稀疏矩阵及其压缩存储方法 - read.docVIP

稀疏矩阵压缩存储 1.基本概念稀疏矩阵(SparseMatrix)：是矩阵中的一种特殊情况，其非零元素的个数远小于零元素的个数。设m行n列的矩阵含t个非零元素，则称以二维数组表示高阶的稀疏矩阵时，会产生零值元素占的空间很大且进行了很多和零值的运算的问题。 特殊矩阵：值相同的元素或0元素在矩阵中的分布有一定的规律。如下三角阵、三对角阵、稀疏矩阵。压缩存储：为多个值相同的元素只分配一个存储空间；对0元素不分配空间。目的是节省大量存储空间。n x n的矩阵一般需要n2个存储单元，当为对称矩阵时需要n(1+n)/2个单元。2.三元组顺序表——压缩存储稀疏矩阵方法之一（顺序存储结构）三元组顺序表又称有序的双下标法，对矩阵中的每个非零元素用三个域分别表示其所在的行号、列号和元素值。它的特点是，非零元在表中按行序有序存储，因此便于进行依行顺序处理的矩阵运算。当矩阵中的非0元素少于1/3时即可节省存储空间。（1） 稀疏矩阵的三元组顺序表存储表示方法#define MAXSIZE 12500 // 假设非零元个数的最大值为12500typedef struct {int i, j; // 该非零元的行下标和列下标ElemType e; //非零元素的值} Triple; // 三元组类型typedef union { //共用体Triple data[MAXSIZE + 1]; // 非零元三元组表，data[0]未用int mu, nu, tu; // 矩阵的行数、列数和非零元个数} TSMatrix; // 稀疏矩阵类型（2） 求转置矩阵的操作用常规的二维数组表示时的算法for (col=1; col=nu; ++col)for (row=1; row=mu; ++row)T[col][row] = M[row][col];其时间复杂度为: O(mu×nu) 用三元组顺序表表示时的快速转置算法Status FastTransposeSMatrix(TSMatrix M, TSMatrix T) {// 采用三元组顺序表存储表示，求稀疏矩阵M的转置矩阵TT.mu = M.nu; T.nu = M.mu; T.tu = M.tu;if (T.tu) {for (col=1; col=M.nu; ++col) num[col] = 0;for (t=1; t=M.tu; ++t) ++num[M.data[t].j];// 求 M 中每一列所含非零元的个数cpot[1] = 1;for (col=2; col=M.nu; ++col) cpot[col] = cpot[col-1] + num[col-1];// 求 M 中每一列的第一个非零元在 b.data 中的序号for (p=1; p=M.tu; ++p) { // 转置矩阵元素col = M.data[p].j; q = cpot[col];T.data[q].i =M.data[p].j; T.data[q].j =M.data[p].i;T.data[q].e =M.data[p].e; ++cpot[col]; } // for} // ifreturn OK;} // FastTransposeSMatrix其时间复杂度为: O(mu +nu) 3.行逻辑联接的顺序表——压缩存储稀疏矩阵方法之二（链接存储结构）行逻辑联接的顺序表：稀疏矩阵中为了随机存取任意一行的非0元素，需要知道每一行的第一个非0元素在三元组表中的位置，因此将上述快速转置算法中指示行信息的辅助数组cpot固定在稀疏矩阵的存储结构中，让每一行对应一个单链表，每个单链表都有一个表头指针，这种“带行链接信息”的三元组表即称为行逻辑联接的顺序表。（1）行逻辑联接的顺序表的表示法#define MAXMN 500 // 假设矩阵行数和列数的最大值为500typedef struct {Triple data[MAXSIZE + 1]; // 非零元三元组表，data[0]未用int rpos[MAXMN + 1]; // 指示各行第一个非零元的位置int mu, nu, tu; // 矩阵的行数、列数和非零元个数} RLSMatrix; // 行逻辑链接顺序表类型（2） 求矩阵乘法的操作 矩阵乘法的精典算法:for (i=1; i=m1; ++i)for (j=1; j=n2; ++j) {Q[i][j] = 0;for (k=1; k=n1; ++k) Q[i][j] += M[i][k] * N[k][j];}其时间复杂度为：O(m1 n1 n2) 用行逻辑联接的顺序表表示时的矩阵乘法S