数据结构第五章2009.ppt

分析这个算法，主要的工作是在p和col的两个循环中完成的，故算法的时间复杂度为O(nu*tu)，即矩阵的列数和非零元的个数的乘积成正比。而一般传统矩阵的转置算法为： 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(nu*mu)。当非零元素的个数tu和mu*nu同数量级时，算法TransposeSMatrix的时间复杂度为O(mu*nu2)。 三元组顺序表虽然节省了存储空间，但时间复杂度比一般矩阵转置的算法还要复杂，同时还有可能增加算法的难度。因此，此算法仅适用于tu=mu*nu的情况。 下面给出另外一种称之为快速转置的算法，其算法思想为：对A扫描一次，按A第二列提供的列号一次确定位置装入B的一个三元组。具体实施如下：一遍扫描先确定三元组的位置关系，二次扫描由位置关系装入三元组。可见，位置关系是此种算法的关键。 为了预先确定矩阵M中的每一列的第一个非零元素在数组B中应有的位置，需要先求得矩阵M中的每一列中非零元素的个数。因为：矩阵M中某列的第一个非零元素在数组B中应有的位置等于前一列第一个非零元素的位置加上前列非零元素的个数。 为此，需要设置两个向量num和cpot num[col]：统计M中每列非零元素的个数 num[col]的值可以由A的各列求得。 cpot[col]：由递推关系得出M中的第col列第一个非零元素在B中的位置。 算法通过cpot数组建立位置对应关系： cpot[1]=1 cpot[col]=cpot[col-1]+num[col-1] 2=cpl=a.nu 例如：图5.3中的矩阵M和相应的三元组A可以求得num[col]和 cpot[col]的值如下： col 1 2 3 4 5 6 7 num[col] 2 2 2 1 0 1 0 cpot[col] 1 3 5 7 8 8 9 1 2 v q … A i j v 第一列元素个数 第二列元素个数 第三列元素个数 num cpot q=cpot[col] 2 1 v p p Status FastTransposeSMatrix(TSMatrix M, TSMatrix T){ T.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]; cpot[1] = 1; for (col=2; col=M.nu; ++col) cpot[col] = cpot[col-1] + num[col-1]; for (p=1; p=M.tu; ++p) {转置矩阵元素} } // if return OK; } // FastTransposeSMatrix 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] 分析算法FastTransposeSMatrix的时间复杂度： 时间复杂度为: O(M.nu+M.tu) 当非零元素的个数tu和mu*nu同数量级时, 其时间复杂度为：O（mu*nu）。 for (col=1; col=M.nu; ++col) … … for (t=1; t=M.tu; ++t) … … for (col=2; col=M.nu; ++col) … … for (p=1; p=M.tu; ++p) … … 二、行逻辑联接的顺序表 三元组顺序表又称有序的双下标法，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。然而，若需随机存取某一行中的非零元，则需从头开始进行查找。 有时为了方便某些矩阵运算，我们在按行优先存储的三元组中，加入一个行表来记录稀疏矩阵中每行的非零元素在三元组表中的起始位置。当将行表作为三元组表的一个新增属性加以描述时，我们就得到了稀疏矩阵的另一种顺序存储结构：带行表的三元组表。其类型描述如下：