数据结构第5章节数组和广义表.pptVIP

5.1 数组类型 ;基本操作：　　InitArray(A, n, bound1, ..., boundn) 操作结果：若维数 n 和各维长度合法则构造相应数组 A。 DestroyArray(A)初始条件：数组 A 已经存在。操作结果：销毁数组 A。 Value(A, e, index1, ..., indexn)初始条件：A 是 n 维数组，e 为元素变量， n 个下标值。操作结果：若各下标不超界，则e赋值为所指定的A的元 素值，并返回OK。 Assign(A, e, index1, ..., indexn)初始条件：A 是 n 维数组，e 为元素变量，n 个下标值。操作结果：若下标不超界，则将 e 的值赋给A中指定 下标的元素。 } ADT Array ;5.1.2 数组的顺序存储表示通常有两种映象方法： “以行(序)为主(序)”的映象方法 “以列(序)为主(序)”的映象方法 如：二维数组：; 假设二维数组 R[m][n] 每个数据元素占L??存储地址 LOC(i,j) 表示下标为 (i,j) 的数据元素的存储地址， 则 LOC(i,j) 在“以行为主”的顺序映象中的存储地址为：　　　 LOC(i,j) = LOC(0,0) + (i×n+j) ×L 　　在“以列为主”的顺序映象中的存储地址为： LOC(i,j) = LOC(0,0) + (j×m+i) ×L; 假设三维数组 R[p][m][n] 中每个数据元素占 L 个存储地址，并以 LOC(i,j,k) 表示下标为(i,j,k) 的数据元素的存储地址， 则该数组中任何一对下标(i,j,k) 对应的数据元素在“以行为主”的顺序映象中的存储地址为：　　　 LOC(i,j,k) = LOC(0,0,0) + (i×m×n + j×n+k)×L 　　　 ;5.2 矩阵的压缩存储 ;三角矩阵;5.2.2 稀疏矩阵的压缩存储方法 如果矩阵中只有少量的非零值元，并且这些非零值元在矩阵中的分布没有一定规律，则称为随机稀疏矩阵，简称为稀疏矩阵 假设在 m n 的矩阵中有 t 个非零值元， 令 =t /（m×n）， 称 为矩阵的稀疏因子，则通常认定 ≤0.05的矩阵为稀疏矩阵。 ; 如何存储稀疏矩阵中的非零值元？ 仍然采用二维数组表示稀疏矩阵，它的弊病是　　 一、浪费空间 二、浪费时间 由此解决稀疏矩阵压缩存储的目标是： 1)尽可能减少或不存储零值元； 2)尽可能不作和零值元进行的运算； 3)便于进行矩阵运算，即易于从一对行列号 找到矩阵的元，易于找到同一行或同一列的非零值元。; 一个三元组 ??????? 唯一确定了矩阵A中的一个非零值元,由此可以其数据元素为上述三元组的线性表表示稀疏矩阵,并且非零元在三元组线性表中是以行为主有序排列的 ;一、三元组顺序表 以顺序存储结构作为三元组线性表的存储结构，由此得到的稀疏矩阵的一种压缩存储方法. 稀疏矩阵的三元组顺序表的结构定义const MAXTERMS=12500; // 非零个数的最大值为12500　　typedef struct {　　　int i, j; 　　　　// 该非零元的行号和列号　　　ElemType e; 　　　　// 该非零元的值　　} Triple; 　　　　　　　// 三元组　　typedef struct { Triple data[MAXTERMS + 1]; // data[0] 未用int rows, cols, terms;// 矩阵的行数、列数和非零元的个数　　} TSMatrix;　　　　　　// 三元组顺序表 ; 当以三元组顺序表表示稀疏矩阵时，是否仍然便于进行运算呢？在此以“转置”运算为例讨论算法。　　;M的三元组顺序表为： ;以下表格中的三行依次为： col M 的列号、 num[col] M 中各列非零元的总数 rpos[col] T 中每一行第一个非零元在 T.data 中的序号：;由此，转置算法的操作步骤为：　1.求 M 矩阵的每一列中非零元的个数；　2