第六章 图

一、基本术语：

Graph(V,E) V:顶点的有穷非空集合，E:边的有穷集合

逻辑结构：多个对多个

无向图：每条边都没有方向

有向图：每条边都有方向

完全图：任意两个点都有一条边相连

稀疏图：有很少边或弧的图；稠密图：多

网：边/弧带权的图

权：图中边/弧所具有的相关数，表明从一个顶点到另一个顶点的距离或耗费

邻接：有边/弧相邻的两个顶点之间的关系。存在（vi,vj）,互为邻接点，存在<vi,vj>,vi邻接到vj,vj邻接于vi

关联（依附）：边/弧与顶点之间的关系，存在（vi,vj）/<vi,vj>,则称该边/弧关联于vi和vj

顶点的度：与该顶点相关联的边的数目，记为TD(v)

有向图中，顶点的度=该顶点的入度+出度=ID(v)+OD(v)（入度是以V为终点的有向边条数）

路径：接续的边构成的顶点序列

路径长度：路径上边或弧的数目/权值之和

环（回路）：第一个顶点和最后一个顶点相同的路径

简单路径：除路径起点和终点可以相同以外，其余顶点均不相同的路径

简单环（简单回路）：除路径起点和终点相同以外，其余顶点均不相同的路径

连通图（强连通图）：在G=(V,{E})中，若对任意两个顶点v,u都存在从v到u的路径，则G是连通图/强连通图------有向图称为强XX

子图：G(V,E),G1(V1，E1)

连通子图（强连通子图）：

无向图G 的极大连通子图称为G的连通分量。
极大连通子图意思是：该子图是 G 连通子图，将G 的任何不在该子图中的顶点加入，子图不再连通。

极小连通子图：该子图是G的连通子图，在该子图中删除任意一边，子图则不再连通

生成树：包含无向图G所有顶点的极小连通子图

生成森林：对非连通图，由各个连通分量的生成树的集合

 

二、图的存储结构：

顺序存储结构：数组表示法（邻接矩阵）

链式存储结构：多重链表（邻接表，邻接多重表，十字链表）

1.数组表示法（邻接矩阵）

<span style="font-size:14px;">//用两个数组分别存储顶点表和邻接矩阵
#define MaxInt 32767//表示极大值 ∞
#define MVNum 100//最大定点数
typedef char VerTextType;//假设顶点的数据类型为字符型
typedef int ArcType;//边的权值类型为整数型
struct AMGraph
{
	VerTextType vexs[MVNum];//顶点表
	ArcType arcs[MVNum][MVNum];//邻接矩阵
	int vexnum,arcnum;//图的当前点数和边数

};
</span>

转载：C++ 中typedef用法总结详见

http://www.cnblogs.com/charley_yang/archive/2010/12/15/1907384.html

 

2.链式表示法（邻接表）

<span style="font-size:14px;">#define MVNum 100//最大顶点数
typedef char VerTextType;//假设顶点的数据类型为字符型
//邻接表的存储表达
typedef struct ArcNode//边结点
{
	int adjvex;//该边所指向的顶点的位置
	struct ArcNode *nextarc;//指向下一条边的指针
	OtherInfo info;//和边相关的信息

}ArcNode;

typedef struct VNode
{
	VerTextType data;//顶点信息
	ArcNode *firststare;//指向第一条依附于该顶点的边的指针

}VNode,AdjList[MVNum];//AdjList表示邻接表类型

typedef struct 
{
	AdjList vertices;//邻接表
	int vexnum,arcnum;//图的当前顶点数和边数
};
</span>

邻接矩阵和邻接表：

1. 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。

2. 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(n^2),而邻接表的空间复杂度为O(n+e)。

 

3. 用途：邻接矩阵多用于稠密图；而邻接表多用于稀疏图

 

三、图的遍历-图的基本运算

搜索引擎两种基本抓取策略-深度优先，广度优先

两种策略结合：先广后深+权重优先

1.深度优先搜索DFS(Depth_FirstSearch)

仿树的先序遍历

在访问图中某一起始顶点 v 后，由 v 出发，访问它的任一邻接顶点 w1；

再从 w1 出发，访问与 w1邻接但还未被访问过的顶点 w2；

然后再从 w2 出发，进行类似的访问，…

如此进行下去，直至到达所有的邻接顶点都被访问过的顶点 u 为止。

接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。

    如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；

如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。

<span style="font-size:14px;">//DFS实现-可用递归
void DFS(AMGraph G,int v)//G为邻接矩阵
{
	cout<<v;
	visited[v]=true;//访问第v个顶点
	for(int w=0;w<G.vexnum;w++)//依次检查邻接矩阵的v所在的行
	{
		if((G.arcs[v][w]!=0)&&(!visited[w]))
		{
			DFS(G,w);
		}
	}
}

void DFS(ALGraph   G,int v)//G为邻接表类型
{
	cout <<v;
	visited[v]=true;
	p=G.vertices[v].firststare;
	while(p!=NULL)
	{
		w=p->adjex;//表示w是v的邻接点
		if(!visited[w])
			DFS(G,w);
		p=p->nextarc;//p指向下一个边结点
		
	}
}
</span>

2.广度优先搜索BFS(Breadth_FirstSearch)

仿树的层次遍历过程

分层的，不回退，非递归

<span style="font-size:14px;">//广义遍历实现
void BFS(Graph G,int v)
{
	queue<int > Q;
	//访问第v个顶点
	cout<<v;
	visited[v]=true;
	InitQueue(Q);//辅助队列Q初始化，置空
	EnQueue(Q,v);//v进队列
	while(!QueueEmpty(Q))//队列非空
	{
		DeQueue(Q,u);//出队列并置为u
		for(int w=FirstAdjex(G,u);w>=0;w=NextAdjex(G,u,w))
		{
			if(!visited[w])//w为u尚未访问过的结点
			{
				cout<<w;
				visited[w]=true;
				EnQueue(Q,w);
			}
		}
	}

}
</span>

DSF与BFS算法效率比较

空间复杂度相同，都是O(n)(借用了堆栈和队列)

时间复杂度与存储结构（邻接矩阵或邻接表）有关，而与搜索路径无关

 

四、图的应用

1.最小生成树-无向图的应用

如何求？

Prim算法：归并顶点，与边数无关，适于稠密网-加点法，选择权值最小的先加上

Krustal算法：归并边，适于稀疏网—加边法，选择权值最小的先加上

贪心算法：找零钱，先找最大币值的

 

2.最短路径-有向图的应用

与最小生成树不同，不一定包含n个顶点

解决方法：

单源最短路径-迪杰斯特拉算法-一顶点到其他各顶点

所有顶点间的最短距离-弗洛伊德算法-任意两顶点之间

 

3.活动网络-有向图的应用

①AOV网(Activity  On Vertices)—用顶点表示活动的网络-拓扑排序算法

② AOE网(Activity  On Edges)—用边表示活动的网络-关键路径

拓扑有序序列：由AOV网中的所有顶点构成的一个线性序列，在这个序列中体现了所有顶点间的优先关系