数据结构 第6章 图.pptVIP

第6章 图 6.1 图的基本术语 例：判断下列4种图形各属什么类型？ 稀疏图：稠密图： 带权图： 邻接点： 6.2 图的存储结构 图的特点： 1. 邻接矩阵（数组）表示法 例2 ：有向图的邻接矩阵如何表示？ 例3 ： 有权图（即网络）的邻接矩阵如何表示？ 2. 邻接表（链式）表示法 例1：无向图的邻接表如何表示？ 例3：已知某网的邻接（出边）表，请画出该网络。 邻接表存储法的特点： 讨论：邻接表与邻接矩阵有什么异同之处？ 6.3 图的遍历 一、深度优先搜索( DFS ) 深度优先搜索（遍历）步骤： 讨论1：计算机如何实现DFS？ 讨论3：在图的邻接表中如何进行DFS？ 讨论4： 邻接表的DFS算法如何编程？ DFS 算法效率分析: 二、广度优先搜索( BFS ) 广度优先搜索（遍历）步骤： 讨论1：计算机如何实现BFS？ BFS 算法效率分析: 6.4 图的其他运算 1.求图的生成树（或生成森林） 例 ：画出下图的生成树 例2：画出下图的生成森林（或极小连通子图） 2. 求最小生成树 典型用途： 讨论：如何求得最小生成树？ 普利姆（Prim）算法： 例：用普里姆算法构造最小生成树的过程 普利姆（Prim）算法示例： 归并顶点 第6章小结 欲在n个城市间建立通信网，则n个城市应铺n-1条线路；但因为每条线路都会有对应的经济成本，而n个城市可能有 n(n-1)/2 条线路，那么，如何选择n–1条线路使总费用最少？ 先建立数学模型： 顶点———表示城市，有n个； 边————表示线路，有n–1条； 边的权值—表示线路的经济代价； 连通网——表示n个城市间的通信网。 显然此连通网是一棵生成树！ 问题抽象： n个顶点的生成树很多，需要从中选一棵代价最小的生成树，即该树各边的代价之和最小。此树便称为最小生成树MST。 Minimum cost Spanning Tree 最小生成树（MST）的 性质如下： 若U集是V的一个非空子集，若(u0, v0)是一条最小权值的边，其中u0?U，v0?V-U；则：(u0, v0)必在最小生成树上。 设想一下：先把权值最小的边归入生成树内，逐个递增，舍去回路边，则得到的很可能就是最小生成树！ 求MST有多种算法，但最常用的是以下两种： Kruskal（克鲁斯卡尔）算法 Prim（普里姆）算法 Kruskal算法特点：将边归并，适于求稀疏网的最小生成树。 Prime算法特点: 将顶点归并，与边数无关，适于稠密网。 例：应用克鲁斯卡尔算法构造最小生成树的过程 步骤： (1) 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。 (2) 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。 (3) 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。 设N = { V, E }是有 n 个顶点的连通网， Prim算法采用邻接矩阵作为图的存储表示。 * 6.1 图的基本概念 6.2 图的存储结构 6.3 图的遍历 其中：V 是G 的顶点集合，是有穷非空集； E 是G 的边集合，是有穷集。 问：当E(G)为空时，图G存在否？ 答：还存在！但此时图G只有顶点而没有边。 有向图： 无向图： 完全图： 图G中的每条边都是有方向的； 图G中的每条边都是无方向的； 图G任意两个顶点都有一条边相连接； 若 n 个顶点的无向图有 n(n-1)/2 条边, 称为无向完全图 若 n 个顶点的有向图有n(n-1) 条边, 称为有向完全图 V=vertex E=edge 图：记为 G＝( V, E ) ？ v1 v2 v3 v5 v4 v4 v1 v2 v3 v4 无向 无向图(树) 有向图 有向 n(n-1)/2 条边 n(n-1) 条边 G1的顶点集合为V(G1)={0,1,2,3} 边集合为E(G1)={(0,1),(0,2),(0,3),(1,2),(1,3),(2,3)} 完全图 完全图 设有两个图 G＝(V, E) 和 G’＝(V’, E’)。若 V’ ? V 且 E’ ?E, 则称 图G’ 是 图G 的子图。 子 图： 边较少的图。通常边数远少于nlogn 边很多的图。 无向图中，边数接近n(n-1)/2 有向图中，边数接近n(n-1) 即边上带权的图。其中权是指每条边可以标上具有某种含义的数值（即与边相关的数）。 连通图： 在无向图中, 若从顶点v1到顶点v2有路径, 则称顶点v1与v2是连通的。如果图中任意一对顶点都是连通的, 则称此图是连通图。 非连通图的极大连通子图叫做连通分量。 →带权