数据结构--第七章 图.ppt

访问时应保证：如果Vi和Vk为当前端结点，且Vi在Vk之前被访问，则Vi的所有未被访问的邻接点应在Vk的所有未被访问的邻接点之前访问。重复（3），直到所有端结点均没有未被访问的邻接点为止。 若此时还有顶点未被访问，则选一个未被访问的顶点作为起始点，重复上述过程，直至所有顶点均被访问过为止。 广度优先搜索过程示例见p169的图7.16所示。其中箭头代表搜索方向，箭头旁边的数字代表搜索顺序，A为起始顶点。 A D G B E H C F I 1 4 6 5 7 8 2 3 访问序列为：A、B、E、D、C、G、F、H、I。 广度优先搜索连通子图的算法如下： void BreadthFirstSearch(Graph g, int v0) /*广度优先搜索图g中v0所在的连通子图*/ { visit(v0); visited[v0]=True; InitQueue(Q); /*初始化空队*/ EnterQueue(Q,v0)；/* v0进队*/ while ( ! Empty(Q)) { DeleteQueue(Q, v); /*队头元素出队*/ w=FirstAdj(g,v); /*求v的第一个邻接点*/ while (w!=-1 ) { if (!visited(w)) { visit(w); visited[w]=True; EnterQueue(Q, w); } w=NextAdj(g, v, w); /*求v相对于w的下一个邻接点*/ } } } 7.4 图的连通性问题 无向图的连通分量 在对图遍历时，对于连通图，无论是广度优先搜索还是深度优先搜索，仅需要调用一次搜索过程，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。调用搜索过程的次数就是该图连通分量的个数。 例如：p171的图7.17(a)是一个非连通图，按照它的邻接表进行深度优先搜索遍历，三次调用深度优先搜索（DepthFirstSearch）过程得到的访问顶点序列为： 1，2，4，3，9 5，6，7 8，10 因此有三个连通分量。如p171的图7.17(c). 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。 最小生成树的重要性质如下： 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。 用反证法来证明这个最小生成树（MST）的性质： 假设不存在这样一棵包含边（u , v）的最小生成树。任取一棵最小生成树T，将（u , v）加入T中。根据树的性质，此时T中必形成一个包含（u , v）的回路，且回路中必有一条边（u’ , v’）的权值大于或等于（u , v）的权值。删除（u , v），则得到一棵代价小于等于T的生成树T’，且T’为一棵包含边（u , v）的最小生成树。这与假设矛盾。 一个连通网的最小生成树算法： 普里姆算法 假设N=(V,{E})是连通网，TE为最小生成树中边的集合。 （1）初始U={u0}(u0∈V),TE=φ； （2）在所有u∈U, v∈V-U的边中选一条代价最小的边（u0，v0）并入集合TE，同时将v0并入U； （3）重复（2），直到U=V为止。 此时，TE中必含有n-1条边，则T=（V，{TE}）为N的最小生成树。 普里姆算法是逐步增加U中的顶点，可称为“加点法” 注意：选择最小边时，可能有多条同样权值的边可供选择，此时任选其一。 为了实现这个算法需设一个辅助数组closedge[ ]，以记录从U道V-U具有最小代价的边。对每个顶点v∈V-U，在辅助数组中存在一个分量closedge[v]，它包括两个域vex和lowcost，其中lowcost存储该边上的权，显然有 closedge[v].lowcoast=Min({cost(u,v) | u∈U}) 普里姆算法可描述为： struct { VertexData adjvex; int lowcost; } closedge[MAX_VERTEX_NUM]; /* 求最小生成树时的辅助数组*/ MiniSpanTree_Prim(AdjMatrix gn, VertexData u) /*从顶点u出发，按普里姆算法构造连通网gn 的最小生成树，并输出生成树的每条边*/