第七章 图 - 西南林业大学网络教学平台.pptVIP

第七章 图 7.1 图的定义和基本术语 7.2 图的存储结构 7.2.1数组表示法 7.2.2邻接表 7.2.3十字链表 7.2.4邻接多重表 7.3 图的遍历 7.4 图的连通性问题 7.5 有向无环图及其应用 7.6 最短路径 第七章 图 图(Graph)是较线性表和树更为复杂的结构。 图中任意数据两个元素之间都可能相关。 7.1 图的定义和基本术语 7.2 图的存储结构 7.2.1 数组表示法 数组表示法(邻接矩阵) 无向图、有向图、网均适用；易求各顶点的度。 例如有向图G1和无向图G2的邻接矩阵为 网及其邻接矩阵 7.2.2 邻接表（链式存储结构） 邻接表的链式存储结构示意图 7.3 图的遍历 图的遍历：从图的某顶点出发，访问所有顶点，且每个顶点仅被访问一次。 两种遍历图的路径： 深度优先搜索和广度优先搜索 它们对无向图和有向图都适用 深度优先搜索类似于树的先根遍历 广度优先搜索类似于树的层次遍历 7.3.1 深度优先搜索 深度优先搜索算法 7.3.2 广度优先搜索 广度优先搜索算法 7.5 有向无环图及其应用（略讲） 一个无环的有向图叫做有向无环图，简称DAG图 有向无环图是描述含有公共子式的表达式的有效工具： 有向无环图也是描述一项工程或系统的进行过程的有效工具： 7.5.1 拓扑排序 顶点——活动 弧 ——活动间的优先关系 AOV-网(Activity On Vertex Network)：不应该出现有向环 7.5.2 关键路径 关键路径(从源点到汇点)：路径长度最长的路径 例：完成整项工程至少需要多少时间？ 哪些活动是影响整个工程进度的关键？ 7.6 最短路径 7.6.1 从某个源点到其余各顶点的最短路径 给定带权有向图G和源点v,求从v到G中其余各顶点的最短路径 例:求v0到其余顶点的最短路径 迪杰斯特拉(Dijkstra)算法 (1)设置两个顶点的集合T和S; 集合S存放已找到最短路径的顶点 集合T存放当前还未找到最短路径的顶点 (2)初始状态时,S只包含源点v0 ; (3)从T中选取某个顶点vi(要求vi 到v0的路径长度最短) 加入到S中,; (4)S中每加入一个顶点vi,都要修改顶点v0到T中剩余顶点 的最短路径长度值; 它们的值为原来值与新值中较小者; 新值是vi的最短路径长度值加上vi到该顶点的路径长度 (5)不断重复(3)和(4),直到S包含全部顶点。 7.6.2 每一对顶点间的最短路径 给定带权有向图G,求G中每个顶点到其余各顶点的最短路径 解决此问题的一个有效方法是:轮流以每一个顶点为源点,重复执行迪杰斯特拉算法n次,即可求得每一对顶点之间的最短路径,总的时间复杂度为O(n3)。 下面将介绍用弗洛伊德(Floyd)算法来实现此功能，时间复杂度仍为O(n3)，但该方法比调用n次迪杰斯特拉方法更直观一些。 Floyd算法 (1)递推产生一个矩阵序列A0,A1,...,Ak,...An 其中Ak[i,j]表示从顶点vi到vj的路径上所经过的顶点序号不大于k的最短路径长度 (2)初始时, A0为邻接矩阵. (3)Ak+1[i,j]=min{Ak[i,j], Ak[i,k+1]+Ak[k+1,j]} (0=k=n-1) 需要引入辅助数组 sets[ ] （1）初始化：图 G 中的n 个顶点，构成n 个连通分量，顶点xi 对应的连通分量用集合i 表示，所以 sets[ i ]=i, 即表示第 i 个顶点在集合 i 中。 （2）依次取出E 中的边（按边权值递增顺序），设取出的边为（ xi, xj ）。 （3）判断：若sets[ i ]= sets[ j ] , 则表示xi 和 xj 在同一集合中，返回（2）；否则，转到（4）。 （4）将边 （ xi, xj ）并入T，同时将xj 所在的集合v （与xj 连通的顶点）并入xi 所在的集合 u （与xi 连通的顶点），即：由v=sets[j]和u =sets[i] ，扫描辅助数组 sets[ ] ，若 sets[k]=v, 则 令 sets[k]=u 。返回（2）。 （5）重复（2）、（3）、（4），取出n-1条边。 0 1 2 3 4 5 0 1 2 3 4 5 下标 sets 0 1 2 3 4 5 V2 V0 V3 V5 V4 V1 3 6 5 2 1 6 5 5