第一章图的基本概及图的存储.pptVIP

第1章 图的基本概念及图的存储;引论 – 哥尼斯堡七桥问题;1.1 基本概念;1.1.1 有向图与无向图;无向图：图中的每条边没有方向。通常用符号(u,v)表示顶点u到顶点v的一条无向边。 有向图：图中的每条边(通常可称为弧)都有方向。通常用符号u,v表示顶点u到顶点v的一条有向边，其中u为这条边的起始顶点(起点)，v为这条有向边的终止顶点(终点)。;1.1.2 完全图、稀疏图、稠密图;;1.1.3 顶点与顶点、顶点与边的关系;例如，在图1.1(b)所示的有向图 中，顶点1分别邻接到顶点2, 4, 5，邻接自顶点0和4；有向边 的顶点1邻接到顶点5，顶点5邻接自顶点1；顶点1分别与边 , , , 和 相关联；等等。;1.1.4 顶点的度数及度序列;顶点的度(degree)：一个顶点 的度是与它相关联的边的条数，记作 。;在无向图和有向图中，边的个数和顶点的度都存在如下关系(假设图 有 个顶点，有 条边)：;偶点：度数为偶数的顶点； 奇点：度数为奇数的顶点； 孤立顶点：度数为0的顶点，称为孤立顶点。孤立顶点不与其他任何顶点邻接。 叶（叶顶点、端点）：度数为1的顶点，称为叶顶点。其他顶点称为非叶顶点。 图G的最小度：图G所有顶点的最小的度数，记为δ(G)。 图G的最大度：图G所有顶点的最大的度数，记为Δ(G)。;度序列与Havel-Hakimi定理;序列是可图的：一个非负整数组成的有限序列如果是某个无向图的度序列，则称该序列是可图的。;Havel-Hakimi定理实际上给出了根据一个序列s构造图（或判定s不是可图的）的方法：;1.1.5 二部图与完全二部图;1.1.6 图的同构;1.1.7 子图与生成树;生成树：一个无向连通图的生成树是它的包含所有顶点的极小连通子图，这里所谓的极小就是边的数目极小。如果图中有n个顶点，则生成树有n-1条边。;1.1.8 路径;在图(b)所示的有向图 中，顶点序列(2, 4, 1, 5)是顶点2到顶点5的路径，其中2,4, 4,1, 1,0都是图 中的边；而顶点6到顶点0没有路径。;简单路径：若路径上各顶点 , , , …, , 均不互相重复，则这样的路径称为简单路径。例如，在图 中，路径(0, 1, 4, 3)就是一条路径。;1.1.9 连通性;又如，图1.10所示的无向图就是非连通的。其中顶点A、B、C和E构成一个连通分量，顶点D、F、G和H构成另一个连通分量。;在有向图中，若对每一对顶点 和 ，都存在从 到 的路径，也存在从 到 的路径，则称此有向图为强连通图。例如图1.11所示的有向图就是强连通图。;例如，图(a)所示的非强连通图包含4个强连通分量，如图(b)所示。其中，顶点1, 2, 3, 4构成一个强连通分量，在这个子图中，每一对顶点 和 ，都存在从 到 的路径，也存在从 到 的路径；顶点0, 5, 6都自成一个强连通分量。;1.1.10 权值、有向网与无向网;例如，图1.13(a)所示的无向网可表示为 ，其中顶点集合为： 边的集合为：;同样在边的集合中，每个元素中的第3个分量也表示边的权值。;1.2 图的存储表示;1.2.1 邻接矩阵√√;1. 有向图(无向图)的邻接矩阵;注意：如果图中存在环（连接某个顶点自身的边）和重边（多条边的起点一样，终点也一样）的情形，则无法用邻接矩阵存储。;问题：从图的邻接矩阵可以获得什么信息？ (说明：邻接矩阵经过运算如乘方后，还可以获得更多的信息，具体请参见相关图论书籍);例1.1 用邻接矩阵存储有向图，并输出各顶点的出度和入度。;样例输出： 1 3 1 1 2 1 0 0 2 2 1 2 1 1;分析： 在程序中可以使用一个二维数组存储表示邻接矩阵。注意，输入文件中顶点的序号是从1开始计起的，而二维数组中的下标是从0开始计起，所以在将边的信息存入到邻接矩阵时，需要将边的起点和终点的序号减1。在将有向边u, v存储表示到邻接矩阵Edge中时，只需要将元素Edge[u-1][v-1]的值置为1。;题目要求输出n个顶点的出度(入度)时，每两个正整数之间用一个空格隔开，最后一个正整数之后没有空格。可以采取的策略是：输出第0个顶点的出度时前面没有空格，输出后面n-1个顶点的出度时输出一个空格。;#include stdio.h #include string.h #define MAXN 100 int Ed