下一条边的指针，end是边的终点，EEI是以end为终点的下一条边的指针。

二、三种存储方式特点的分析：

1、邻接矩阵是实现各种算法最简单的一种方式，其简单性主要来自数组读取元素的简洁性。但是其空间效率不高。

2、邻接链表表示法，提高了空间的利用率，读取以某一节点为起点的所有边是比较简单的。但是链表的先天劣势就是随机读取方面需要移动指针，这就造成了算法的执行速度会比使用数组要慢许多。当然我们可以通过封装方法以及重载运算符的方式实现数组的功能，但是这只是代码层面的模仿，效率上是不可弥补的。除此之外，当要获得以某一节点为终点的所有边时，使用邻接表就显得十分无力了，算法实现显得十分笨拙：通过遍历所有节点的边链表，以检查是否存在满足条件的边。这里也突出了邻接表的优势：它的随机读取方面的优势。当然我们也可以封装方法来实现这一功能。

3、邻接多重表表示法：邻接多重表弥补了邻接表在读取以某一节点为终点的所有边不方便的缺点：通过记录更多的信息避免使用代码进行信息的获取。

总结：空间与时间很难同时达到最优：矩阵浪费了空间，但是记录了最全面的信息，所以相关算法的代码实现就很简洁；邻接表通过抛弃无效信息节约了一些空间，但是其相关算法的代码实现就要显得更臃肿一些，虽然通过添加一些辅助函数可以使算法实现的主体代码简洁一些，但是代码量总是增加了。邻接多重表比邻接表记录了更多的信息而占用了比其更多的空间，但是简化了某一功能的实现代码。所以要具体情况具体分析啊！这就是程序员的价值所在！这就是经验的价值所在！
但是从初始化图的角度来看，邻接表和矩阵都是比较容易实现图存储的初始化，邻接多重表的建立感觉是一个逐步完善的过程，因为边表中节点之间的关系很紧密，一个边表节点中含有两个边表节点的指针。所以其建立过程并不简单。