《数据结构A》第09章.pptVIP

陈慧南 2006.2 第9章? 图 9.1?图的基本概念 9.1.1??图的定义与术语 9.1.2 图ADT ADT Graph { 数据： 顶点的非空集合V和边的集合E，每条边由V中顶点的偶对u,v表示。 运算： Create()：构造一个不包含任何边的有向图。 Destroy()：撤消一个有向图。 Exist(u,v)：如果图中存在边u，v，则函数返回true，否则返回false。 9.2 图的存储结构 9.2.2 图的邻接矩阵实现 a[u][u]=0： 主对角线元素都是0； a[u][v]＝w： 若u,v?E，则w＝1（不带权图） w＝w(i,j)（网）； 若u,v?E，则w＝noEdge 其中，noEdge＝0（不带权图） noEdge＝ ?（网）。 ?9.2.4 图的邻接表实现 templateclass T struct ENode { ENode() { nextArc=NULL; } ENode(int vertex,T weight, ENode* next) { adjVex=vertex; w=weight; nextArc=next; } int adjVex; T w; ENode* nextArc; }; 9.3 图的遍历 9.3.1??扩充的图类 9.3.2 深度优先遍历 假定初始时，图G的所有顶点都未被访问过，那么从图中某个顶点v出发的深度优先搜索图的递归过程DFS可以描述为： （1）访问顶点v，并对v打上已访问标记； （2）依次从v的未访问的邻接点出发，深度优先搜索图G。 图中所有顶点，以及在遍历时经过的边（即从已访问的顶点到达未访问顶点的边）构成的子图，称为图的深度优先搜索生成树(或生成森林)。 9.3.3 宽度优先遍历 假定初始时，图G的所有顶点都未被访问过，那么从图中某个顶点v出发的宽度优先搜索图的过程BFS可以描述为：访问顶点v，并对v打上已访问标记，然后依次访问v的各个未访问过的邻接点，接着再依次访问分别与这些邻接点相邻接且未访问过的顶点。 图中所有顶点以及在遍历时经过的边（即从已访问的顶点到达未访问顶点的边）构成的子图称为图的宽度优先搜索生成森林（每棵树称为生成树）。 9.4 拓扑排序 9.4.1??用顶点代表活动的AOV网 9.4.2 拓扑排序算法 一个拓扑序列是AOV网络中顶点的线性序列，使得对图中任意两个顶点i和j，若在网络中，i是j的前驱结点，则在线性序列中i先于j。 可以用拓扑排序的方法来测试AOV网络的可行性，同时还可以得到各活动的一个拓扑序列。 9.4.3 拓扑排序C++程序 数据结构 采用邻接表表示图 inDegree[i]，保存顶点i的入度 数组order 保存所求得的一个拓扑序列。 9.5 关键路径 9.5.1 用边代表活动的AOE网 9.5.2 什么是关键路径 完成工程所需的最短时间是从开始顶点到完成顶点的最长路径的长度。这条最长路径称为关键路径。 关键路径上的边代表的活动称为关键活动。 9.5.3 关键路径C++程序 9.6 最小代价生成树 ?9.6.1 基本概念 要在n个城镇间建立通信网，可用网络来表示n个城镇以及它们之间可能设立的通信线路，其中，图中顶点表示城镇，边代表两城镇之间的线路，边上的权值代表相应的代价。考虑如何使得造价最小。 构造最小代价生成树有多种算法，下面介绍其中的两种：普里姆（Prim）算法和克鲁斯卡尔（Kruskal）算法。 9.6.2 普里姆算法 9.6.3 克鲁斯卡尔算法 9.7 单源最短路径 两种最常见的最短路径算法：求单源最短路径的迪杰斯特拉（Djikstra）算法和求所有顶点之间的最短路径的弗洛伊德（ Floyd）算法。注意这里所指的路径长度是指路径上的边所带的权值之和，而不是前面定义的路径上的边的数目。 9.7.2 迪杰斯特拉算法 9.7.3 选择数据结构 一维数组d d[i]中存放从源点v0到i的当前最短路径的长度，该路径上除顶点i自身外，其余顶点都属于S，并且这是所有这些路径中的最短者。 9.8 所有顶点之间的最短路径 9.8.1 选择数据结构 弗洛伊德算法的基本思想是：设集合S的初始状态为空集合。然后依此向集合S中加入顶点0,1,?,n-1，每次加入一个顶点。 在算法执行中，d[i][j]被定义为：从i到j中间只经过S中的顶点的，所有可能的路径中的最短路径的长度。如果从i