数据结构—图
(三)、图的遍历
图的遍历和树的遍历类似,希望从图中某一顶点出发访遍图中其余顶点,且使每一个顶点仅被访问一次,这一过程就叫图的遍历。
对于图的遍历来说,如何避免因回路陷入死循环,就需要科学地设计遍历方案,通过有两种遍历次序方案:深度优先遍历和广度优先遍历。
深度优先:
1.首先访问出发顶点V
2. 依次从V出发搜索V的每个邻接点W;
3. 若W未访问过,则从该点出发继续深度优先遍历;它类似于树的前序遍历。
广度优先:
1.首先访问出发顶点V
2.然后访问与顶点V邻接的全部未访问顶点w、X、Y…
3.然后再依次访问W、X、Y…邻接的未访问的顶点
例如的深度优先遍历为:V1 V2 V3 V4 V5 V6;广度优先遍历为:V1 V2 V5 V3 V6 V4。
3.1 深度优先遍历
深度优先遍历,也有称为深度优先搜索,简称DFS。其实,就像是一棵树的前序遍历。
它从图中某个结点v出发,访问此顶点,然后从v的未被访问的邻接点出发深度优先遍历图,直至图中所有和v有路径相通的顶点都被访问到。若图中尚有顶点未被访问,则另选图中一个未曾被访问的顶点作起始点,重复上述过程,直至图中的所有顶点都被访问到为止。
我们用邻接矩阵的方式,则代码如下所示。
#define MAXVEX 100 //最大顶点数
typedef int Boolean; //Boolean 是布尔类型,其值是TRUE 或FALSE
Boolean visited[MAXVEX]; //访问标志数组
#define TRUE 1
#define FALSE 0
//邻接矩阵的深度优先递归算法
void DFS(Graph g, int i)
{
int j;
visited[i] = TRUE;
printf("%c ", g.vexs[i]); //打印顶点,也可以其他操作
for(j = 0; j < g.numVertexes; j++)
{
if(g.arc[i][j] == 1 && !visited[j])
{
DFS(g, j); //对为访问的邻接顶点递归调用
}
}
}
//邻接矩阵的深度遍历操作
void DFSTraverse(Graph g)
{
int i;
for(i = 0; i < g.numVertexes; i++)
{
visited[i] = FALSE; //初始化所有顶点状态都是未访问过状态
}
for(i = 0; i < g.numVertexes; i++)
{
if(!visited[i]) //对未访问的顶点调用DFS,若是连通图,只会执行一次
{
DFS(g,i);
}
}
}
如果使用的是邻接表存储结构,其DFSTraverse函数的代码几乎是相同的,只是在递归函数中因为将数组换成了链表而有不同,代码如下。
//邻接表的深度递归算法
void DFS(GraphList g, int i)
{
EdgeNode *p;
visited[i] = TRUE;
printf("%c ", g->adjList[i].data); //打印顶点,也可以其他操作
p = g->adjList[i].firstedge;
while(p)
{
if(!visited[p->adjvex])
{
DFS(g, p->adjvex); //对访问的邻接顶点递归调用
}
p = p->next;
}
}
//邻接表的深度遍历操作
void DFSTraverse(GraphList g)
{
int i;
for(i = 0; i < g.numVertexes; i++)
{
visited[i] = FALSE;
}
for(i = 0; i < g.numVertexes; i++)
{
if(!visited[i])
{
DFS(g, i);
}
}
}
例如的拓扑排序为:02143567或01243657或02143657或01243567
对比两个不同的存储结构的深度优先遍历算法,对于n个顶点e条边的图来说,邻接矩阵由于是二维数组,要查找某个顶点的邻接点需要访问矩阵中的所有元素,因为需要O(n2)的时间。而邻接表做存储结构时,找邻接点所需的时间取决于顶点和边的数量,所以是O(n+e)。显然对于点多边少的稀疏图来说,邻接表结构使得算法在时间效率上大大提高。
3.2 广度优先遍历
广度优先遍历,又称为广度优先搜索,简称BFS。图的广度优先遍历就类似于树的层序遍历了。
邻接矩阵做存储结构时,广度优先搜索的代码如下。
//邻接矩阵的广度遍历算法
void BFSTraverse(Graph g)
{
int i, j;
Queue q;
for(i = 0; i < g.numVertexes; i++)
{
visited[i] = FALSE;
}
InitQueue(&q);
for(i = 0; i < g.numVertexes; i++)//对每个顶点做循环
{
if(!visited[i]) //若是未访问过
{
visited[i] = TRUE;
printf("%c ", g.vexs[i]); //打印结点,也可以其他操作
EnQueue(&q, i); //将此结点入队列
while(!QueueEmpty(q)) //将队中元素出队列,赋值给
{
int m;
DeQueue(&q, &m);
for(j = 0; j < g.numVertexes; j++)
{
//判断其他顶点若与当前顶点存在边且未访问过
if(g.arc[m][j] == 1 && !visited[j])
{
visited[j] = TRUE;
printf("%c ", g.vexs[j]);
EnQueue(&q, j);
} } } } }
对于邻接表的广度优先遍历,代码与邻接矩阵差异不大, 代码如下 。
//邻接表的广度遍历算法
void BFSTraverse(GraphList g)
{
int i;
EdgeNode *p;
Queue q;
for(i = 0; i < g.numVertexes; i++)
{
visited[i] = FALSE;
}
InitQueue(&q);
for(i = 0; i < g.numVertexes; i++)
{
if(!visited[i])
{
visited[i] = TRUE;
printf("%c ", g.adjList[i].data); //打印顶点,也可以其他操作
EnQueue(&q, i);
while(!QueueEmpty(q))
{
int m;
DeQueue(&q, &m);
p = g.adjList[m].firstedge; 找到当前顶点边表链表头指针
while(p)
{
if(!visited[p->adjvex])
{
visited[p->adjvex] = TRUE;
printf("%c ", g.adjList[p->adjvex].data);
EnQueue(&q, p->adjvex);
}
p = p->next;
}
}
}
}
对比图的深度优先遍历与广度优先遍历算法,会发现,它们在时间复杂度上是一样的,不同之处仅仅在于对顶点的访问顺序不同。可见两者在全图遍历上是没有优劣之分的,只是不同的情况选择不同的算法。
最小生成树:
包含图所有顶点的树,成为图的生成树,各边权值之和最小的树成为最小生成树。
普里姆算法:
1. 定义出发点为一个集合
2. 其它点为另外一个集合
3. 找到顶点和其它点的距离,不可到达为无穷大
4. 每确定一个点,则把这个点当做出发点集合中的点,从此点开始再次循环规则
克鲁斯卡尔算法:
1. 先确定各个点之间的距离
2. 画出各个点
3. 距离从小到大排序,依次加入画的顶点中(但是避免形成回路,如果形成回路,则忽略此距离),直到各个点之间可以连通
拓扑排序:
用有向边表示各顶点活动开始的先后顺序,这些顶点组成的网络成为AOV网络。对一个有向无环图的顶点排成一个线性序列,使得有向边起点排在该有向边终点前的序列称之为拓扑序列。拓扑排序不一定唯一。
1. 找到入度为0的点,作为起点
2. 起点完成后,删除该起点的出度
3. 在剩余的aov网络中重复此过程
关键路径:
AOV网络中,如果边上的权表示完成该活动所需的时间,则称这样的AOV为AOE网络。其中关键路径是最长的一条路径。如下:
的关键路径为V1--V2--Vk或V1--V4--Vk。
关于我们图的数据结构就先讲到这里了!