[其它课程]数据结构第16次课 图A.pptVIP

数据结构课程的内容 第7章 图 7.1 图的基本术语 证明： 例：判断下列4种图形各属什么类型？ 稀疏图：边较少的图。通常边数n2 简单路径： 图的抽象数据类型 7.2 图的存储结构 图的特点：非线性结构（m :n ） 一、邻接矩阵（数组）表示法 例2 ：有向图的邻接矩阵 特别讨论 ：网（即有权图）的邻接矩阵 图的邻接矩阵存储表示（参见教材P161） 二、邻接表（链式）表示法 例1：无向图的邻接表 例3：已知某网的邻接（出边）表，请画出该网络。 邻接表存储法的特点： 讨论：邻接表与邻接矩阵有什么异同之处？ 图的邻接表存储表示（参见教材P163） 7.3 图的遍历 一、深度优先搜索( DFS ) 深度优先搜索（遍历）步骤： 讨论1：计算机如何实现DFS？ 讨论2：DFS算法如何编程？ 深度优先遍历算法流程图 讨论3：在图的邻接表中如何进行DFS？ 讨论4： 邻接表的DFS算法如何编程？ DFS 算法效率分析: 二、广度优先搜索( BFS ) 广度优先搜索（遍历）步骤： 讨论1：计算机如何实现BFS？ 讨论2： BFS算法如何编程？ BFS 算法效率分析: DFS1(A, n, v) { visit（v）; visited[v]=1; for( j=1; j=n; j++) if ( A[v, j] ! visited[j] ) DFS1(A, n, j); return; } ——可以用递归算法！ //A[n][n]为邻接矩阵，v为起始顶点(编号） //访问（例如打印）顶点v // DFS1 A[v,j] ＝1 有邻接点 visited [n ]=0 未访问过 //访问后立即修改辅助数组标志 //从v所在行从头搜索邻接点 （严教材上DFS递归算法见P169） 开始 标志数组初始化 Vi=1 Vi访问过 DFS Vi=Vi+1 Vi==Vexnums 结束 N N Y Y 非连通图 开始 访问V0,置标志 求V0邻接点 有邻接点w 求下一邻接点 w?V0 W访问过 结束 N Y N Y DFS 连通图 v0 → v1 → v2 → v3 DFS 结果 0 0 0 0 3 2 1 0 辅助数组 visited [n ] 0 0 0 1 0 0 1 1 0 1 1 1 1 1 1 1 例： —照样借用visited [n ]！ 起点 0 1 2 3 注意：在邻接表中，并非每个链表元素（表结点）都被扫描到,遍历速度很快。 V1 V2 V4 V5 V3 V7 V6 V8 例 深度遍历：V1? 1 2 3 4 1 3 4 2 vexdata firstarc 2 7 8 3 ^ ^ ^ adjvex next 5 5 6 4 1 ^ 5 1 2 8 2 ^ 6 7 8 6 7 8 7 3 6 3 5 4 ^ ^ ^ V3 ? V7 ? V6 ? V2 ? V5 ? V8 ? V4 //List为邻接表，v为起始顶点(编号），//p为v所在那条单链表的的头指针。 //访问后立即修改辅助数组标志 //若指针为空，则结束本次遍历 //指向v的链表中下一邻接点 //取出链表中当前邻接点 ——仍可用递归算法 DFS2(List, v, p) { visit（v）; visited[v]=1; p=p-link; while (!p) { v=p-data; if(! visited[v] ) DFS2(list, v, p); p=p-link; } } （设图中有 n 个顶点，e 条边） 如果用邻接矩阵来表示图，遍历图中每一个顶点都要从头扫描该顶点所在行，因此遍历全部顶点所需的时间为O(n2)。 如果用邻接表来表示图，虽然有 2e 个表结点，但只需扫描 e 个结点即可完成遍历，加上访问 n个头结点的时间，因此遍历图的时间复杂度为O(n+e)。 结论： 稠密图适于在邻接矩阵上进行深度遍历； 稀疏图适于在邻接表上进行深度遍历。 基本思想：——仿树的层次遍历过程。 Breadth_First Search v1 v1 v2 v3 v8 v7 v6 v4 v5 BFS 结果 例1： → → → → v2 v3 → v4 v5 → v6 v7 → v8 例2： v3 → BFS 结果 v4 → v5 → 起点 遍历步骤 起点 v2 → v1 → v6 → v9 → v8 → v7 V1 V2 V4 V5 V3 V7 V6 V8 例 例 V1 V2 V4 V5 V3 V7 V6 V8 广度遍历：V1? V2 ?