图的定义与存储结构

知识框架

图的基本概念

在线性表中，数据元素之间是被串起来的，仅有线性关系，每个数据元素只有一个直接前驱和一个直接后继。在树形结构中，数据元素之间有着明显的层次关系，并且每一层上的数据元素可能和下一层中多个元素相关，但只能和上一层中一个元素相关。图是一种较线性表和树更加复杂的数据结构。在图形结构中，结点之间的关系可以是任意的，图中任意两个数据元素之间都可能相关。

一、图的定义

图(Graph)是由顶点的有穷非空集合V(G)和顶点之间边的集合E(G)组成，通常表示为: G=(V,E)，其中，G表示个图，V是图G中顶点的集合，E是图G中边的集合。若V={v1,v2,...,vn} ，则用∣V∣表示图G中顶点的个数，也称图G的阶，E={(u,v)∣u∈V,v∈V}，用∣E∣表示图G中边的条数。

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一定非空，但边集E可以为空，此时图中只有顶点而没有边。

图的基本概念和术语

有向图

若E是有向边(也称弧)的有限集合时，则图G为有向图。弧是顶点的有序对，记为<v, w>，其中v,w是顶点，v称为弧尾，w称为弧头，<v,w>称为从顶点v到顶点w的弧，也称v邻接到w，或w邻接自v。

图(a)所示的有向图G1可表示为

G1=(V1,E1)

V1={1,2,3}

E1={<1,2>,<2,1>,<2,3>}

有向图：每条边都是有方向的

无向图：每条边都是无方向的

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：有较多边或弧的图

网：边/弧相连的两个顶点之间的关系 存在（vi，vj），则称vi和vj互为邻接点；存在<vi,vj>，则称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)

在有向图中，顶点的度等于该顶点的入度与出度之和

v的入度：是以v为终点的有向边的条数，记作ID(v)

v的出度：是以v为始点的有向边的条数，记作OD(v)

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

回路（环）：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外，其余顶点均不相同的路径

简单回路（简单环）： 除路径起点和终点相同外，其余顶点均不相同的路径

连通图（强连通图）：在无（有）向图G=(V,{E})中，若对任何两个顶点v，u 都存在从v到u的路径，则称G是连通图（强连通图）

权与网：图中边弧所具有的相关数称为权，表明从一个顶点到另一个顶点的距离或消耗。带权的图称为网

子图：设有两个图G=(V,{E}),G1=(V1,{E1}),若V1是V的子集，且E1是E的子集,则称G1是G的子图。

连通分量（强连通分量）：无向图G的极大连通子图称为G的连通分量，极大连通子图的意思是该子图是G连通子图，将G的任何不在该子图的顶点加入，子图不再连通

极小连通子图：该子图是G的连通子图，在该子图中删除任何一条边子图不再连通

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

邻接矩阵

图的邻接矩阵(Adjacency Matrix) 存储方式是用两个数组来表示图。一个一维数组存储图中顶点信息，一个二维数组(称为邻接矩阵)存储图中的边或弧的信息。

设图G有n个顶点，则邻接矩阵A AA是一个n∗n的方阵，定义为:

图是一个无向图和它的邻接矩阵：

1.无向图的邻接矩阵一定是一个对称矩阵(即从矩阵的左上角到右下角的主对角线为轴，右上角的元与左下角相对应的元全都是相等的)。 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(或非∞元素)的个数正好是第i个顶点的度TD(vi)。比如顶点v1的度就是1+0+1+0=2。

求顶点vi的所有邻接点就是将矩阵中第i行元素扫描一遍，A[i][j]为 1就是邻接点。

下图是有向图和它的邻接矩阵：

1.主对角线上数值依然为0。但因为是有向图，所以此矩阵并不对称。

2.有向图讲究入度与出度，顶点v1的入度为1,正好是第v1列各数之和。顶点v1的出度为2，即第v1行的各数之和。

3.与无向图同样的办法，判断顶点vi到vj是否存在弧，只需要查找矩阵中A[i][j] 是否为1即可。

对于带权图而言,若顶点vi和vj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

下图是有向网图和它的邻接矩阵：

通过以上对无向图、有向图和网的描述，可定义出邻接矩阵的存储结构：

邻接矩阵存储

#define MaxVertexNum 100    //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{
    VertexType Vex[MaxVertexNum];    //顶点表
    EdgeType Edge[MaxVertexNum][MaxVertexNum];    //邻接矩阵，边表
    int vexnum, arcnum;    //图的当前顶点数和弧树
}MGraph;

注意:

①在简单应用中，可直接用二维数组作为图的邻接矩阵(顶点信息等均可省略)。

②当邻接矩阵中的元素仅表示相应的边是否存在时，EdgeType可定义为值为0和1的枚举类型。

③无向图的邻接矩阵是对称矩阵，对规模特大的邻接矩阵可采用压缩存储。

④邻接矩阵表示法的空间复杂度为O(n2)， 其中n为图的顶点数∣V∣。

⑤ 用邻接矩阵法存储图，很容易确定图中任意两个顶点之间是否有边相连。但是，要确定图中有多少条边，则必须按行、按列对每个元素进行检测，所花费的时间代价很大。

⑥ 稠密图适合使用邻接矩阵的存储表示。

采用邻接矩阵表示法创建无向图（有向图）

算法思想：

1.输入总顶点数和总边数

2.依次输入点的信息存入顶点表中

3.初始化邻接矩阵，使每个权值初始化为极大值

4.构造邻接矩阵

Status CreateUDN(AMGraph &G){//采用邻接矩阵表示法，创建无向网G
    cout<<"\n请输入顶点个数："; 
    cin>>G.vexnum;
    cout<<"请输入边的个数：";
    cin>>G.arcnum;
    cout<<"请输入顶点名称："<<endl;//输入总顶点数，总边数 
    for(int i=0;i<G.vexnum;i++) cin>>G.vexs[i];//依次输入点的信息 
    for(int i=0;i<G.vexnum;i++){//初始化邻接矩阵 
        for(int j=0;j<G.vexnum;j++){
            G.arcs[i][j]=MaxInt;//边的权值均置为极大值 
        }
    }
    cout<<"请输入边连接的顶点："<<endl; 
    for(int k=0;k<G.arcnum;k++){//构造邻接矩阵 
        cin>>v1>>v2>>W;//输入一条边所依附的顶点及边的权值 
        i=LocateVex(G,v1);
        j=LocateVex(G,v2);//确定v1v2在G中的位置 
        G.arcs[i][j]=w;//边<v1,v2>的权值置为w 
        G.arcs[j][i]=G.arcs[i][j];//置<v1,v2>的对称边<v2,v1>的权值为w (这句话在建立有向图时注释掉） 
    } 
    return OK;
} 

邻接表

当一个图为稀疏图时（边数相对顶点较少），使用邻接矩阵法显然要浪费大量的存储空间，如下图所示：

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。

所谓邻接表，是指对图G中的每个顶点vi建立一个单链表，第i个单链表中的结点表示依附于顶点vi的边(对于有向图则是以顶点vi为尾的弧)，这个单链表就称为顶点vi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，如下图所示。

顶点表结点由顶点域(data)和指向第一条邻接边的指针(firstarc) 构成，边表(邻接表)结点由邻接点域(adjvex)和指向下一条邻接边的指针域(nextarc) 构成。

无向图的邻接表的实例如下图所示。

顶点表结点由顶点域(data)和指向第一条邻接边的指针(firstarc) 构成，边表(邻接表)结点由邻接点域(adjvex)和指向下一条邻接边的指针域(nextarc) 构成。

无向图的邻接表的实例如下图所示。

对于带权值的网图，可以在边表结点定义中再增加一个weight的数据域，存储权值信息即可。

图的邻接表存储方法具有以下特点

若G为无向图，则所需的存储空间为O(∣V∣+2∣E∣)；若G为有向图,则所需的存储空间O(∣V∣+∣E∣)。前者的倍数2是由于无向图中,每条边在邻接表中出现了两次

对于稀疏图，采用邻接表表示将极大地节省存储空间。

在邻接表中，给定一顶点，能很容易地找出它的所有邻边，因为只需要读取它的邻接表。在邻接矩阵中，相同的操作则需要扫描一行，花费的时间为O(n)。但是，若要确定给定的两个顶点间是否存在边，则在邻接矩阵中可以立刻查到，而在邻接表中则需要在相应结点对应的边表中查找另一结点，效率较低。

在有向图的邻接表表示中，求一个给定顶点的出度只需计算其邻接表中的结点个数；但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。当然,这实际上与邻接表存储方式是类似的。

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。

邻接表储存

#define MAXVEX 100    //图中顶点数目的最大值
type char VertexType;    //顶点类型应由用户定义
typedef int EdgeType;    //边上的权值类型应由用户定义
/*边表结点*/
typedef struct EdgeNode{
    int adjvex;    //该弧所指向的顶点的下标或者位置
    //EdgeType weight;    //权值，对于非网图可以不需要
    struct EdgeNode *next;    //指向下一个邻接点
    //OtherInfo info; //和边相关的信息 
}EdgeNode;

/*顶点表结点*/
typedef struct VertexNode{
    Vertex data;    //顶点域，存储顶点信息
    EdgeNode *firstedge    //边表头指针
}VertexNode, AdjList[MAXVEX];//AdjList表示邻接表类型 

/*邻接表*/
typedef struct{
    AdjList vertices;//vertices为vertex的复数 
    int numVertexes, numEdges;    //图中当前顶点数和边数
}ALGraph;

邻接表建立无向图

Status CreateUDG(ALGraph &G)
{
    cout<<"\n请输入顶点个数："; 
    cin>>G.vexnum;
    cout<<"请输入边的个数：";
    cin>>G.arcnum;/输入总顶点，总边数 
    cout<<"请输入顶点名称："<<endl;/
    for (int i=0;i<G.vexnum;i++)//输入各点，构造表头结点表 
    {
        cin>>G.vertices[i].data;//输入顶点值 
        G.vertices[i].firstarc=NULL;//初始化表头结点的指针域 
    }
    cout<<"请输入边连接的顶点："<<endl; 
    for (int k=0;k<G.arcnum;k++)//输入各条边，构造邻接表 
    {
        VerTexType v1,v2;
        cin>>v1>>v2;//输入一条边依附的两个顶点 
        int i=LocateVexALG(G,v1);
        int j=LocateVexALG(G,v2);
        ArcNode *p1,*p2;
        p1=new ArcNode;//生成一个新的边结点*p1 
        p1->adjvex=j;//邻接点序号为j 
        p1->nextarc=G.vertices[i].firstarc;
        G.vertices[i].firstarc=p1;//将新结点*p1插入顶点vi的边表头部 
        p2=new ArcNode;//生成另一个对称的新的边结点*p2 
        p2->adjvex=i;//邻接点序号为i 
        p2->nextarc=G.vertices[j].firstarc;
        G.vertices[j].firstarc=p2;//将新结点*p2插入顶点vj的边表头部
        //建立有向网不用最后四部 
    }
    return OK;
}

十字链表（主要用于有向图）

缺点：求结点的度难

十字链表(Orthogonal List)。

我们重新定义顶点表结点结构如下表所示。

其中firstin表示入边表头指针，指向该顶点的入边表中第一个结点，firstout 表示出边表头指针，指向该顶点的出边表中的第一个结点。

重新定义的边表结点结构如下表所示。

其中tailvex 是指弧起点在顶点表的下标，headvex 是指弧终点在顶点表中的下标，headlink是指入边表指针域，指向终点相同的下一条边，taillink是指边表指针域，指向起点相同的下一条边。如果是网，还可以再增加一个weight域来存储权值。

如下图所示，顶点依然是存入一个一维数组{V0,V1,V2,V3}，实线箭头指针的图示完全与的邻接表的结构相同。就以顶点V0来说，firstout 指向的是出边表中的第一个结点V3。所以V0边表结点的headvex=3，而tailvex就是当前顶点V0的下标0，由于V0只有一个出边顶点，所以headlink和taillink都是空。

我们重点需要来解释虚线箭头的含义，它其实就是此图的逆邻接表的表示。对于V0来说，它有两个顶点V1和V2的入边。因此V0的firstin指向顶点V1的边表结点中headvex为0的结点，如上图右图中的①。接着由入边结点的headlink指向下一个入边顶点V2，如图中的②。对于顶点V1,它有一个入边顶点V2，所以它的firstin指向顶点V2的边表结点中headvex为1的结点，如图中的③。顶点V2和V3也是同样有一个入边顶点，如图中④和⑤。

十字链表的好处就是因为把邻接表和逆邻接表整合在了一起， 这样既容易找到以V1为尾的弧，也容易找到以V1为头的弧，因而容易求得顶点的出度和入度。而且它除了结构复杂一点外，其实创建图算法的时间复杂度是和邻接表相同的，因此，在有向图的应用中，十字链表是非常好的数据结构模型。

邻接多重表（主要用于无向图）

缺点：每条边都要储存两边

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而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。比如下图中，若要删除左图的(V0,V2)这条边，需要对邻接表结构中右边表的阴影两个结点进行删除操作，显然这是比较烦琐的。

重新定义的边表结点结构如下表所示。

其中ivex和jvex是与某条边依附的两个顶点在顶点表中下标。ilink 指向依附顶点ivex的下一条边，jlink 指向依附顶点jvex的下一条边。这就是邻接多重表结构。

每个顶点也用一一个结点表示，它由如下所示的两个域组成。

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。

我们来看结构示意图的绘制过程，理解了它是如何连线的，也就理解邻接多重表构造原理了。如下图7所示，左图告诉我们它有4个顶点和5条边，显然，我们就应该先将4个顶点和5条边的边表结点画出来。

我们开始连线，如图，首先连线的①②③④就是将顶点的firstedge指向一条边，顶点下标要与ivex的值相同,这很好理解。接着，由于顶点V0的(V0,V1)边的邻边有(V0,V3)和(V0,V2)。 因此⑤⑥的连线就是满足指向下一条依附于顶点V0的边的目标，注意ilink指向的结点的jvex一定要和它本身的ivex的值相同。同样的道理，连线⑦就是指(V1,V0)这条边，它是相当于顶点V1指向(V1,V2)边后的下一条。V2有三条边依附，所以在③之后就有了⑧⑨。连线④的就是顶点V3在连线④之后的下一条边。 左图一共有5条边，所以右图有10条连线，完全符合预期。

到这里，可以明显的看出，邻接多重表与邻接表的差别，仅仅是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。 这样对边的操作就方便多了，若要删除左图的(V0,V2)这条边，只需要将右图的⑥⑨的链接指向改为NULL即可。