第7章 图 part2.ppt

第七章 图 主讲：戚玉涛 第七章 图 7.1 图的定义与基本术语 7.2 图的存储结构 7.3 图的遍历 7.4 图的连通性问题 7.5 有向无环图的应用 7.6 最短路径 图的遍历 从给定图中任意指定的顶点(称为初始点)出发，按照某种搜索方法沿着图的边访问图中的所有顶点，使每个顶点仅被访问一次，这个过程称为图的遍历。 如果给定图是连通的无向图或者是强连通的有向图，则遍历过程一次就能完成，并可按访问的先后顺序得到由该图所有顶点组成的一个序列。 根据搜索方法的不同,图的遍历方法有两种： 深度优先搜索法 DFS (Depth-First Search) 广度优先搜索法 BFS (Breadth-First Search) 深度优先搜索遍历 Depth First Search 类似于树的先根遍历 优先向纵深访问 深度优先搜索遍历 从图G中选某个顶点V作为出发点； 访问V； 依次从V的未被访问的邻接点出发，深度优先搜索遍历图G, 直至与V相通的顶点都被访问完； 如果此时图G中还有顶点未曾被访问，则从这些未被访问的顶点中再选一个顶点V，转2，继续遍历；否则遍历结束。 显然，这个遍历过程是个递归过程。 深度优先搜索遍历 由于图中可能存在回路，所以在沿着某搜索路径遍历时可能会遇到已经被访问过的顶点。 为了避免顶点被多次访问，需要专门设置一个数组int visited[n]，来标记已经访问过的顶 visited数组的下标与顶点数组平行: 广度优先搜索遍历 Breadth First Search 类似于树的按层次遍历 相对于出发点由近及远地访问 广度优先搜索遍历 从图G的某个顶点v出发，访问v； 依次访问V的未被访问的邻接点； 再按照“先被访问顶点的邻接点先访问”的次序，依次访问这些邻接点的邻接点，直至图中所有已被访问的顶点的邻接点都被访问到； 若此时图中还有顶点未曾被访问，则另选一个未被访问的顶点v作为出发点，重复上述过程，直至图中所有的顶点都被访问完。 广度优先搜索 第七章 图 7.1 图的定义与基本术语 7.2 图的存储结构 7.3 图的遍历 7.4 图的连通性问题 7.5 有向无环图的应用 7.6 最短路径 图的连通性问题 无向图的连通分量 生成树和生成森林 连通网的最小代价生成树：最小生成树 图的连通性问题 对于连通图，无论是广度优先搜索还是深度优先搜索，仅需调用一次搜索过程，即从任一个顶点出发，便可以遍历图中的各个顶点。 对于非连通图，则需要多次调用搜索过程，而每次调用得到的顶点访问序列恰为各连通分量中的顶点集。 因此,对DFS(BFS)算法稍做修改就可解决求无向图连通分量的问题。 无向图的生成树 无向图的生成树：一个连通图的生成树是一个极小连通子图,它含有图中全部顶点，但只有构成一棵树的(n-1)条边。 en-1 → 非连通图 en-1 → 有回路 e=n-1 → 不一定都是图的生成树 无向图的生成树 设G=(V,E)为连通图，则从图中任一顶点出发遍历图时，必定将E(G)分成两个集合T和B。其中T是遍历图过程中走过的边的集合，B是剩余的边的集合： 　　　　　T∩B=Φ　and T∪B=E(G) 显然，G‘=(V,T)是G的极小连通子图。即G’是G的一棵生成树。 生成树和生成森林 由深度优先遍历得到的生成树称为深度优先生成树；由广度优先遍历得到的生成树称为广度优先生成树。这样的生成树是由遍历时访问过的n个顶点和遍历时经历的n-1条边组成。 对于非连通图，每个连通分量中的顶点集和遍历时走过的边一起构成一棵生成树，各个连通分量的生成树组成非连通图的生成森林。 连通图的DFS生成树： 在对图做DFS遍历时，从一个已访问的顶点出发，到达一个未被访问的顶点所经历的边集及所有顶点构成的生成树。 最小生成树 一个无向图可以对应多个生成树。 一个带权无向图(无向网)同样可以对应多个生成树。 最小生成树 生成树的代价：一棵生成树的代价定义为树上各边的权之总和。 最小生成树：在一个连通网的所有生成树中， 各边的代价之和最小的那棵生成树称为该连通网的最小代价生成树（Minimum Cost Spanning Tree），简称为最小生成树(MST)。 。 构造最小生成树的算法： Prim算法 Kruskal算法 最小生成树的性质(MST性质)： 　　设 N=(V, E) 是一连通网，U 是顶点集V的一个非空子集。 若（u , v）是一条具有最小权值的边， 其中u∈U， v∈V-U， 则存在一棵包含边（u , v）的最小生成树。 MST性质的证明（反证法）： 设G的任何一棵最小生成树上都不包含这