图的存储结邻接矩阵.pptVIP

数据结构和算法 作者：小甲鱼 让编程改变世界 Change the world by program 图的存储结构 图的存储结构相比较线性表与树来说就复杂很多。 我们回顾下，对于线性表来说，是一对一的关系，所以用数组或者链表均可简单存放。树结构是一对多的关系，所以我们要将数组和链表的特性结合在一起才能更好的存放。 那么我们的图，是多对多的情况，另外图上的任何一个顶点都可以被看作是第一个顶点，任一顶点的邻接点之间也不存在次序关系。 我们仔细观察以下几张图，然后深刻领悟一下： 图的存储结构 A B C D F G E H A B C D F G E H A B C D F G E H A B C D F G E H 图的存储结构 因为任意两个顶点之间都可能存在联系，因此无法以数据元素在内存中的物理位置来表示元素之间的关系（内存物理位置是线性的，图的元素关系是平面的）。 如果用多重链表来描述倒是可以做到，但在几节课前的树章节我们已经讨论过，纯粹用多重链表导致的浪费是无法想像的（如果各个顶点的度数相差太大，就会造成巨大的浪费）。 所幸，前辈们已经帮想好了出路，我们接下来会谈图的五种不同的存储结构，大家做好准备哦~ 邻接矩阵（无向图） 考虑到图是由顶点和边或弧两部分组成，合在一起比较困难，那就很自然地考虑到分为两个结构来分别存储。 顶点因为不区分大小、主次，所以用一个一维数组来存储是狠不错的选择。 而边或弧由于是顶点与顶点之间的关系，一维数组肯定就搞不定了，那我们不妨考虑用一个二维数组来存储。 于是我们的邻接矩阵方案就诞生了！ 邻接矩阵（无向图） 图的邻接矩阵(Adjacency Matrix)存储方式是用两个数组来表示图。一个一维数组存储图中顶点信息，一个二维数组(称为邻接矩阵)存储图中的边或弧的信息。 V0 V1 V2 V3 顶点数组： V0 V1 V2 V3 V0 V1 V2 V3 V0 0 1 1 1 V1 1 0 1 0 V2 1 1 0 1 V3 1 0 1 0 邻接矩阵（无向图） 我们可以设置两个数组，顶点数组为vertex[4]={V0,V1,V2,V3}，边数组arc[4][4]为对称矩阵(0表示不存在顶点间的边，1表示顶点间存在边)。 对称矩阵：所谓对称矩阵就是n阶矩阵的元满足a[i][j]=a[j][i](0=i,j=n)。即从矩阵的左上角到右下角的主对角线为轴，右上角的元与左下角相对应的元全都是相等的。 邻接矩阵（无向图） 有了这个二维数组组成的对称矩阵，我们就可以很容易地知道图中的信息： 要判定任意两顶点是否有边无边就非常容易了； 要知道某个顶点的度，其实就是这个顶点Vi在邻接矩阵中第i行(或第i列)的元素之和； 求顶点Vi的所有邻接点就是将矩阵中第i行元素扫描一遍，arc[i][j]为1就是邻接点咯。 邻接矩阵（有向图） 无向图的边构成了一个对称矩阵，貌似浪费了一半的空间，那如果是有向图来存放，会不会把资源都利用得很好呢？ V0 V1 V2 V3 顶点数组： V0 V1 V2 V3 V0 V1 V2 V3 V0 0 0 0 1 V1 1 0 1 0 V2 1 1 0 0 V3 0 0 0 0 邻接矩阵（有向图） 可见顶点数组vertex[4]={V0,V1,V2,V3}，弧数组arc[4][4]也是一个矩阵，但因为是有向图，所以这个矩阵并不对称，例如由V1到V0有弧，得到arc[1][0]=1，而V0到V1没有弧，因此arc[0][1]=0。 另外有向图是有讲究的，要考虑入度和出度，顶点V1的入度为1，正好是第V1列的各数之和，顶点V1的出度为2，正好是第V1行的各数之和。 邻接矩阵（网） 在图的术语中，我们提到了网这个概念，事实上也就是每条边上带有权的图就叫网。 这里“∞”表示一个计算机允许的、大于所有边上权值的值。 V0 V1 V2 V3 顶点数组： V0 V1 V2 V3 V0 V1 V2 V3 V0 0 ∞ ∞ 18 V1 8 0 2 ∞ V2 4 ∞ 0 ∞ V3 ∞ ∞ ∞ 0 8 2 4 18 代码实现 作为一个课后作业给大家自己锻炼下，小甲鱼提供的参考答案仅供参考借鉴！