图解数据结构之图、邻阶矩阵、邻接表、拓扑排序、AOE网及其关键路径

已于 2024-04-30 11:28:59 修改
阅读量1k 收藏 13
点赞数 10
分类专栏： 数据结构与算法 文章标签： 数据结构 c语言 算法
于 2024-04-30 09:38:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tyx2985491138/article/details/138334541
版权

图（Graph）

参考视频

1、概念

（1）图的定义
  • 图是由两个集合组成V、E，记为G=(V,E)。
    • V是顶点（数据元素）的有穷非空集合
    • E是顶点偶对的有穷集合，这些点偶对称为边
  • 无向图：每条边都是没有方向的图，没有箭头
  • 有向图：如上，反之。每条边都是有方向的图
    • 顶点个数=表头结点个数
    • 边数=2倍表结点数

image-20240328200232643

（2）基本术语
  • 子图：

image-20240328200400942

  • 简单图： 如上图G1、G2都是

    • 不存在重复边
    • 不存在顶点的自身的边

  • 多重图：

    • 若图G中某两个结点之间的边数多于一条，又允许顶点通过同一条边和自己关联，则G为多重图。多重图的定义和简单图是相对的

  • 完全图（也称简单完全图）
    image-20240328201058622

  • 稀疏图和稠密图

    • 边或弧的个数e < n logn的图为稀疏图，否则稠密图。（n为图的数量）

  • 权和网

    • 图中的边可标上具有某种含义的数值，该数值称为边上的权
    • AOV网是有向完全图

  • 有权图与无权图

    如果图中的边有各自的权重，得到的图是有权图。比如地铁路线图，连接两站的边的权重可以是距离，也可以是价格，或者其他。反之，如果图的边没有权重，或者权重都一样（即没有区分），称为无权图。

  • 连通图

    如果图中任意两点都是连通的，那么图被称作连通图。图的连通性是图的基本性质。无向图中的一个极大连通子图称为其的一个连通分量。

  • 图的存储

    常用的存储方式有两种**：邻接矩阵和邻接表。**

（3）知识图解

image-20240412221646399

(4)图的遍历

遍历结果通常不唯一

  • 深度优先：一条路走到黑，这条路不通了可以折返找没走过的路
  • 广度优先：一行一行的遍历、或者一列一列的遍历，地毯式搜索

image-20240430093226052

2、邻阶矩阵

  • 无向图
    • 特点：
      1.无向图的邻接矩阵是对称的，且主对角线元素全为0(因为自己到自己没有边)。
      2.顶点i的度=第i行(列)中1的个数。
      3.完全图的邻接矩阵中，主对角元素为0，其余全为1，如果带权重的话没有连接写无穷。按0101这样写就行

image-20240330201249553

  • 有向图

    特点：
    有向图的邻接矩阵可能不是对称的。
    顶点的出度=第i行元素之和；
    顶点的入度=第i列元素之和；
    顶点的度=第i行元素之和+第i列元素之和。

image-20240330201254099

3、邻接表

  • 无向图

    • 邻接表不唯一
    • 有连接的都要指向

    image-20240412221917142

  • 有向图

image-20240412220531919

4、拓扑排序

  • 入度：有箭头指向自己的为入度点

  • 出度：有指向别人的箭头

    • 如4：入度为2，出度为2
    • 如1：入度为0，出度为2

  • 拓扑排序：

    找没有入度的点输出，并去除所对应边，如图，因为1没有入度输出1，第二个图2没有入度输出2。如果有多个没有入度的随意选择

image-20240410184232032

  • 逆拓扑排序

    • 与拓扑排序相反，逆拓扑排序找没有出度的点
    • 如上图逆拓扑排序输出结果为：5、3、4、2、1

5、AOE网、关键路径

  • AOE网

    AOE网（Activity On Edge Network）用边表示活动，用顶点表示事件（活动的完成）。边是带权的，表示活动需要的时间。

  • 源点与汇点

    源点：入度为0的点，表示一个工程的开始。

    汇点：出度为0的点，表示一个工程的结束。

  • 关键活动与关键路径

    在AOE网中，从源点到汇点最长的路径称为关键路径，在关键路径上的活动称为关键活动。

    因为AOE网中的活动是可以并行进行的，所以整个工程的时间开销，其实是最长路径的时间开销。即关键路径制约整个工程的工期。

  • 关键路径应用

    • 计算

      事件最早发生时间 = 拓扑排序第一个点到各点权重和（多路径选最大值）

      时间最迟发生时间 = 逆拓扑排序的第一个点 - 到各点权重值（多路径选做差完最小的值）

      活动最早发生时间 = 弧尾的事件最早发生时间

      活动最迟发生时间 = 弧头事件最迟发生时间 - 权重（即该边权重）

      时间余量 = 活动最迟发生时间 - 活动最早发生时间

    23249644e0add58331690dc41b8d0a2

在下滕非凡
关注
  • 10
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
邻接表表示的AOE网与邻接矩阵表示的AOE网求解AOE网的关键路径方法
12-13
在Windows7 64位+VS2015上运行求解AOE网关键路径的算法,邻接表表示的AOE网提示网中有回路,邻接矩阵表示的AOE网显示正确的信息?使用的算法是一样的,两种方法的相关类的接口函数也一致,为什么会出现这种问题?
图论、邻接矩阵、邻接表、拓扑排序
2303_79833354的博客
02-22 495
拓扑排序是一种有向无环图（DAG）的顶点排序方法，它将一个DAG中的所有顶点排成一个线性序列，使得图中任意一条有向边上的起点排在终点前面。在某些图中，边被赋予一个权值w，代表两个顶点间的物理距离，或者从一个顶点到另一个顶点的时间，或者是两点间的花费。3.存在找到的入度为0的顶点个数为0/存在某层节点个数多于1（e.g.有多个根节点）：拓扑序列不唯一。1.每次找到的入度为0的顶点个数均为1/每层节点个数均为1：拓扑序列为1。2.存在找到的入度为0的顶点个数为0：存在环，给出的关系有矛盾。
vue项目中实际构建echarts拓扑关系图业务
SHALLNY
11-15 8371
由于现在echarts的利用率增强，需要用到拓扑图的设计，如果单纯针对echarts文档来看，虽然可以利用API详细了解到功能点，但具体的实际运用与开发场景经验案例还是略有欠缺，下面将针对echarts关系拓扑图进行实例讲解。关系拓扑图，顾名思义，是有具体的关系存在的点，具有向量指向特点。那么就要求数据具备和的属性。思路是这样的，首先描绘物体（关系点），再者是描绘连接关系点的连线。 简单效果图如上图，共4层类型，同一层为同一个类型，分别是：运维人员、数据库、应用、用户，连接线为起始到终点的指向关系 2.测
数据结构图---拓扑结构
凯凯王的博客
05-28 9838
数据结构图---拓扑结构 【1】拓扑排序 在一个表示工程的有向图中，有顶点表示活动，用弧表示活动之间的优先关系，这样的有向图为顶点表示活动的网，我们称为AOV网。 AOV网中的弧表示活动之间存在的某种制约关系。 所谓拓扑排序，其实就是对一个有向图构造拓扑序列的过程。 【2】拓扑排序算法 对AOV网进行拓扑排序的基本思路： 从AOV网中选择一个入度为0的顶点输出； 然后删除此顶...
数据结构学习--图的邻接矩阵和邻接表存储
06-25
任意给出个图（本实验中使用有向图）的存储方式，试设计一个程序，在计算机中完成 该图的当前存储方式到另外一种存储方式的转换。
数据结构关键路径AOE网
02-13
用字符文件提供数据建立AOE网络邻接表存储结构，编写程序，输出一条关键路径以 及工程的最短完成时间。输出的关键路径用该路径上全部顶点的拓序有序序列表示。
数据结构图的邻接矩阵,邻接表存储表示，图的深度优先搜索遍历，广度优先搜索遍历
10-07
数据结构图的邻接矩阵,邻接表存储表示，图的深度优先搜索遍历，广度优先搜索遍历 数据结构图的邻接矩阵,邻接表存储表示，图的深度优先搜索遍历，广度优先搜索遍历.rar
数据结构课程设计项目，邻接链表、关键路径以及拓扑排序的图形化显示zip
11-17
大学生课程设计毕业设计项目、系统开发，供计算机等专业同学参考，提供说明材料+源代码 大学生课程设计毕业设计项目、系统开发，供计算机等专业同学参考，提供说明材料+源代码 大学生课程设计毕业设计项目、系统开发...
Java高阶数据结构-----并查集（详解）
2302_79862386的博客
06-11 1672
高阶数据结构---并查集（详解）
数据结构-树的性质
WinterXJujube的博客
06-09 281
树是一个有限数据元素的集合，当数据的量为0时，称为空树。在一个非空树T中，最上方的结点没有前驱结点，称为根节点。在一个数据量大于1的树中，除了根节点之外的其余数据元素可以被分为m个互不相交的集合T1,T2,T3等。其中每一个集合T都可以看作一个单独的树，称为整个树的子树。树拥有层级结构，而这种层级结构由递归实现。从根节点开始，根节点为第一层。经过一次递归得到的结点称为第二层，以此类推。而如果同一层的节点之间互相连通，则不成为树结构。
数据结构（DS）C语言版：学习笔记（三）：算法和算法分析
她与剑意皆失的博客
06-11 826
数据是信息的载体，是对客观事物的符号表示。数据元素是组成数据的基本单位，在计算机程序中通常作为一个整体进行考虑和处理。数据元素也称元素、记录、结点、顶点。数据结构Data Structure=（D,S）：D是数据元素的有限集，S是D上关系的有限集。线性结构：线性表，栈，队列，双队列，串（一维数组)。非线性结构：树形结构、图状结构（网状结构）、二叉树。顺序存储结构（重点）链式存储结构（重点）索引存储结构（了解）散列存储结构（哈希存储）程序 = 数据结构 + 算法。时间复杂度，空间复杂度。抽象数据类型
探秘C++ STL中的Stack与Queue：数据结构的艺术与实践
wgr050505的博客
06-11 403
stack和queue作为两种基础而重要的数据结构，扮演着不可或缺的角色。本文将深入剖析这两个容器适配器，通过丰富的代码示例，带你领略它们的功能与内部机制。
java-数据结构与算法-02-数据结构-01-数组
被拯救的威尼斯的博客
06-17 452
定义在计算机科学中，数组是由一组元素（值或变量）组成的数据结构，每个元素有至少一个索引或键来标识知道了数组的数据起始地址BaseAddressBaseAddress，就可以由公式BaseAddressi∗sizeBaseAddressi∗size计算出索引iii元素的地址iii即索引，在 Java、C 等语言都是从 0 开始sizesizesize是每个元素占用字节，例如intintin。
【数据结构初阶】--- 堆的应用：topk
weixin_59005084的博客
06-17 537
接下来我来讲解topk是什么把前k个数建成小堆后面N-k个数，依次比较，如果比堆顶数据大，就替换他进堆最后这个小堆的值就是最大的前k个思路：我想要在这些数据中找到前十个最大的数，那我就先向内存中开辟十个数的空间，再读取前十个数（文件中最前面的十个数），同时将这是个数构建成一个小堆，之后从文件中每读取一个数据都与堆顶元素比较，如果大于堆顶元素，就用当前读取到的数覆盖这个堆顶元素，再进行向下调整；如果小于对顶元素那就读下一个数据，一直重复到结束，最终，小堆中的是个元素就是所有数据中最大的十个数。
考研系列-数据结构第四章：字符串
Nelson_hehe的博客
06-17 437
本文是408考研付费专栏系列-数据结构字符串章节，本文详细地总结了字符串的基本概念，总结了顺序存储和链式存储的结构，还对模式匹配算法（主要是kmp算法的next数组计算）进行了详细归纳总结，对考研复习有比较好的参考意义。
【Linux 内存管理】
Hou_lang_LJ的博客
06-11 1422
🐧① 为什么要有虚拟内存呢？🖊
从零开始学数据结构系列之第三章《中序线索二叉树线索化及总代码》
铁匠匠匠的博客
06-16 783
​ i如果某结点的左指针域为空，因为其前驱结点刚刚访问过（如果是第一个元素则前驱指向NULL），赋值给了 pre，所以可以将pre赋值给pre->lchild,并修改pre->L为1，以完成前驱结点的线索化。因为这是他的后继并没有访问到，我们这里的D他的后继是B，因此只能放后面进行处理，同时我们要满足*pre!pre为B），而后面因为不满足条件直接跳过，来到代码的第16行，将。pre)->rchild == NULL这两个条件才能执行。我们可以按下面的图来直观的感受到，牺牲空间来换取时间。
洛谷 AT_abc358_c [ABC358C] Popcorn 题解
最新发布
xzz_0611 的博客
06-17 492
洛谷 AT_abc358_c [ABC358C] Popcorn 题解
使用邻接表和拓扑排序算法求关键路径
06-13
下面是一个使用邻接表和拓扑排序算法求关键路径的示例代码： ```c #include <stdio.h> #include <stdlib.h> #define MAX_VERTEX_NUM 100 #define INFINITY 65535 // 邻接表中的边结构体 typedef struct ArcNode { int adjvex; // 该边指向的顶点编号 int weight; // 该边的权重 struct ArcNode *next; // 指向下一条边的指针 } ArcNode; // 邻接表中的顶点结构体 typedef struct VertexNode { int data; // 顶点编号 ArcNode *firstarc; // 指向第一条边的指针 } VertexNode; // 邻接表结构体 typedef struct { VertexNode vertices[MAX_VERTEX_NUM]; // 顶点数组 int vexnum, arcnum; // 顶点数和边数 } ALGraph; // 拓扑排序中的栈结构体 typedef struct { int *data; // 存储栈中的元素 int top; // 栈顶指针 int size; // 栈的最大容量 } Stack; // 创建邻接表 void createGraph(ALGraph *G) { int i, j, k, weight; ArcNode *p; printf("请输入顶点数和边数："); scanf("%d %d", &G->vexnum, &G->arcnum); // 初始化邻接表 for (i = 0; i < G->vexnum; i++) { G->vertices[i].data = i; G->vertices[i].firstarc = NULL; } // 读入边的信息，建立邻接表 for (k = 0; k < G->arcnum; k++) { printf("请输入边的起点、终点和权重："); scanf("%d %d %d", &i, &j, &weight); // 添加一条从i到j的边 p = (ArcNode *)malloc(sizeof(ArcNode)); p->adjvex = j; p->weight = weight; p->next = G->vertices[i].firstarc; G->vertices[i].firstarc = p; } } // 拓扑排序 int topologicalSort(ALGraph G, int ve[]) { int i, j; int count = 0; int indegree[MAX_VERTEX_NUM] = {0}; // 存储每个顶点的入度 int *stack = (int *)malloc(sizeof(int) * G.vexnum); // 存储拓扑排序中的顶点 int top = -1; // 计算每个顶点的入度 for (i = 0; i < G.vexnum; i++) { for (ArcNode *p = G.vertices[i].firstarc; p != NULL; p = p->next) { indegree[p->adjvex]++; } } // 将入度为0的顶点入栈 for (i = 0; i < G.vexnum; i++) { if (indegree[i] == 0) { stack[++top] = i; } } // 依次弹出栈顶顶点，更新其邻接点的入度，入度为0的顶点入栈 while (top != -1) { i = stack[top--]; count++; // 更新所有以i为起点的邻接点的入度 for (ArcNode *p = G.vertices[i].firstarc; p != NULL; p = p->next) { j = p->adjvex; if (--indegree[j] == 0) { stack[++top] = j; } // 更新该邻接点的最早开始时间 if (ve[i] + p->weight > ve[j]) { ve[j] = ve[i] + p->weight; } } } if (count != G.vexnum) { return 0; // 有环 } else { return 1; // 无环 } } // 计算关键路径 void criticalPath(ALGraph G) { int i, j; int vl[MAX_VERTEX_NUM]; // 存储每个顶点的最晚开始时间 int ve[MAX_VERTEX_NUM] = {0}; // 存储每个顶点的最早开始时间 ArcNode *p; // 计算每个顶点的最早开始时间 if (!topologicalSort(G, ve)) { printf("该图存在环，无法计算关键路径！\n"); return; } // 计算每个顶点的最晚开始时间 for (i = 0; i < G.vexnum; i++) { vl[i] = ve[G.vexnum - 1]; } for (i = G.vexnum - 2; i >= 0; i--) { for (p = G.vertices[i].firstarc; p != NULL; p = p->next) { j = p->adjvex; if (vl[j] - p->weight < vl[i]) { vl[i] = vl[j] - p->weight; } } } // 输出关键路径 printf("关键路径为："); for (i = 0; i < G.vexnum; i++) { for (p = G.vertices[i].firstarc; p != NULL; p = p->next) { j = p->adjvex; if (ve[i] + p->weight == vl[j]) { printf("%d->%d ", i, j); } } } printf("\n"); } int main() { ALGraph G; createGraph(&G); criticalPath(G); return 0; } ``` 在该示例代码中，使用拓扑排序算法计算每个顶点的最早开始时间和最晚开始时间，并根据它们的差值来找到关键路径。在实际应用中，还需要考虑多个关键路径的情况，以及如何处理并发活动等问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值