算法设计与分析第五章1图的搜索算法详解.ppt

第五章 图的搜索算法 ; 图是一种限止最少的数据结构，因此更接近现实，实际问题中很多数据关系都可以抽象成图，相关问题则可利用图的基本算法进行求解，很早就有专门研究图的是一门数学学科“图论”；其中的计算问题包括图的搜索、路径问题、连通性问题、可平面性检验、着色问题、网络优化等。图论中的著名算法有：求最小生成树的Kruskal算法、求最短路径的Dijkstra算法和Floyd算法、求二部图最大匹配（指派问题）的匈牙利算法、求一般图最大匹配的Edmonds“花”算法、求网络最大流和最小割的算法等。其中的一些算法在数据结构课程中已经学习过了。 ;1．显式图与隐式图 ;2.显式图的常用术语 ;带权图：j即图5 -2给图 5-1中各图的边上附加一个代表性数据 (比如表示长度、流量或其他 )，则称其为带权图 。 环 (cycle)：图5-1中 ⑶图中的 v 1点本身也有边相连，这种边称为环。 有限图：顶点与边数均为有限的图，如图 5-1中的三个图均属于有限图。 简单图：没有环且每两个顶点间最多只有一条边相连的图，如图 5-1中的 ⑴图。 邻接与关联：当（ v 1， v 2） ∈E，或 v 1， v 2 ∈E，即 v 1， v 2间有边相连时，则称 v 1和 v 2是相邻的，它们互为邻接点（ adjacent），同时称（ v 1， v 2）或 v 1， v 2 是与顶点 v 1、 v 2相关联的边。 ;顶点的度数 (degree)：从该顶点引出的边的条数，即与该顶点相关联的边的数目，简称度。 入度（ indegree）：有向图中把以顶点 v为终点的边的条数称为是顶点 v的入度。 出度（ outdegree）：有向图中把以顶点 v为起点的边的条数称为是顶点 v的出度。 终端顶点：有向图中把出度为 0的顶点称为终端顶点，如图 5-1中 ⑵图的 v 3。 ;;3．隐式图术语 1）子集树 ;图5-3 n=3的子集树 ; 当要求解的问题需要在n 元素的排列中搜索问题的解时，解空间树被称作排列树（permutation tree）。 搜索空间为： （1，2，3，……，n-1，n）, （2，1，3，……，n-1，n）, （2，3，1，……，n-1，n）,（2，3，4，1，……，n-1，n）,（n，n-1，……，3，2，1） 第一个元素有n 种选择，第二个元素有n-1种选择，第三个元素有n-2种选择，……，第n个元素有1???选择，共计n!个状态。若表示为树形就是一个n度树，这样的树有n! 个叶结点，所以每一个遍历树中所有节点的算法都必须耗时O(n! ) ;;4．图的存储 1）邻接矩阵法 ;;2）邻接表 ;图7.1 ; 5．1．2 图搜索及其术语;2．相关概念和术语 ;活结点：如果已生成一个结点而它的所有儿子结点还没有全部生成，则这个结点叫做活结点。 E-结点：当前正在生成其儿子结点的活结点叫E-结点（正 扩展的结点）。 死结点 ：不再进一步扩展或者其儿子结点已全部生成的生成结点就是死结点 。;5．2．1 算法框架 ;2．算法框架 ;1）邻接表表示图的广度优先搜索算法 ;2）邻接矩阵表示的图的广度优先搜索算法;5．2．2 广度优先搜索的应用 ;【例1】已知若干个城市的地图，求从一个城市到另一个城市的路径，要求路径中经过的城市最少。 算法设计： ; 如图5-6表示的是从城市A到城市H的交通图。从图中可以看出，从城市A到城市H要经过若干个城市。现要找出一条经过城市最少一条路线。 ;具体过程如下： ;数据结构设计： ;算法如下：;算法分析：时间复杂度是O（n）；空间复杂性为（n2），包括图本身的存储空间和搜索时辅助空间“队”的存储空间。;【例2】走迷宫问题 ;算法设计： ;数据结构设计： ;int jz[8][8]= {{1,0,0,0,1,0,1,1},{0,1,1,1,1,0,1,1}, {0,1,1,0,0,1,1,1}, {0,1,0,1,1,1,0,1}, {1,1,0,1,1,1,0,0},{0,0,1,1,1,1,1,0}, {1,1,1,0,0,1,1,0}, {1,1,1,1,0,0,0,1}};struct {int　city, pre;} sq[100];int qh,qe,i,visited[100];main( ) {int i,n=8; for(i=1;i=n,i=i+1) visited[i]=0; search( ); } ;search( ){qh=0; qe=1;maze[1][1]=-1; Sq[1].pre=0;sq[1].x=1;sq[1].y=1; 　　 while( qhqe) /当队不空/　{qh=