数据结构—图(Part Ⅰ)—图的存储&遍历

数据结构-图(第八章)的整理笔记，若有错误，欢迎指正。

图的基本概念

• 图(graph)G由两个集合V(vertex)和E(edge)组成，记为G=(V，E)，其中V是顶点的有限集合，记为V(G)，E是连接V中两个不同顶点(顶点对)的边的有限集合，记为E(G)。
• 可以用字母或自然数来标识图中的顶点，这里约定用(0≤i≤n-1)表示第i个顶点的编号，其中n为图中顶点的个数。当E(G)为空集时，则图G只有顶点，没有边。
• ！注意：线性表可以是空表，树可以是空树，但图不可以是空图。就是说图中不能一个顶点也没有，图的顶点集V一定是非空集，但边集E可以为空，此时图中只有顶点而没有边。

端点和邻接点

• 在一个无向图中，若存在一条边(i,j)，则称顶点i和顶点j为该边的两个端点(endpoint)，并称它们互为邻接点(adjacent)，即顶点i是顶点j的一个邻接点，顶点j也是顶点i的一个邻接点，边(i,j)和顶点i、j关联。关联于相同两个端点的两条或者两条以上的边称为多重边，在数据结构中讨论的图都是指没有多重边的图。
• 在一个有向图中，若存在一条有向边<i,j>(也称为弧)，则称此边是顶点i的一条出边，同时也是顶点j的一条入边，i为此边的起始端点(简称为起点)，j为此边的终止端点(简称终点)，顶点j是顶点i的出边邻接点，顶点i是顶点j的入边邻接点。

有向图

• 在图G中，如果表示边的顶点对(或序偶)是有序的，则称G为有向图(digraph)。在有向图中代表边的顶点对用尖括号括起来，用于表示一条有向边，如<i,j>表示从顶点i到顶点j的一条边，可见<i,j>和<j,i>是两条不同的边。
  

无向图

• 如果在图G中，若<i,j>∈E(G)必有<j,i>∈E(G)，即E(G)是对称的，则用(i,j)代替这两个顶点对，表示顶点i与顶点j的一条无向边，则称G为无向图(undirgraph)。显然在无向图中(i,j)和(j,i)所代表的是同一条边，所以，无向图可以看成是有向图的特例。
  

简单图、多重图

• 如果一个图G满足：①不存在重复边；②不存在顶点到自身的边，那么称图G为简单图。
• 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。
  
• 数据结构课程只探讨 “简单图”。

完全图(也称简单完全图)

• 无向完全图(complete undirgraph)——无向图中任意两个顶点之间都存在边(若无向图的顶点数为n，则边数为$C_n^2=\frac{n(n-1)}{2})$。
• 有向完全图(complete digraph)——有向图中任意两个顶点之间都存在方向相反的两条弧(若无向图的顶点数为n，则边数为$2C_n^2=n(n-1)$)。
  

子图、生成子图

• 设有两个图G=(V, E)和G’=(V’, E’)，若V’是V的子集，且E’是E的子集，则称G’是G的子图(subgraph)。
• 若有满足V(G’) = V(G)的子图G’，则称其为G的生成子图。
  

连通、连通图和连通分量

• 无向图中，若从顶点v到顶点w有路径存在，则称v和w是连通的。
• 若图G中任意两个顶点都是连通的，则称图G为连通图(connected graph)，否则称为非连通图(unconnected graph)。
  
• ！注意： 对于n个顶点的无向图G，若G是连通图，则最少有n-1条边；若G是非连通图，则最多可能有$C_{n-1}^2$条边。
• 无向图中的极大连通子图(子图必须连通，且包含尽可能多的顶点和边)称为连通分量(connected component)。
  
  ！注意区分：极大连通子图和极小连通子图
• 极大连通子图是无向图的连通分量，极大即要求该连通子图包含其所有的边；极小连通子图是既要保持图的连通又要使得边数最少的子图。
  

强连通、强连通图、强连通分量

• 有向图中，若从顶点v到顶点w和从顶点w到顶点v之间都有路径，则称这两个顶点是强连通的。
• 若图中任何一对顶点都是强连通的，则称此图为强连通图(strongly connected graph)。
  
• ！注意： 对于n个顶点的有向图G， 若G是强连通图，则最少有n条边(形成回路)。
• 有向图中的极大强连通子图(子图必须强连通，同时保留尽可能多的边)称为有向图的强连通分量(strongly connected component)。
  

生成树、生成森林

• 连通图(无向图) 的生成树是包含图中全部顶点的一个极小连通子图(边尽可能的少，但要保持连通)。
• 若图中顶点数为n，则它的生成树含有 n-1 条边。对生成树而言，若砍去它的一条边，则会变成非连通图，若加上一条边则会形成一个回路。
  
• 在非连通图(无向图)中，连通分量的生成树构成了非连通图的生成森林。
  

顶点的度、入度、出度

• 对于无向图：顶点v的度是指依附于该顶点的边的条数，记为TD(v)。
  在具有n个顶点、e条边的无向图中，${\sum }_{i=1}^{n}TD(v_i)=2e$，即无向图的全部顶点的度的和等于边数的2倍。
• 对于有向图：
  入度是以顶点v为终点的有向边的数目，记为ID(v)；
  出度是以顶点v为起点的有向边的数目，记为OD(v)。
  顶点v的度等于其入度和出度之和，即TD(v) = ID(v) + OD(v)。
  在具有n个顶点、e条边的有向图中，${\sum }_{i=1}^{n}ID(v_i)={\sum }_{i=1}^{n}OD(v_i)=e$
  

边的权和网

• 边的权——在一个图中，每条边都可以标上具有某种含义的数值，该数值称为该边的权值。
• 带权图/网——边上带有权值的图称为带权图，也称网。
• 带权路径长度——当图是带权图时，一条路径上所有边的权值之和，称为该路径的带权路径长度

稠密图、稀疏图

• 当一个图接近完全图时，称为稠密图(dense graph)。
• 当一个图含有较少的边数时(如$e<lo{g}_2^n$)，称为稀疏图(sparse graph)。
  

路径、路径长度和回路

• 路径(path)——顶点$v_p$到顶点$v_q$之间的一条路径是指顶点序列 ， $v_p,v_{i_1},v_{i_2},...,v_{i_m},v_q$。

• 路径长度(path length)——路径上边的数目

• 回路(cycle)——第一个顶点和最后一个顶点相同的路径称为回路或环。
  

• ！注意：顶点之间有可能不存在路径。

• ！注意：有向图的路径也是有向的。

简单路径、简单回路

• 简单路径——在路径序列中，顶点不重复出现的路径称为简单路径。
• 简单回路(simple cycle)——除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称为简单回路。
  

距离

• 点到点的距离——从顶点u出发到顶点v的最短路径若存在，则此路径的长度称为从u到v的距离。
• 若从u到v根本不存在路径，则记该距离为无穷(∞)。
  

树、有向树

• 树——不存在回路，且连通的无向图。
• 有向树——一个顶点的入度为0、其余顶点的入度均为1的有向图，称为有向树。
  
• ！注意：n个顶点的树，必有n-1条边。n个顶点的图，若|E|>n-1，则一定有回路。

图的存储

• 图的存储结构除了要存储图中各个顶点本身的信息以外，同时还要存储顶点与顶点之间的所有关系(边的信息)。

邻接矩阵法(adjacency matrix)

邻接矩阵存储法

邻接表法(adjacency list)

邻接表法

十字链表法(orthogonal list)

• 十字链表是有向图的一种链式存储结构。在十字链表中，对应于有向图中的每条弧有一个点，对应于每个顶点也有一个结点。
  
• 弧结点中有5个域：尾域(tailvex)和头域(headvex)分别指示尾和头这两个顶点在图中的位置：链域hlink指向弧头相同的下一条弧；链域tlink指向弧尾相同的下一条弧；info域指向该弧的相关信息。这样，弧头相同的弧就在同一个链表上，弧尾相同的弧也在同一个链表上。
• 顶点结点中有3个域：data域存放顶点相关的数据信息，如顶点名称；firstin和firstout两个域分別指向以该顶点为弧头或弧尾的第一个弧结点。
• ！注意：顶点结点之间是顺序存储的。
• 在十字链表中，既容易找到为尾的弧，又容易找到为头的弧，因而容易求得顶点的出度和入度。图的十字链表表示是不唯一的，但一个十字链表表示确定一个图。

邻接多重表(adjacency multi-list)

• 邻接多重表是无向图的另一种链式存储结构。
• 在邻接表中，容易求得顶点和边的各种信息，但在邻接表中求两个顶点之间是否存在边和对边执行删除等操作时，需要分别在两个顶点的边表中遍历，效率较低。
  
• 其中，i和j为该边依附的两个顶点在图中的位置；iLink指向下一条依附于顶点i的边；jLink指向下一条依附于顶点j的边；info为指向和边相关的各种信息的指针域。
  每个顶点也用一个结点表示，其中，data域存储该顶点的相关信息，firstedge域指示第一条依附于该顶点的边。
• 在邻接多重表中，所有依附于同一顶点的边串联在同一链表中，由于每条边依附于两个顶点，因此每个边结点同时链接在两个链表中。对无向图而言，其邻接多重表和邻接表的差别仅在于：同一条边在邻接表中用两个结点表示，而在邻接多重表中只有一个结点。

删除一个结点

四种存储方式的对比

	邻接表	邻接矩阵	十字链表	邻接多重表
空间复杂度	无向图：O(|V|+2|E|)；有向图：O(|V|+|E|)	O(|V|${}^2$)	O(|V|+|E|)	O(|V|+|E|)
适合用于	存储稀疏图	存储稠密图	只能存有向图	只能存无向图
表示方式	不唯一	唯一	不唯一	不唯一
计算度/出度/入度	计算有向图的度、入度不方便、其余很方便	必须遍历对应行或列	很方便	很方便
找相邻的边	找有向图的入边不方便，其余很方便	必须遍历对应行或列	很方便	很方便

图的基本操作

$$图的基本操作\{\begin{array}{l}Adjacent(G,x,y)：判断图G是否存在边<x,y>或(x,y)。\\ Neighbors(G,x)：列出图G中与结点x邻接的边。\\ InsertVertex(G,x)：在图G中插入顶点x。\\ DeleteVertex(G,x)：从图G中删除顶点x。\\ AddEdge(G,x,y)：若无向边(x,y)或有向边<x,y>不存在，则向图G中添加该边。\\ RemoveEdge(G,x,y)：若无向边(x,y)或有向边<x,y>存在，则从图G中删除该边。\\ FirstNeighbor(G,x)：求图G中顶点x的第一个邻接点，若有则返回顶点号。若x没有邻接点或图中不存在x，则返回-1。\\ NextNeighbor(G,x,y)：假设图G中顶点y是顶点x的一个邻接点，返回除y外顶点x的下一个邻接点的顶点号，若y是x的最后一个邻接点，则返回-1。\\ Get\_edge\_value(G,x,y)：获取图G中边(x,y)或<x,y>对应的权值。\\ Set\_edge\_value(G,x,y,v)：设置图G中边(x,y)或<x,y>对应的权值为v。\end{array}$$

时间复杂度的分析

	邻接矩阵	邻接表
Adjacent(G,x,y)	O(1)	O(1)~O(|V|)
Neighbors(G,x)	O(|V|)	O(1)~O(|V|)
InsertVertex(G,x)	O(1)	O(1)
DeleteVertex(G,x)	O(|V|)	O(1)~O(|E|)
Addedge(G,x,y)	O(1)	O(1)(头插法)~O(|V|(尾插法))
RemoveEdge(G,x,y)	O(1)	O(1)~O(|V|)
FirstNeighbor(G,x)	O(1)~O(|V|)	O(1)
NextNeighbor(G,x,y)	O(1)~O(|V|)	O(1)
Get_edge_ value(G,x,y)	O(1)	O(1)~O(|V|)
Set_edge_value(G,x,y,v)	O(1)	O(1)~O(|V|)

其中，|V|表示图G中顶点的个数，|E|表示图G中边的条数。

图的遍历

• 从给定图中任意指定的顶点(称为初始点)出发，按照某种搜索方法沿着图的边访问图中的所有顶点，使每个顶点仅被访问一次，这个过程称为图的遍历。
• 如果给定图是连通的无向图或者是强连通的有向图，则遍历过程一次就能完成，并可按访问的先后顺序得到由该图的所有顶点组成的一个序列。
• 图的遍历比树的遍历更复杂，因为从树根到达树中的任意结点只有一条路径，而从图的初始点到达图中的每个顶点可能存在着多条路径。当沿着图中的一条路径访问过某一顶点之后，可能还沿着另一条路径回到该顶点，即存在回路。为了避免同一个顶点被重复访问，必须记住每个被访问过的顶点。为此，可设置一个访问标记数组visited[ ]，当顶点被访问过时，数组中的元素visited[ ]置为true，否则置为false。
• 根据搜索方法的不同，图的遍历方法有两种：一种叫深度优先遍历(Depth First Search，DFS)，另ー种叫广度优先遍历(Breadth First Search，BFS)。

广度优先搜索

图的广度优先搜索

广度优先生成树

• 在广度遍历的过程中，我们可以得到一棵遍历树，称为广度优先生成树。需要注意的是，一给定图的邻接矩阵存储表示是唯一的，故其广度优先生成树也是唯一的，但由于邻接表存储表示不唯一，故其广度优先生成树也是不唯一的。
  

广度优先生成森林

• 对非连通图的广度优先遍历，可得到广度优先生成森林。
  

深度优先搜索

图的深度优先搜索

深度优先生成树

• 与广度优先搜索一样，深度优先搜索也会产生一棵深度优先生成树。当然，这是有条件的，即对连通图调用DFS才能产生深度优先生成树，否则产生的将是深度优先生成森林。与BFS类似，基于邻接表存储的深度优先生成树是不唯一的。
  

深度优先生成森林

图的遍历与图的连通性

• 图的遍历算法可以用来判断图的连通性。
• 对于无向图来说，若无向图是连通的，则从任一结点出发，仅需一次遍历就能够访问图中的所有顶点；若无向图是非连通的，则从某一个顶点出发，一次遍历只能访问到该顶点所在连通分量的所有顶点，而对于图中其他连通分量的顶点，则无法通过这次遍历访问。
• 对于有向图来说，若从初始点到图中的每个顶点都有路径，则能够访问到图中的所有顶点，否则不能访问到所有顶点。
• 故在BFSTraverse()或DFSTraverse()中添加了第二个for循环，再选取初始点，继续进行遍历，以防止一次无法遍历图的所有顶点。
• 对于无向图，上述两个函数调用BFS(G,i)或DFS(G,i)的次数等于该图的连通分量数；而对于有向图则不是这样；因为一个连通的有向图分为强连通的和非强连通的，它的连通子图也分为强连通分量和非强连通分量，非强连通分量一次调用BFS(G,i)或DFS(G,i)无法访问到该连通分量的所有顶点。