数据结构课件—图.ppt

算法实现策略首先，以顶点的成员变量visited来表示该顶点是否属于S，visited=true表示属于S，否则不属于S。其次，到达V-S中各个顶点的最短横切边通过该顶点的成员变量application来表示，此时application指向的是Edge类的对象，它是从S到达本顶点横切边中权值最小的一条。最后，最小生成树的表示采用设置图中边的类型来完成，即如果是最小生成树的边，将边的类型设置为Edge.MST。**求MST时，对v.application的操作**generateMST******Kruskal算法假设G=(V,E)是连通网，则令最小生成树的初始状态为只有|V|个顶点而无边的非连通图，图中每个顶点自成一个连通分量。在E中选择权值最小的边，若该边依附的顶点落在T中的不同连通分量上，则将此边加入T，否则舍去此边选择下一条代价最小的边。以此类推，直到所有顶点都在同一连通分量上为止。**Kruskal算法示例****最短距离

**最短距离在图中两点之间的最短路径问题包括两个方面：一是求图中一个顶点到其他顶点的最短路径；二是求图中每对顶点之间的最短路径。**单源最短路径在带权图G=(V,E)中，已知源点为s∈V，求s到其余各顶点的最短路径。在图中若顶点v是从源点s可达的，那么从s到顶点v的最短路径必然存在，其长度称为“从s到v的最短距离”，记作δ(s,v)。如果顶点v从s不可达，则可以认为从s到v的距离为∞。两点之间的最短路径可能不是唯一的。**最短路径的基本性质定理7.2若π=(u0=s,u1,u2,…,uk=v)是从顶点s到顶点v的最短路径，则对于任何0≤ij≤k，τ=(ui,ui+1,…,uj)是从顶点ui到uj的最短路径。**Dijkstra算法将带权图G=(V,E)的顶点分为两个集合：S、V-S，其中顶点集S是已求出的最短路径的终点集合（初始时S={s}）。顶点集V-S是尚未求出最短路径的终点的集合。算法将按最短路径长度递增的顺序逐个将V-S中的顶点加入到S中，直到所有顶点都被加入到S中为止。**为每个顶点v定义了一个变量distance，该变量记录了从s出发，经由S中的顶点到达v的当前最短距离。长度最短的一条最短路径必为π=(s,uk)，其中uk满足： distance(uk)=min{distance(ui)|ui∈V-S}将uk并入S，即S=S∪{uk}。每当一个新的顶点uk加入S之后，要以uk为“中转”顶点对V-S中各个顶点的当前最短路径distance进行修正。**图ADT实现结构**AbstractGraph抽象类实现的方法**DirectGraph和UndirectedGraph分别实现的方法**图的遍历**图的遍历图的遍历就是从图中某个顶点出发，按某种方法对图中所有顶点访问且仅访问一次。两种方法：深度优先搜索广度优先搜索**深度优先搜索深度优先搜索（depthfirstsearch）从图中某个顶点发v出发，访问此顶点，然后依次从v的未被访问的邻接点出发深度优先遍历图，直至图中所有和v有路径相通的顶点都被访问到；若此时图中尚有顶点未被访问，则另选图中一个未曾被访问的顶点作起始点，重复上述过程，直至图中所有顶点都被访问到为止。**深度优先搜索**DFSTraverse****非递归实现DFS首先将初始顶点v入栈；当堆栈不为空时，重复以下处理栈顶元素出栈，若未访问，则访问之并设置访问标志，将其未曾访问的邻接点入栈；如果图中还有未曾访问的邻接点，选择一个重复以上过程。**DFS*广度优先搜索广度优先搜索（breadthfirstsearch）假设从图中某顶点v出发，在访问了v之后依次访问v的各个未曾访问过的邻接点，然后分别从这些邻接点出发依次访问它们的邻接点，并使“先被访问的顶点的邻接点”先于“后被访问的顶点的邻接点”先被访问，直至图中所有已被访问的顶点的邻接点都被访问到。若此时图中尚有顶点未被访问，则另选图中一个未曾被访问的顶点作起始点，重复上述过程，直至图中所有顶点都被访问到为止。****算法思想首先访问初始顶点v并入队；当队列不为空时，重复以下处理队首元素出队，访问其所有未曾访问的邻接点，并它们入队；如果图中还有未曾访问的邻接点，选择一个重复以上过程。**BFSTraverse****图的连通性