图的存储表示及示例

---

图的存储

图的存储必须要完整、准确的反映顶点集和边集的信息。
无论是有向图还是无向图，主要的存储方式都有两种：邻接矩阵和邻接表。
前者属于图的顺序存储结构，后者属于图的链接存储结构。

---

邻接矩阵法

所谓邻接矩阵存储，是指用一个一维数组存储图中顶点的信息，用一个二维数组存储图中边的信息（即各个顶点之间的邻接关系），存储顶点之间邻接关系的二维数组称为邻接矩阵。

若图G是一个有n个顶点的图，那么图的邻接矩阵是一个n阶方阵A。
$$A[i][j]=\{\begin{array}{l}1,若（v_i,v_j）或<v_i,v_j>是E中的边\\ 0,若（v_i,v_j）或<v_i,v_j>不是E中的边\end{array}$$

例如：

   

$$A_1=\left[\begin{array}{cccc}0& 1& 1& 1\\ 1& 0& 0& 0\\ 1& 0& 0& 1\\ 1& 0& 1& 0\end{array}\right]A_2=\left[\begin{array}{cccc}0& 1& 1& 0\\ 0& 0& 0& 0\\ 0& 0& 0& 1\\ 1& 0& 0& 0\end{array}\right]$$

不难看出，无向图的邻接矩阵是对称的，而有向图的邻接矩阵不一定对阵。
这是因为在无向图中，$（v_i,v_j）=（v_j,v_i）$，是同一条边，故一定有$A[i][j]=A[j][i]$。

对于带权图，若$v_i$和$v_j$之间有边相连，则邻接矩阵中对应项存放着该边对应的权值，若顶点$v_i$和$v_j$不相连，则用$\infty$来代表这两个顶点之间不存在边：
$$A[i][j]=\{\begin{array}{l}{w}_{ij},若（v_i,v_j）或<v_i,v_j>是E中的边\\ 0,若（v_i,v_j）或<v_i,v_j>不是E中的边且i=j\\ \infty ，若（v_i,v_j）或<v_i,v_j>不是E中的边且i\ne j\end{array}$$

例如：

$$A_3=\left[\begin{array}{cccc}0& 12& 8& \infty \\ \infty & 0& \infty & \infty \\ \infty & \infty & 0& 9\\ 4& \infty & \infty & 0\end{array}\right]$$

图的邻接矩阵存储结构定义如下：

#define maxVertexNum 30 //图中顶点数目的最大值
typedef char VertexType; //顶点的数据类型
typedef int EdgeType; //带权图中边上权值的数据类型

typedef struct{
    int vexnum,edgenum; //图中实际顶点个数和边的条数
    VertexType Vextex[maxVertexNum]; //顶点表
    EdgeType Edge[maxVertexNum][maxVertexNum]; //邻接矩阵
}MGraph;

邻接矩阵表示法的空间复杂度为$O(n^2)$，其中n为图的顶点数。

---

邻接矩阵表示法的特点

1、 无向图的邻接矩阵一定是一个对称矩阵，并且唯一。因此，在实际存储邻接矩阵时只需存储上（或下）三角矩阵的元素。
2、对于无向图，邻接矩阵的第 i 行（或第 i 列）非零元素的个数正好是第 i 个顶点的度。
3、 对于有向图，邻接矩阵的第 i 行（或第 i 列）非零元素的个数正好是第 i 个顶点的出度（或入度）。
4、邻接矩阵法存储图，很容易确定两个顶点之间是否有边相连，但要确定图中有多少条边，必须按行按列对每个元素进行检测，所花费的时间代价很大。这是使用邻接矩阵存储图的局限性。
5、稠密图适合用邻接矩阵的存储表示。

---

邻接表法

当一个图为稀疏图时，使用邻接矩阵表示法显然要浪费大量的存储空间，而图的邻接表法结合了顺序存储和链式存储方法，大大减少了这种不必要的浪费。

邻接表：是指对图G中每个顶点$v_i$建立一个单链表，第 i 个单链表中的结点表示依附于顶点$v_i$的边（对有向图来说则是以顶点$v_i$为尾的弧），这个单链表就称为顶点$v_i$的边表（对于有向图则称为出边表）。
边表的头指针和顶点的数据信息采用顺序存储（称为顶点表），所以在邻接表中存在两种结点：顶点表结点和边表结点。

$$\begin{array}{cc}顶点域& 边表头指针\\ data& firstarc\end{array}\begin{array}{cc}邻接域& 指针域\\ adjvex& nextarc\end{array}$$

有时候，对于网（带权图），其边表会增加权值项，即
$$\begin{array}{ccc}邻接域& 信息域& 指针域\\ adjvex& info& nextarc\end{array}$$

例如

图的邻接表存储结构定义如下：

typedef struct ENode{  //边表结点
    int adjvex;  //弧指向的顶点的位置
    struct ENode *nextarc; //指向下一条弧的指针
    //InfoType info; //网的边权值
}EdgeNode;

typedef struct VNode{  //顶点表结点
    VertexType data; //顶点的数据
    struct ENode *firstarc; //边链表的头指针
}VertexNode;

typedef struct{ 
    VertexNode VertexList[maxVertexNum];  //顶点表
    int vexnum,edgenum; //图的顶点数和边数
}ALGraph; //以邻接表存储的图类型

---

邻接表存储的特点

1、若G为无向图，则所需的存储空间为O(|V| + 2|E|)，因为每条边在邻接表中出现了两次；若G为有向图，则所需的存储空间为O(|V| + |E|)。
2、稀疏图通常适合用邻接表表示，可以极大节省存储空间。
3、在邻接表中，给定一个结点，能很容易找出它的所有邻边，只需要读取它的邻接表；但是，若要确定给定的两个顶点之间是否存在边，则在邻接表中需要在相应结点对应的边表中查找另一结点，效率较邻接矩阵低。
4、求一个给定顶点的出度只需要计算其邻接表中的结点个数；求其顶点的入度则需要遍历全部的邻接表。因此，也有人采用逆邻接表的存储方式来加速求解给定顶点的入度。
5、图的邻接表表示并不唯一，因为在每个顶点对应的单链表中，各边结点的链接次序可以是任意的，它取决于建立邻接表的算法及边的输入次序。

---

无向图的邻接多重表表示

邻接多重表是无向图的另一种链式存储结构，主要用在基于边的图算法中。
在邻接表中，容易求的顶点和边的各种信息，但是在邻接表中求两个顶点之间是否存在边时，需要分别在两个顶点的边表中遍历，效率很低。

在邻接多重表中，每条边用一个结点表示，即用边结点表示。
$$\begin{array}{ccccc}标记域& 顶点域& 指针域& 顶点域& 指针域\\ mark& vertex1& link1& vertex2& link2\end{array}$$

边结点：

• mark：标志域，可用于标记该边是否被处理过
• vertex1、vertex2：顶点域，用于指明该边的两个顶点在图中的位置
• link1、link2：指针域，分别指向下一条依附于顶点vertex1和vertex2的边

$$\begin{array}{cc}顶点域& 指针域\\ data& firstedge\end{array}$$

顶点结点：

• data：数据域，存储该顶点的信息
• firstedge：指针域，指向第一条依附于该顶点的边

例如：

邻接多重表的存储结构定义如下：

typedef struct ENode{ //边结点
    int mark; //标志域
    int vertex1, vertex2; //该边依附的两个顶点
    struct ENode *link1, *link2; //分别指向两个顶点的下一条边
}EdgeNode;

typedef struct VNode{ //顶点结点
    VertexType data;  //顶点信息
    struct ENode *firstedge;  //指向第一条依附于该顶点的边
}VertexNode;

typedef struct{ 
    VertexNode VertexLink[maxVertexNum]; //顶点表
    int vexnum, edgenum; //图的顶点数和边数
}AMLGraph;//以邻接多重表存储的图类型

---

邻接多重表的特点

1、在邻接多重表中，所有依附于同一顶点的边都链接在同一个单链表中。只要从某个顶点 i 出发，就可以找出依附于该顶点的所有边，以及它的所有邻接顶点。
2、由于每条边依附于两个结点，所以每个边结点同时链接在两个链表中。

---

有向图的十字链表

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结点，对应于每个顶点也有一个结点，结点结构如下所示：
$$\begin{array}{ccccc}标记域& 尾域& 头域& 指针域& 指针域\\ mark& tailvex& headvex& hlink& tlink\end{array}$$

边结点：

• mark：标记域，可用于标记是否被处理过
• tailvex、headvex：尾域和头域，分别指示弧尾和弧头这两个顶点在图中的位置
• hlink：指向弧头相同的下一条弧
• tlink：指向弧尾相同的下一条弧

$$\begin{array}{ccc}顶点域& 指针域& 指针域\\ data& firstin& firstout\end{array}$$

顶点结点：

• data：数据域，存储该顶点的信息
• firstin：指针域，指向以该顶点为弧头的第一个弧结点
• firstout：指针域，指向以该顶点为弧尾的第一个弧结点

例如：

图的十字链表存储结构定义如下：

typedef struct ENode{  //边结点
    int mark; //标记
    int tailvex, headvex; //弧的弧头和弧尾的位置
    struct ENode *hlink, *tlink; //分别指向弧头相同和弧尾相同的结点
}EdgeNode;

typedef struct VNode{  //顶点结点
    VertexType data; //顶点信息
    struct ENode *firstin, *firstout; //分别指向第一条弧头或弧尾相同的下一条边
}VertexNode;

typedef struct{
    VertexNode VertexLink[maxVertexNum];  //顶点表
    int vexnum, edgenum; //图的顶点数和边数
}GLGraph; //以十字链表存储的图类型

---

十字链表存储的特点

在十字链表中，既容易找到以$v_i$为尾的弧，又容易找到以$v_i$为头的弧，因而容易求的顶点的出度和入度。