图的定义
图是由顶点的有穷非空集合和顶点之间边的集合组成,通常表示为:
G
=
(
V
,
E
)
G=(V, E)
G=(V,E)
其中:G表示一个图,V是图G中顶点的集合,E是图G中顶点之间边的集合。
在线性表中,元素个数可以为零,称为空表;
在树中,结点个数可以为零,称为空树;
在图中,顶点个数不能为零,但可以没有边。(没有空图的概念)
图的逻辑结构
若顶点
v
i
v_i
vi和
v
j
v_j
vj之间的边没有方向,则称这条边为无向边,表示为
(
v
i
,
v
j
)
(v_i,v_j)
(vi,vj)。
如果图的任意两个顶点之间的边都是无向边,则称该图为无向图
若从顶点v,到v,的边有方向,则称这条边为有向边,表示为<vi,v>。
如果图的任意两个顶点之间的边都是有向边,则称该图为有向图
图的基本术语
简单图:在图中,若不存在顶点到其自身的边,且同一条边不重复出现。
数据结构中讨论的都是简单图。
邻接,依附
无向图
无向图中,对于任意两个顶点 v i v_i vi,和顶点 v j v_j vj,若存在边 ( v i , v j ) (v_i,v_j) (vi,vj),则称顶点 v i v_i vi,和顶点 v j v_j vj,互为邻接点,同时称边 ( v i , v j ) (v_i,v_j) (vi,vj)依附于顶点 v i v_i vi,和顶点 v j v_j vj
v
0
v_0
v0的邻接点:
v
1
v_1
v1,
v
3
v_3
v3
v
1
v_1
v1的邻接点:
v
0
v_0
v0,
v
2
v_2
v2,
v
4
v_4
v4
有向图
无向图中,对于任意两个顶点 v i v_i vi,和顶点 v j v_j vj,若存在弧 < v i , v j > <v_i,v_j> <vi,vj>,则称顶点 v i v_i vi,和顶点 v j v_j vj,互为邻接点,同时称弧 < v i , v j > <v_i,v_j> <vi,vj>依附于顶点 v i v_i vi,和顶点 v j v_j vj
不同逻辑结构关系的对比
在线性结构中,数据元素之间仅具有线性关系;
在树结构中,结点之间具有层次关系;
在图结构中,任意两个顶点之间都可能有关系。
在线性结构中,元素之间的关系为前驱和后继
在树结构中,结点之间的关系为双亲和孩子
在图结构中,顶点之间的关系为邻接。
图的基本术语
无向完全图:在无向图中,如果任意两个顶点之间都存在边,则称该图为无向完全图。
有向完全图:在有向图中,如果任意两个顶点之间都存在方向相反的两条弧,则称该图为有向完全图
含有n个顶点的无向完全图有
n
×
(
n
−
1
)
/
2
n\times(n-1)/2
n×(n−1)/2条边。
含有n个顶点的有向完全图有
n
×
(
n
−
1
)
n\times (n-1)
n×(n−1)条弧。
稀疏图:称边数很少的图为稀疏图;稠密图:称边数很多的图为稠密图。
顶点的度:在无向图中,顶点v的度是指依附于该顶点的边数,通常记为
T
D
(
v
)
TD(v)
TD(v)。
顶点的入度:在有向图中,顶点v的入度是指以该顶点为弧头的弧的数目,记为
I
D
(
v
)
ID(v)
ID(v);顶点的出度:在有向图中,顶点v的出度是指以该顶点为弧尾的弧的数目,记为
O
D
(
v
)
OD(v)
OD(v)。
在具有n个顶点、e条边的无向图中,各顶点的度之和与边数之和有如下关系
∑
i
=
1
n
T
D
(
ν
i
)
=
2
e
\sum\limits_{i=1}^{n}T D\left(\nu_{i}\right)=2e
i=1∑nTD(νi)=2e
在具有n个顶点、e条边的有向图中,各顶点的入度之和与各顶点的出度之和有如下关系
∑
i
=
1
n
I
D
(
v
i
)
=
∑
i
=
1
n
O
D
(
v
i
)
=
e
\sum\limits_{i=1}^{n}ID\left(v_i\right)=\sum\limits_{i=1}^{n}OD\left(v_i\right)=e
i=1∑nID(vi)=i=1∑nOD(vi)=e
权:是指对边赋予的有意义的数值量。(一个节点到另一个结点需要的代价)
网:边上带权的图,也称网图
路的长度
非带权图 ————> 路径上边的个数
带权图 ————> 路径上各边的权之和
回路,简单路径,简单回路
回路(环):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(简单环):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。
连通图,连通分量
连通图:在无向图中,如果从一个顶点
v
i
v_i
vi,到另一个顶点
v
j
(
i
≠
j
)
v_j(i\ne j)
vj(i=j)有路径,则称顶点
v
i
v_i
vi,和
v
j
v_j
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。
连通分量:非连通图的极大连通子图称为连通分量。
1.含有极大顶点数;
2.依附于这些顶点的所有边
强连通图:在有向图中,对图中任意一对顶点
v
i
v_i
vi,
v
j
(
i
≠
j
)
v_j(i\ne j)
vj(i=j),若从顶点
v
i
v_i
vi,到顶点
v
j
v_j
vj,和从顶点
v
j
v_j
vj,到顶点
v
i
v_i
vi,均有路径则称该有向图是强连通图。
强连通分量:非强连通图的极大强连通子图。
生成树
生成树:n个顶点的连通图G的生成树是包含G中全部顶点的一个 极小连通子图 极小连通子图 极小连通子图。
含有n-1条边,多一条构成回路,少一条不连通
生成森林:在非连通图中,由每个连通分量都可以得到一棵生成树,这些连通分量的生成树就组成了一个非连通图的生成森林。
图的储存
图的粗存结构及实现
邻接矩阵
基本思想:用一个一维数组存储图中顶点的信息,用一个二维数组(称为邻接矩阵)存储图中各顶点之间的邻接关系。
无向图的邻接矩阵
特点:
主对角线为0且一定是对称矩阵。
如何求邻接矩阵中的度
通过扫描该点邻接矩阵中的行
该点边表中结点的个数
有向图的临界矩阵
可能不是对称的
网图邻接矩阵的定义
arc [ i ] [ j ] = { w i j ,若 ( v i , v j ) ∈ E ( 或 < v i , v j > ∈ E ) 0 , 若 i = j ∞ ,其他 \textbf{arc}[i][j]=\left\{\begin{array}{l}\boldsymbol{w}_{ij},若(v_i,v_j)\in E(或<v_i,v_j>\in E) \\ \boldsymbol{0},若i=j \\{\infty},其他\end{array}\right. arc[i][j]=⎩ ⎨ ⎧wij,若(vi,vj)∈E(或<vi,vj>∈E)0,若i=j∞,其他
图的储存结构及实现
const int MAX_VERTEX=10;//图的最大顶点数
class MGraph{
private:
Data Type vertex[MAX_VERTEX];
int arc[MAX_VERTEX][MAX_VERTEX];
int vertexNum, arcNum;
public:
MGraph(DataType v[],int n,int e);//构造函数
-MGraph(); //析构函数
void DFSTraverse(int v); //深度遍历
void BFSTrayerse(int v); //广度遍历
};
构造函数的实现
邻接矩阵中图的基本操作——构造函数
1.确定图的顶点个数和边的个数;
2.输入顶点信息存储在一维数组vertex中;
3.初始化邻接矩阵arc;
4.依次输入每条边存储在邻接矩阵arc中;
4.1输入边依附的两个顶点的序号i,j;
4.2将邻接矩阵的第i行第j列的元素值置为1;
4.3将邻接矩阵的第j行第i列的元素值置为1;
MGraph::MGraph(Data Type v[], int n,int e){
vertexNum = n;
arcNum = e;
for (i = 0; i < vertexNum; i++)
vertex[i] = v[i];
for (i = 0; i < vertexNum; i++)
//初始化邻接矩阵
for (j = 0; j < vertexNum; j++)
arc[i][] = 0;
for (i = 0; i< arcNum; i++)[ //依次输入每一条边
cin >>vi>>vj; //输入边依附的两个顶点的编号
arc[vi][vj] = 1; //置有边标志
arc[vj][vi] = 1;
}
}
邻接表
图的邻接矩阵储存结构的空间复杂度?
假设图G有n个顶点e条边,则储存该图需要 O ( n 2 ) O(n^2) O(n2)
如果为稀疏图则会出现什么现象?
邻接表储存的基本思想:对于图的每个顶点 v i v_i vi,将所有邻接于 v i v_i vi的顶点链成一个单链表,称为顶点 v i v_i vi的边表(对于有向图则称为出边表)所有边表的头指针和存储顶点信息的一维数组构成了顶点表。
vertex | 数据域,存放顶点信息 |
---|---|
firstEdge | 指针域,指向边表中第一个结点 |
adjvex | 邻接点域,边的终点在顶点表中的下标 |
next | 指针域,指向边表中的下一个结点 |
struct ArcNode//边表
{
int adjvex;
ArcNode *next;
};
struct VertexNode //顶点表
{
DataType vertex;
ArcNode *fristEdge;
};
图的存储结构及实现
邻接表存储有向图的类
const int MAx_VERTEX = 10;
class ALGraph{
private:
VertexNode adjList[MAX_VERTEX];
int vertexNum,arcNum;
public:
ALGraph(DataType v[],int n,int e);//构造函数
~ALGraph(); //析构函数
void DFSTraverse(int v);
void BFSTraverse(int v);
}
邻接表中图的基本操作----构造函数
1.确定图的顶点个数和边的个数
2.输入顶点信息,初始化该顶点的边表
3.依次输入边的信息并储存在边表中
3.1输入边所依附的两个顶点的序号 v i v_i vi和 v j v_j vj
3.2生成邻接点序号为 v j v_j vj的边表结点s
3.3将结点s插入到第 v i v_i vi个边表的头部
ALGraph:: ALGraph(DataType v[], int n, int e){
vertexNum = n;
arcNum = e;
for (i = 0; i < vertexNum; i++) {
//初始化顶点信息,指针域都为空
adjList[i].vertex = v[i];
adjList[i].firstEdge = NULL;
}
for(i = 0;i < arcNum ;i++){
//输入边的信息存储在边表中
cin>>vi>>vj;//输入边依附的两个顶点的编号
s = newArcNode;
s->adjvex = vj;
s->next = adjList[vi].fristEdge;
adjList[vi].fristEdge = s;
}
}
十字链表
将邻接表和逆邻接表合二为一,方便计算每个结点的入读和出度。
要频繁计算数据的入度和出度,用十字链表。
空间性能 | 时间性能 | 适用范围 | 唯一 | |
---|---|---|---|---|
邻接矩阵 | O ( n 2 ) O(n^2) O(n2) | O ( n 2 ) O(n^2) O(n2) | 稠密图 | 唯一 |
邻接表 | O ( n + e ) O(n+e) O(n+e) | O ( n + e ) O(n+e) O(n+e) | 稀疏图 | 不唯一 |
图的遍历
1.在图中,任何两个顶点之间都可能存在边,顶点是没有确定的先后次序的,所以,顶点的编号不唯一。
为了定义操作的方便,将图中的顶点按任意顺序排列起来,比如,按顶点的存储顺序。
2.从某个起点始可能到达不了所有其它顶点,怎么办?
解决方案:多次调用从某顶点出发遍历图的算法。
3.因图中可能存在回路,某些顶点可能会被重复访问,那么如何避免遍历不会因回路而陷入死循环。
解决方案:附设访问标志数组visited[n]
4.在图中,一个顶点可以和其它多个顶点相连,当这样的顶点访问过后,如何选取下一个要访问的顶点?
深度和广度优先遍历
深度优先遍历
(1)访问顶点v;
(2)从v的未被访问的邻接点中选取一个顶点w,从w出发进行深度优先遍历;
(3)重复上述两步,直至图中所有和v有路径相通的顶点都被访问到。
伪代码
1.访问顶点v;visited[v]= 1;
2.w=顶点v的第一个邻接点;
3.while(w存在)
3.1 if(w未被访问)从顶点w出发递归执行该算法;
3.2 w=顶点v的下一个邻接点;
邻接表实现
void ALGraph::DFSTraverse(int * visited) {
int i;
for (i = 0; i < vertexNum; i++) {
visited[i] = 0;
}
for (i = 0; i < vertexNum; i++) { //循环遍历每个顶点
if (!visited[i]) {
DFS(i, visited);
}
}
}
void ALGraph::DFS(int v, int *visited) { //遍历单个头顶点
visited[v] = 1;
cout << adjList[v].vertex << " ";
ArcNode *p = adjList[v].firstEdge;
while (p) {
if (!visited[p->adjvex]) {
DFS(p->adjvex, visited);
}
p = p->next;
}
}
邻接矩阵实现
template<class T>
void MGraph<T>::DFS(int i,int * visited){
cout<<vertex[i]<<" ";
visited[i] = 1;
for(int j=0;j<vertexNum;j++){
if(visited[j] == 0&&arc[i][j] != 0 &&arc[i][j] != INFINIT){
DFS(j,visited);
}
}
}
template<class T>
void MGraph<T>::DFSTraverse(int * visited){
for(int i=0;i<vertexNum;i++){
visited[i] = 0;
}
for(int i=0;i<vertexNum;i++){
if(!visited[i]){
DFS(i,visited);
}
}
}
广度优先遍历
基本思想:
(1)访问顶点v;
(2)依次访问v的各个未被访问的邻接点v1,V2,…,Vk
(3)分别从v1,V2,…, Vk出发依次访问它们未被访问的邻接点,并使“先被访问顶点的邻接点”先于后被访问顶点的邻接点”被访问。直至图中所有与顶点v有路径相通的顶点都被访问到。
邻接表实现
void ALGraph::BFSTraverse(int * visited) {
int i;
for (i = 0; i < vertexNum; i++) {
visited[i] = 0;
}
for (i = 0; i < vertexNum; i++) {
if (!visited[i]) {
BFS(i, visited);
}
}
}
void ALGraph::BFS(int i, int *visited) {
queue<int> q;
visited[i] = 1;
q.push(i);
while(!q.empty()){
int temp = q.front();
cout<<adjList[temp].vertex<<" ";
q.pop();
ArcNode * p = adjList[i].firstEdge;
while(p){
if(!visited[p->adjvex]){
q.push(p->adjvex);
visited[p->adjvex] = 1;
}
p = p->next;
}
}
}
邻接矩阵实现
template<class T>
void MGraph<T>::BFS(int i,int * visited){
queue<int> q;
visited[i] = 1;
q.push(i);
while(!q.empty()){
int temp = q.front();
cout<<vertex[temp]<<" ";
q.pop();
for(int j=0;j<vertexNum;j++){
if(!vertex[i]&&arc[i][j]!=0&&arc[i][j]!=INFINIT){
visited[j] = 1;
q.push(j);
}
}
}
cout<<endl;
}
template<class T>
void MGraph<T>::BFSTraverse(int * visited){
for(int i=0;i<vertexNum;i++){
visited[i] = 0;
}
for(int i=0;i<vertexNum;i++){
if(!visited[i]){
BFS(i,visited);
}
}
}