数据结构第17讲图及遍历及连通性C.ppt

7.2 图的存储结构 图的数组(邻接矩阵)存储表示 图的邻接表存储表示 有向图的十字链表存储表示 无向图的邻接多重表存储表示 邻接矩阵是用于描述图中顶点之间关系(即弧或边的权)的矩阵。 邻接表类似树的孩子链表。即对图中的每个顶点vi建立一个单链表，表中结点表示依附于该顶点vi的边或弧。 3.有向图的十字链表存储表示 4.无向图的邻接多重表存储表示 7.3 图的遍历 从图中某一顶点出发访遍图中其余顶点，且使每一个顶点仅被访问一次。这一过程就叫做图的遍历。 通常有两条遍历图的路径： 深度优先搜索 广度优先搜索 1.深度优先搜索(DFS) 分析： 在遍历图时，对图中每个顶点至多调用一次DFS函数，因为一旦某个顶点被标志成已被访问，就不再从它出发进行搜索。 因此，遍历图的过程实质上是对每个顶点查找其邻接点的过程。其耗费的时间则取决于所采用的存储结构。 2.广度优先搜索(BFS) BFS非递归算法 void BFSTraverse(Graph G, Status (*Visit)(int v)){ //使用辅助队列Q和访问标志数组visited[v] for (v=0; vG.vexnum; ++v) visited[v] = FALSE; InitQueue(Q); // 置空的辅助队列Q for ( v=0; vG.vexnum; ++v ) if ( !visited[v]) { // v尚未访问 visited[v] = TRUE; Visit(v); EnQueue(Q, v); // v入队 while (!QueueEmpty(Q)) { DeQueue(Q, u); // 队头元素出队并置为u for (w=FirstAdjVex(G,u);w=0;w=NextAdjVex(G,u,w)） if ( ! visited[w]){ //w为u的尚未访问的邻接顶点 visited[w] = TRUE; Visit(w); EnQueue(Q, w); } //if } //while }if } // BFSTraverse 分析： 每个顶点至多进一次队列。遍历图的过程实质上是通过边或弧找邻接点的过程，因此广度优先搜索遍历图的时间复杂度和深度优先搜索遍历相同，两者不同之处仅仅在于对顶点访问的顺序不同。 7.4 图的连通性问题 1）无向图的连通分量和生成树 2）最小生成树 3）普里姆算法 4）克鲁斯卡尔算法 1.无向图的连通分量和生成树 基本概念 连通分量的顶点集：即从该连通分量的某一顶点出发进行搜索所得到的顶点访问序列； 生成树：某连通分量的极小连通子图； 生成森林：非连通图的各个连通分量的极小连通子图构成的集合。 设E(G)为连通子图G中所有边的集合，则从图中任一顶点出发遍历图时，必定将E(G)分成两个集合T(G)和B(G)，其中T(G)是遍历过程中历经的边的集合。显然，T(G)和图G中所有顶点一起构成连通图G的极小连通子图，按照7.1节的定义，它是连通图的一棵生成树，并且称由深度优先搜索得到的为深度优先生成树；由广度优先搜索得到的为广度优先生成树。 对非连通图，每个连通分量中的顶点集和遍历时走过的边一起构成若干棵生成树，这些连通分量的生成树组成非连通图的生成森林。 例： 生成非连通图的深度优先生成森林的算法 void DFSTree (Graph G，int v，CSTree T){ //从第v个顶点出发深度优先遍历图Q，建立以T为根的生成树。 visited[v]=TRUE； first=TRUE； for(w=FisrtAdjVex(G,v); w=0; w=NextAdjVex(G, v, w)) if(!visited[w]){ p=(CSTree)malloc(sizeof(CSNode)); //分配孩子结点 *p={GetVex(G,w)，NULL，NULL}； if(first){ //w是v的第一个未被访问的邻接顶点 T—lchild=p；first=FALSE；//是根的左孩子结点 } else { //w是v的其它未被访问的邻接顶点 q—nextsibling =p；//是上一邻接顶点的右兄弟结点 } q = p； DFSTree(G, w, q)；