图的分.pptVIP

*;图的应用;使用“图”来描述问题 地图染色 忽略不相干的信息，比如边界的形状 将国家描述为图的节点，两个国家之间如果有边界，则相应节点之间有边连接。 巴西-节点1 阿根廷-节点11 安排考试 每门课是一个节点 如果有同学选两门课，对应两个点有边连接;图的表示 包含点的集合V和边的集合E ，如果 ，图可以用一个邻接矩阵表示，如果图的边有方向（称为有向图），则 ；如果无方向（称为无向图），则 ，矩阵是对称矩阵。 在计算机中存储图，如果采用邻接矩阵，占用空间 ，这种方法在矩阵密度不高的情况下比较浪费空间 仅仅存储边，比如在每个节点上存储和该节点连接的边，占用空间 。称为邻接表;如何确定图的存储方式 取决于|V|和|E|之间的关系。 当|E||V|-1，图中将出现孤立的点 边数最少的连通的图是树，有|E|=|V|-1 |E|最多为|V|2-|V| 当|E|接近|V|时，称图是稀疏的，此时采用邻接表的方式比较节省空间。 例如，如果WWW上每个网页是一个节点，每个超链接是一个边，将会有超过80亿个节点，采用邻接矩阵存储需要几百万T(1012)的空间。如果采用邻接表（几百亿超链接），一两个T就够了。;无向图上深度优先搜索-迷宫搜索;走迷宫的办法，粉笔和细绳，粉笔标记走过的路口，细绳用于回到出发点。 计算机实现： 每个节点用一个布尔变量标记是否访问过；用栈实现细绳的功能，我们使用递归调用体现栈的功能。;算法说明 previsit()和postvisit()是可选的，表示在访问一个节点前和访问后做的一些操作，比如打印一条消息 算法的正确性 首先，算法不会访问从v出发不能到达的节点 是否访问从v出发能够到达的所有节点？ 假设节点u没有被访问到，而从v到u存在一条路径 z是这条路径上算法访问到的最后一个节点，w是路径上z后面的那个节点 则算法在执行explore(z)时一定会访问w，这与z是该路径上算法访问的最后一个节点的假设冲突;算法执行情况 一个节点上多条边存在时按字母顺序访问下一节点。这个树被称为深度优先搜索树（DFS树） 实线表示图上实际被访问的边，每条实??边代表一个explore调用。实线边被称为树边。 虚线边表示图上没有被访问的边，因为访问这些边不会发现新的节点。虚线边被称为回边。;深度优先搜索;算法分析 每当DFS访问一个节点，做两件事 标记节点为“visited” 检查从节点出发所有的边 对所有节点，第一件事耗时O(|V|)；对每条边，算法至多检查两次，因此第二件事耗时O(|E|)。DFS总耗时O(|V|+|E|)。 这是非常好的结果，算法耗时与图的规模呈线性关系;算法执行实例 算法先后调用explore(A)，explore(C)和explore(F)。 算法产生三棵DFS搜索树，称为一个DFS森林;无向图的连通性;将explore和DFS算法略作需改，就可以标记图的所有连通部分。 对每个节点，整数ccnum[v]表示v所属的连通部件的编号。 修改previsit如下 在DFS中初始化cc为0，并且DFS每次重新开始调用explore时，cc增加1。;前序和后序;性质：对任意两个节点u和v，区间[prev(u),post(u)]和[prev(v),post(v)]要么不相交，要么一个完全包含另一个。 不相交：从u出发的搜索不会访问v，从v出发的搜索也不会访问u u的区间包含v的区间：从u出发的搜索访问v;*;有向图上深度优先搜索-边的类型;对于有向图DFS产生的搜索树（森林），一些定义： A是树的根节点，是所有节点的祖先 所有节点是A的后裔 F、G和H是E的后裔，E是F、G和H的祖先 B是C和D的父节点、C和D是B的子节点 ;将有向图G上边集E中的边对应到DFS森林中，有一些定义： DFS森林中的实线被称为树边，在这条边上调用explore 一条从节点到其非子节点的后裔的边被称为前向边 一条从节点到其祖先的边被称为回边 两个非祖先-后裔关系的节点之间的边被称为横跨边 ;通过节点的pre和post值可以判定DFS树上节点之间的关系 如果u是v的祖先，DFS搜索将先访问u，并且通过explore(u)发现并访问v，所以有  或者表示为 pre和post所有可能情况，以及对应关系如下;有向无环图;性质：一个有向图是有环的，当且仅当深度优先算法能够发现一条回边 如果(u,v)是一条回边，那么DFS树上存在v到u的路径，因此图上存在环 如果图上存在环v0?v1…?vk?v0