C++数据结构_图的理论学习笔记（1）_基本概念、存储结构

1.1 基本概念

1.1.1 图的定义

        图G由两个集合V和E构成，记作G（V, E），其中，V代表图中顶点的集合，E代表顶点之间的关系。E可以是空集，表示图只有顶点而没有边。
        （v₁，v₂）表示v₁和v₂之间有一条边（无方向）；<v₁，v₂>表示v₁和v₂之间有一条弧（有方向）。图的表示方法示例如下图：

        （a）图的表示方法为：V={v₁, v₂, v₃, v₄, v₅}、E={(v₁, v₂),(v₁, v₄),(v₂, v₃),(v₂, v₅),(v₃,v₄),(v₃,v₅)}；
        （b）图的表示方法为：V={v₁,v₂,v₃,v₄}，E={<v₁,v₂>,<v₁,v₃>,<v₃,v₄>,<v₄,v₁>}

1.1.2 图的基本术语

        1.顶点：数据元素常称为顶点；
        2.边：顶点之间的无向连线；
        3.弧：顶点之间的有向连线；
        4.无向图：图中的每条连线都无方向，如下图（a）所示；
        5.有向图：图中的每条连线都有方向，如下图（b）所示；
        6.简单图：不存在顶点到其自身的边，且同一条边不重复。下图（c）（d）都不是简单图；
        7.邻接点：若(v_i,v_j)是图中的一条边，则v_i,v_j互为邻接点；若<v_i,v_j>是图中的一条弧，则v_j是v_i的邻接点；
        8.如下图（e）所示，含有n个顶点，n(n-1)/2条边的图称为完全无向图；如下图（f）所示，含有n个顶点，n(n-1)条弧的图称为完全有向图；
        9.边或弧很少的图成为稀疏图，边或弧较多的图称为稠密图。这是相对而言的概念。如下图（g）与（h）相比，（g）是稀疏图，（h）是稠密图；

        10.度：一个顶点的度是与他相关联的边或弧的条数；
        11.入度：有向图中到达顶点的弧数，下图A的入度为1；
        12.出度：有向图中顶点出发的弧数，下图A的出度为2；

        13.网：带权的图，如下图所示，根据网是否有向可以分为有向网和无向网；

        14.图的子集，如下图所示；

        15.路径：接续的边的端点构成的顶点序列；
        16.路径长度：路径上边或弧的数目；在网中为路径上边或弧的权值之和；下图中v₁到v₅的路径（v₁，v₄，v₃，v₅）的长度为3；

        17.回路：起点和终点相同的路径；
        18.简单路径：路径序列中顶点不重复出现的路径，如下图（a）所示；
        19.简单回路：路径序列中，除了起点和终点外其余顶点均不相同，如下图（c）所示；

        20.连通图：在无向图中，若任意一对顶点都存在路径，则称其为连通图，否则为非连通图；
        21.连通分量：无向图中的极大连通子图。极大连通子图包含所有联通的顶点以及和这些顶点相关联的所有边，如下图所示；

        22.强连通图：在有向图中，若任意一对顶点都存在路径，则称其为强连通图，否则为非强连通图；
        23.强连通分量：有向图中的最大连通子图，如下图所示；

        24.生成树：连通图中一个极小连通子图，即含有全部顶点，但只有足以构成树的n-1条边，如下图所示；

        25.生成森林：在非连通图中，每一个连通分量都可以得到一颗生成树，这些连通分量的生成树构成生成森林，如下图所示；

1.2 图的存储结构

        图是一种复杂的非线性结构。数据结构中的逻辑结构有集合、线性结构、树结构和图结构。
        一个图包括两部分信息：即顶点与顶点之间的关系。

1.2.1 邻接矩阵

        二维数组可以用来表示其顶点之间的相邻关系。设G=（V, E）是有n个顶点的图，其序号分别为0,1,2…其邻接矩阵表示为：

        无向图的邻接矩阵一定为对称矩阵，有向图的邻接矩阵可以不对称，如下图所示：

        网的邻接矩阵可以定义为：


        用邻接矩阵表示法，除了存储用于表示顶点间相邻关系的邻接矩阵外，通常还要用一个顺序表来存储顶点信息，其C++描述如下：

const int MAXSIZE = 10;
template<class T> class MGraph
{
public:
	MGraph(ifstream& fin); // 构造函数
	void DFS(int v); // 从v出发深度优先
	void BFS(int v); // 从v出发广度优先
private:
	T vertex[MAXSIZE]; // 顶点
	int arc[MAXSIZE][MAXSIZE]; //弧
	int vNum, arcNum; // 顶点数，边数
};

1.2.2 邻接表

        邻接表表示法类似于树的孩子链表表书法，是一种顺序结构和链式结构相结合的存储方法，如下图所示：

        邻接表的存储结构中有两种结点结构：顶点结点VertexNode和弧结点ArcNode，如下图所示。

        邻接表顶点和弧结点的C++描述如下：

struct VertexNode
{
	char vertex; // 数据域：顶点信息
	ArcNode* firstarc; // 指针域：指向第一条弧
};

struct ArcNode 
{
	int adjvex; // 数据域：邻接顶点下标
	ArcNode* nextarc; // 指针域：指向下一条弧结点
};

        储存无向图时，每一条边都相当于两条弧，如下图所示：

        若采用邻接表存储无向网，那么每条弧还需要存储边权值，如下图所示：

        有向图还有一种表示方法为逆邻接表表示法，该方法为图中每个顶点建立一个入边表，入边表中每个表结点均对应一条以该节点为终点的边，如下图所示：

        C++描述如下：

const int MAXSIZE = 10;
template<class T> class ALGraph
{
public:
	ALraph(ifstream& fin); // 构造函数
	~ALGraph();
	void DFS(int v); // 深度优先遍历
	void BFS(int v); // 广度优先遍历
private:
	VertiexNode adjlist[MAXSIZE]; // 结点
	int vNum, arcNum; // 顶点数，弧数
};

1.2.3 十字链表

        下图是一个十字链表的示例：

        在十字链表中可以很容易找到以某结点为弧头的弧，也很容易找到以某结点为弧尾的弧，因为很容易求得每个结点的出度和入度。

1.2.4 邻接多重表

        下图是一个邻接多重表的示例：

        用邻接表存储无向图，其每条边的两个顶点分别在该边所依附的两个顶点边表中。这种重复存储在某些操作时十分不便，例如在对已访问过的边做标记，或者要删除图中某一条边时，都需要找到表示同一条边的两个边表结点，这时使用邻接多重表更适宜。

1.2.5 边集数组

        利用两个一维数组，其中一个数组存储图中的顶点，另一个数组存储图中的边，如下图所示：

        边集数组中查找一条边或求顶点的度需要扫描整个边数组，时间复杂度为O（e），空间复杂度为O（n+e）。因此，边集数组适合表示稀疏图

1.2.6 图的存储结构比较

        就空间复杂度而言,采用邻接矩阵需要O(n²)个单位的存储空间,而采用邻接表,则需要O(n+e)个单位的存储空间。哪种表示方法的存储效率高取决于图中边的数目。一般情况下,图越稠密,邻接矩阵的空间效率相应地越高,而对稀疏图使用邻接表存储,则能获得较高的空间效率。