图的基本概念和存储结构

图的基本概念和存储结构

回顾：

图的基本概念

• 图的定义和术语

图：G=(V,E)
  V:顶点（数据元素）的有穷非空集合
  E:边的有穷集合

无向图——每条边都是无方向的
有向图——每条边都是有方向的

完全图——任意两个点都有一条边相连
无向完全图——n个顶点，有$n(n-1)/2$条边
有向完全图——n个顶点，有$n(n-1)$条边

稀疏图——有很少边的弧的图（e<nlogn）
稠密图——有较多边或弧的图
网——边/弧带权的图
邻接——有边/弧相连的两个顶点之间的关系。存在$(v_i,v_j)$,则称$v_i$和$v_j$互为邻接点；存在$<v_i,v_j>$,则称$v_i$邻接到$v_j$,$v_j$邻接于$v_i$.
关联（依附）——边/弧与顶点之间的关系。存在$(v_i,v_j)/<v_i,v_j>$,则称该边/弧关联于$v_i$和$v_j$.

顶点的度——与该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。
顶点v的入度是以v为终点的有向边的条数,记作ID(v)
顶点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——图中边或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耗费。带权的图称为网。
子图——设有两个G=(V,{E})、G1=(V1,{E1}),若V1$\subseteq$V，E1$\subseteq$E,则称G1是G的子图。

连通分量（强联通分量）

• 无向图G的极大连通子图称为G的连通分量。
  极大连通子图意思是：该子图是G连通子图，将G的任何不在该子图中的顶点加入，子图不在连通。
• 有向图G的极大强连通子图称为G的强连通分量
  极大强连通子图意思是：该子图是G的强连通子图，将D的任何不在该子图中的顶点加入，子图不在是强连通的

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的子图不在连通。
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。

图的存储结构

图的逻辑关系——多对多

图没有顺序存储结构，但可以借助二维数组来表示元素间的关系——邻接矩阵
链式存储结构——多重链表（邻接表、邻接多重表、十字链表）

邻接矩阵的存储方法

• 建立一个顶点表（记录各个顶点信息）和一个邻接矩阵（表示各个顶点之间的关系）。

设图A=(V,E)有n个顶点，则顶点表Vexs[n]

i	0	1	2	…	n-1
Vexs[i]	$v_1$	$v_2$	$v_3$	…	$V_n$

图的邻接矩阵是一个二维数组A.arcs[n][n],定义为：

$$A.arcs[i][j]=\{\begin{array}{ll}1,& 如果<i,j>\in E或者(i,j)\in E\\ 0,& 否则\end{array}$$

• 例子：

无向图的邻接矩阵：

有向图的邻接矩阵

网的邻接矩阵

$$A.arcs[i][j]=\{\begin{array}{ll}{W}_{i,j},& 如果<i,j>或者(i,j)\in VR\\ \infty ,& 无边（弧）\end{array}$$

• 邻接矩阵的存储表示——用两个数组分别存储顶点表和邻接矩阵

#define MaxInt 32767 //表示极大值 
#define MVNum 100 //最大顶点数
typedef char VerTexType; //顶点的数据类型定义
typedef int ArcType; //权值数据类型定义
typedef struct {
    VerTexType vexs[MVNum]; //顶点表
    ArcType arc[MVNum][MVNum]; //邻接矩阵
    int vexnum,arcnum; //图的当前点数和边数
}AMGraph; 

• 采用邻接矩阵表示法创建无向网

$$无向网\{\begin{array}{l}无向图\\ 有向图\\ 有向网\end{array}$$

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。——vexs[i]
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。

//在图中查找顶点
int LocateVex(AMGraph G,VertexType u){
    //在图中查找顶点u，存在则返回顶点表中的下标；否则返回-1
    int i;
    for(i=0;i<G.vexnum;++i) 
        if(u==G.vexs[i]) return i;
    return -1;
}
//采用邻接矩阵表示法，创建无向网
Status CreateUDN(AMGraph &G){ 
    cin>>G.vexnum>>G.arcnum;  //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.arcnum;j++)
            G.arcs[i][j]=MaxInt; //边的权值均置为最大值

    for(int k=0;k<G.arcnum;++k){ 
        cin>>v1>>v2>>w;    //输入一条边所依附的顶点以及边的权值
        i=LocateVex(G,v1);  
        j=LocateVex(G,v2);  //确定v1和v2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
    }
    return OK;
} //CreateUDN

• 邻接矩阵的优缺点

• 优点：
  1.直观、简单、好理解
  2.方便检查任意一对顶点间是否存在边
  3.方便找任一顶点的所有“邻接点”（有边直接相连的顶点）
  4.方便计算任一顶点的“度”（从该点发出的边数为“出度”，指向该点的边数为入度）

  • 无向图：对应行（或列）非0元素的个数树“出度”
  • 有向图：对应行非0元素的个数是“出度”；对应列非0元素的个数是“入度”

• 缺点：
  1.不便于增加和删除顶点
  2.浪费空间——存稀疏图时有大量的无效元素
  3.浪费时间——统计稀疏图中一共有多少条边

邻接表的存储方法

• 邻接表的表示方法（链式）

• 顶点——按编号顺序将1顶点数据存储在一维数组中；
• 关联同一顶点的边（以顶点为尾的弧）：
  用线性链表存储

• 无向图的邻接表

• 特点
  1.邻接表不唯一
  2.若无向图中有n个顶点、e条边，则其邻接表需n个头结点和2e个表结点。适宜存储稀疏图
  3.无向图中顶点$v_i$的度为第$i$个单链表中的结点数

• 有向图的邻接表

• 特点
  1.顶点$v_i$的出度为第$i$个单链表中的结点个数
  2.顶点$v_i$的入度为整个单链表中邻接点域值时$i-1$的结点个数

邻接表：——存储出度边

找出度易，找入度难

逆邻接表：——储存入度边

找入度易，找出度难

• 图的邻接表存储表示：

• 图的结点类型定义

• 顶点结点结构

$|data|firstarc|$

typedef struct VNode{
    VerTexType data; //顶点信息
    ArcNode *firstarc;  //指向第一条依附该顶点的边的指针
}VNode,AdjList[MVNum];  //AdjList表示邻接表类型

• 弧（边）结点结构

$|adjvex|nextarc|info|$

#define MVNum 100    //最大顶点个数
typedef struct ArcNode{  //边结点
    int adjvex;   //该边所指向的顶点的位置
    struct ArcNode *nextarc; //指向下一条边的指针
    OtherInfo info;  //和边相关的信息
}ArcNode;

• 图的结构定义

$|顶点|弧（边）|$

typedef struct {
    AdjList vertices; // vertices--vertex的复数
    int vexnum,arcnum; // 图的当前顶点数和弧度数
}ALGraph;

• 采用邻接表表示法创建无向网

• 算法思想
  1.输入总顶点数和总边数
  2.建立顶点表
    依次输入点的信息存入顶点表中，使每个表头结点的指针域初始化为NULL
  3.创建邻接表

  • 依次输入每条边依附的两个顶点；
  • 确定两个顶点的序号i和j，建立边结点；
  • 将此边结点分别插入到$v_i$和$v_j$对应的两个边链表的头部

//采用邻接表表示法，创建无向图
Status CreateUDG(ALGraph &G){
    cin>>G.vexnum>>G.arcnum; //输入总顶点数、总边数
    for(int i=0;i<G.vexnum;++i){ //输入各点，构造表头结点表
        cin>>G.vexnum[i].data; //输入顶点数
        G.vertices[i].firstarc=NULL; //初始化表头结点的指针域
    }
    for(int k=0;k<G.arcnum;++k){ //输入各边，构造邻接表
        cin>>v1>>v2;   // 输入一条边依附的两个顶点
        i=LocateVex(G,v1);  
        j=LocateVex(G,v2);
        //出度边
        p1=new ArcNode; //生成一个新结点*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
        //入度边
        p2=new ArcNode; //生成另一个对称的新的边结点*p
        p2->adjvex=i;   //邻接点序号为i
        p2->nextarc=G.vertices[j].firstarc; 
        G.vertices[j].fistarc=p2; //将新结点*p2插入顶点vj的边表头部
    }
    return OK;
}

• 邻接表特点
  1.方便找任意顶点的所有“邻接点”
  2.节约稀疏图的空间
  3.对于无向图方便计算出度和入度，无向图分情况讨论（邻接表:方便计算出度；逆邻接表方便计算入度）
  4.不方便检查任意一对顶点间是否存在边

邻接矩阵和邻接表的关系

• 联系——邻接表中每个链表对应于邻接矩阵中的一行，链表中结点个数等于一行中非零元素的个数。

• 区别：
  1.对于任一确定的无向图，邻接矩阵是唯一确定的（行列号与顶点编号一致），但邻接表不唯一（链接次序与顶点编号无关）。
  2.邻接矩阵的空间复杂度为$O(n^2)$；而邻接表的空间复杂度为$O(n+e)$。

• 用途——邻接矩阵多用于稠密图；而邻接表多用于稀疏图。

十字链表

邻接表和逆邻接表的结合

例子：

邻接多重表

无向图只存储一条边

例子：