西电-数据结构-本科上课教学课件-第7章.pptVIP

引言 图（Graph）是一种比线性表和树更为复杂的数据结构 结点之间的关系可以是任意的，不受限制，图中任意两个元素之间都可能相关。 图有着更为广泛的应用，已经渗透到计算机、逻辑学、物理、化学、通信、甚至日常生活中，图论是计算机的重要理论分支。 连通图、强连通图 在无（有）向图G=V, E中，若对任何两个顶点u、v都存在从u到v的路径，则称G是连通图(强连通图)。 连通分量:无向图中的极大连通子图。 强连通分量: 有向图的极大强连通子图。 图的应用示例 void DFSTraverse(Graph G) { for(v=0;vG.vexnum;++v) visited[v] = false; for(v=0;vG.vexnum;++v) if (visited[v]==false) DFS(G,v); }//DFSTraverse 图中有 n 个顶点，e 条边。 如果用邻接表表示图，沿 firsarc链可以找到某个顶点 v 的所有邻接顶点 w。由于总共有 2e 个边结点，所以扫描边的时间为O(e)。所以遍历图的时间复杂性为O(n+e)。 如果用邻接矩阵表示图，则查找每一个顶点的所有的边，所需时间为O(n)，则遍历图中所有的顶点所需的时间为O(n2)。 从图中某顶点vi出发： ① 访问顶点vi ； ② 访问vi 的所有未被访问的邻接点w1 ,w2 , …wk ； ③ 依次从这些邻接点（在步骤②中访问的顶点）出发，访问它们的所有未被访问的邻接点; 依此类推，直到图中所有访问过的顶点的邻接点都被访问； 为实现③，需要保存在步骤②中访问的顶点，而且访问这些顶点的邻接点的顺序为：先保存的顶点，其邻接点先被访问。 7.4 图的连通性 利用图的遍历运算求解图的连通性问题 无向图是否连通、有几个连通分量，求解无向图的所有连通分量 深度优先生成树、生成森林 广度优先生成树、生成森林 有向图是否是强连通、求解其强连通分量 求无向网的最小代价生成树 Prim算法的实现 顶点集合如何表示？ 最小边如何选择？ 一个顶点加入U集合如何表示？ AOV网、AOE网 拓扑排序 关键路径 分析此拓扑排序算法可知，如果AOV网络有n个顶点，e条边，求个顶点的入度的时间复杂度为O(e)，建立零入度顶点栈所需要的时间是O(n)。在拓扑排序的过程中在，有向图有n个顶点，每个顶点进一次栈，出一次栈，共输出n次。顶点入度减一的运算共执行了e次。所以总的时间复杂度为O(n+e)。 关键活动的改进可以改变工程进度； 关键活动速度提高有限度；只有在不改变关键路径的情况下，提高关键活动的速度才有效； 若有多条关键路径，则要改变进度必须同时提高各条关键路径上的速度。 引入一个辅助数组D。它的每一个分量D[i]表示当前找到的从源点v0到终点vi 的最短路径的长度。初始状态： 若从源点v0到顶点vi有边，则D[i]为该边上的权值； 若从源点v0到顶点vi 没有边，则D[i]为+? 。 一般情况下，假设 S 是已求得的最短路径的终点的集合，则可证明：下一条最短路径必然是从v0 出发，中间只经过S中的顶点便可到达的那些顶点vx (vx ?V-S )的路径中的一条。 每次求得一条最短路径之后，其终点vk 加入集合S，然后对所有的vi ?V-S，修改其D[i]值。 Dijkstra算法可描述如下： ①初始化： S ← { v0 }; D[j] ← arcs[0][j], j = 1, 2, …, n-1; ②求出最短路径的长度： D[k] ← min{ D[i] }, i ? V- S ; S ← S U { k }; ③修改： D[i] ← min{ D[i], D[k]+arcs[k][i] }, 对于每一个 i ? V- S ; ④判断：若S = V, 则算法结束，否则转② 。 问题的提法：已知一个各边权值均大于0的带权有向图，对每一对顶点 vi ? vj，要求求出vi 与vj之间的最短路径和最短路径长度。 弗洛伊德(Floyd)算法的基本思想： 定义一个n阶方阵序列： D(-1), D(0), …, D(n-1). 其中 D(-1) [i][j] = arcs[i][j]； D(k) [i][j] = Min { D(k-1)[i][j], D(k-1)[i][k] + D(k-1)[k][j] }, k = 0,1,…, n-1 如何从表中读取源点0 到终点v 的最短路径？举顶点4为例 path[4] = 2 →p