[信息与通信]数据结构第7章图B.pptVIP

第7章 图 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？ 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： BFS 算法效率分析: 7.4 图的连通性问题 1.求图的生成树（或生成森林） 深度优先搜索的示例 例1 ：画出下图的生成树 2. 求最小生成树 典型用途： 讨论：如何求得最小生成树？ 普利姆（Prim）算法示例： 归并顶点 普利姆（Prim）算法说明： 详细过程： 计算机内怎样实现Prim（普里姆）算法？ 具体示例： Prim算法流程 Kruskal算法示例：对边操作，归并边 克鲁斯卡尔（Kruskal）算法说明: 计算机内怎样实现Kruskal算法？ Kruskal算法效率分析： 1 4 6 5 2 3 1 5 6 5 5 4 6 3 6 2 1 5 4 3 2 1 3 5 2 4 6 求MST的步骤如下： (1) 首先构造一个只有 n 个顶点但没有边的非连通图 T = { V, ? }, 图中每个顶点自成一个连通分量。 (2) 当在边集 E 中选到一条具有最小权值的边时,若该边的两个顶点落在T中不同的连通分量上，则将此边加入到生成树的边集合T 中；否则将此边舍去，重新选择一条权值最小的边。 (3) 如此重复下去，直到所有顶点在同一个连通分量上为止。此时的T即为所求（最小生成树MST）。 设N = { V, E }是有 n 个顶点的连通网，则 Kruskal算法的特点: 归并边 T=Φ；//T是最小生成树的边集合；E是带权无向图的边集合 while ( T包含的边少于n-1 E 不空）{ 从E中选一条权值最小的边（v, w）; //该边具有最小代价cost 从E中删去（v, w）； 如果（v, w）加到T中后不会产生回路，则将（v, w）加入T；否则放弃（v, w）； } If ( T中包含的边少于n-1条) ERROR; 详细程序参见： ① 殷人昆等，数据结构习题解析，P182-185 ② 李春葆，数据结构习题与解析（C语言篇），P272-273 可利用最小堆和并查集实现。 （并查集能将子集R1并入集合R2中，但要求R1与R2互不相交） * 7.1 基本术语 7.2 存储结构 7.3 图的遍历 7.4 图的连通性问题 7.5 有向无环图及其应用 7.6 最短路径 一、深度优先搜索 二、广度优先搜索 遍历定义：从已给的连通图中某一顶点出发，沿着一些边访遍图中所有的顶点，且使每个顶点仅被访问一次，就叫做图的遍历，它是图的基本运算。 遍历实质：找每个顶点的邻接点的过程。 图的特点：图中可能存在回路，且图的任一顶点都可能与其它顶点相通，所以在访问完某个顶点之后可能会沿着某些边又回到了曾经访问过的顶点。 解决思路：可设置一个辅助数组 visited [n ]，用来标记每个被访问过的顶点。它的初始状态为0，在图的遍历过程中，一旦某一个顶点i 被访问，就立即改 visited [i]为1，防止它被多次访问。 图常用的遍历： 怎样避免重复访问？ v1 v2 v3 v5 v4 v4 G2 基本思想：——仿树的先序遍历过程。 Depth_First Search v1 v1 v2 v3 v8 v7 v6 v4 v5 DFS 结果 例1： → → → → → → → v2 v4 v8 v5 v3 v6 v7 例2： v2 → v1 → v3 → v5 → DFS 结果 v4 → v6 起点 起点 遍历步骤 应退回到V8，因为V2已有标记 详细归纳： 在访问图中某一起始顶点 v 后，由 v 出发，访问它的任一邻接顶点 w1； 再从 w1 出发，访问与 w1邻接但还未被访问过的顶点 w2； 然后再从 w2 出发，进行类似的访问，… 如此进行下去，直至到达所有的邻接顶点都被访问过的顶点 u 为止。 接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它未被访问的邻接顶点。 如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问； 如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。 简单归纳： 从图中某个顶点v出发，访问此起始点 v; 依次从v的未被访问过的邻接点出发深度优先遍历图，直到图中所有和v 有路径相通的顶点都被访问到； 0 0 0 0 0 0 6 0 0 0 0 0 0 5 0 0 0 0 0 0 4 0 0 0 0 0 0 3 0 0 0 0 0 0 2 0 0 0 0 0 0 1 6 5 4 3 2 1 0 0 0 0