DS07-图.pptVIP

7.1 图的基本概念 图的定义： 图是由顶点集合及顶点间的关系集合组成 的一种数据结构： Graph＝( V, E ) 其中： V = { x | x ? 某个数据对象} 是顶点的有穷非空集合； E = {(x, y) | x, y ? V }是顶点之间关系的有穷集合，也叫做边集合。 设图 G = (V, E)是一个有 n 个顶点的图，有一个记录各个顶点信息v0 ,v1, v2, …, vn-1的顶点表，可以用顺序方式或链式方式来存储顶点表；而图的边用一个二维数组表示，它是一个n×n的矩阵（邻接矩阵），用于表示顶点之间的邻接关系。定义为： 网络(带权图)的邻接矩阵 有向图的邻接表和逆邻接表 算法的时间复杂度是O（n＋e） 在邻接表的边链表中，各个表结点的链入顺序任意，视表结点输入次序而定。 设图中有 n 个顶点，e 条边，则用邻接表表示无向图时，需要 n 个表头结点，2e 个表结点；用邻接表表示有向图时，若不考虑逆邻接表，只需 n 个表头结点，e 个表结点。 带权图的边结点中保存该边上的权值 cost 网络 (带权图) 的邻接表 7.3 图的遍历 深度优先搜索DFS ( Depth First Search ) 深度优先搜索的示例 DFS 在访问图中某一起始顶点 v 后，由 v 出发，访问它的任一邻接顶点 w1；再从 w1 出发，访问与w1邻接但还没有访问过的顶点 w2；然后再从 w2 出发，进行类似的访问，… 如此进行下去，直至到达所有的邻接顶点都被访问过的顶点 u 为止。接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。 算法分析 图中有 n 个顶点，e 条边。 如果用邻接表表示图，沿链可以找到某个顶点 v 的所有邻接顶点 w。由于总共有 2e 个边结点，所以扫描边的时间为O(e)。而且对所有顶点递归访问1次，所以遍历图的时间复杂性为O(n+e)。 如果用邻接矩阵表示图，则查找每一个顶点的所有的边，所需时间为O(n)，则遍历图中所有的顶点所需的时间为O(n2)。 广度优先搜索BFS ( Breadth First Search ) 广度优先搜索的示例 ①选定一个起始顶点v，从v 出发，依次访问与v相邻接的所有顶点w1, w2, …, wt ②然后再按w1, w2, …, wt 的顺序，访问其中每一个顶点的所有未被访问过的邻接顶点 ③按刚才的访问次序，依次访问它们的所有未曾被访问过的邻接顶点， … 如此做下去，直到图中所有顶点都被访问到为止 广度优先搜索是一种分层的搜索过程，每向前走一步可能访问一批顶点，不像深度优先搜索那样有往回退的情况。因此，广度优先搜索不是一个递归的过程，其算法也不是递归的。 为了实现逐层访问，算法中使用了一个队列，以记忆正在访问的这一层和上一层的顶点，以便于向下一层访问。 与深度优先搜索过程一样，为避免重复访问，需要一个辅助数组(队列)visited[ ]，给被访问过的顶点加标记。 非连通图的遍历 7.4 生成树 普里姆(Prim)算法 从连通网络 N = { V, E }中的某一顶点 u0 出发，选择与它关联的具有最小权值的边(u0, v)，将其顶点加入到生成树的顶点集合U中。以后每一步从一个顶点在U中，而另一个顶点不在U中的各条边中选择权值最小的边(u, v),把它的顶点加入到集合U中。如此继续下去，直到网络中的所有顶点都加入到生成树顶点集合U中为止。 克鲁斯卡尔 (Kruskal) 算法 设有一个有 n 个顶点的连通网络 G = { V, E }, 最初先构造一个只有 n 个顶点，没有边的非连通图 T = { V, ? }, 图G中每个顶点自成一个连通分量。 然后每当在 E 中选到一条具有最小权值的边时,若该边的两个顶点落在不同的连通分量上，则将此边加入到 T 中；否则将此边舍去，重新选择一条权值最小的边。 如此重复下去，直到所有顶点在同一个连通 分量上为止。 7.5 最短路径 最短路径问题：如果从图中某一顶点(称为源点)到达另一顶点(称为终点)的路径可能不止一条，如何找到一条路径，使得沿此路径各边上的权值总和达到最小。 问题解法 单源最短路径 — Dijkstra算法 任意顶点对之间的最短路径 — Floyd算法 单源最短路径问题 问题的提出： 给定一个带权有向图G与源点v，求从v到G中其