数组与广义表.pptVIP

5．3．1稀疏矩阵的三元组存储与转置、乘法一、稀疏矩阵的三元组存储表示将稀疏矩阵每个非0元素的值以及行下标、列下标构成的三元组按行优先顺序存储，同一行中列号按从小到大排列成一个线性表，称这种存储方法为三元组表示。例如，设稀疏矩阵如下图(a)所示，对应的三元组存储结构如图(b)所示。第30页，共85页，星期日，2025年，2月5日稀疏矩阵的三元组存储与转置、乘法存储结构的定义：defineMAXSIZE1024//非0元素的个数数typedefstruct//定义三元组元素结构{inti,j;//非零元素的行号和列号ElemTypee;//非零元素的值}Triple;//三元组类型typedefstruct{SPNodedata[MAXSIZE+1];//三元组顺序表intmu,nu,tu;//矩阵的行、列及非零元素的个数}TSMatrix;//三元组表的存储类型第31页，共85页，星期日，2025年，2月5日稀疏矩阵的三元组存储与转置、乘法二、稀疏矩阵的算法实现1．矩阵的转置设TSMatrixA表示一个m×n的稀疏矩阵，其转置TSMatrixB是一个n×m的稀疏矩阵。转置算法基本思想：①A的行、列转化成B的列、行；②在A.data中依次找第一列的、第二列的、…、直到最后一列，并将找到的每个三元组的行、列交换后顺序存储到B.data中。第32页，共85页，星期日，2025年，2月5日稀疏矩阵的三元组存储与转置、乘法算法描述如下：voidTransposeSMatrix(TSMatrixA,TSMatrixB){B.mu=A.nu;B.nu=A.mu;B.tu=A.tu;//复制行、列数及元素个数if(B.tu)//有非零元素则转换{q=1;for(col=1;col=A.nu;col++)//按A的列序转换for(p=1;p=A.tu;p++)//扫描整个三元组表if(A.data[p].j==col){B.data[q].i=A.data[p].j;B.data[q].j=A.data[p].i;B.data[q].e=A.data[p].e;q++;}//if}//if(B-tu0)returnOK;}//TransposeSMatrix第33页，共85页，星期日，2025年，2月5日稀疏矩阵的三元组存储与转置、乘法算法性能分析。设m、n是原矩阵的行数和列数，t是稀疏矩阵的非零元素个数。该算法的时间主要耗费在二重循环上，所以时间复杂性为O(n*t)。显然当非零元素的个数t和m*n同数量级时，算法的时间复杂度为O(m*n2)。与通常存储方式下矩阵转置算法相比，可能节约了一定量的存储空间，但算法的时间性能更差一些。第34页，共85页，星期日，2025年，2月5日稀疏矩阵的三元组存储与转置、乘法2．带列逻辑连接的三元组顺序存储与改进的转置算法引入两个向量：num[n+1]和cpot[n+1]，其中num[col]表示矩阵A中第col列的非零元素的个数（为了方便下标均从1开始），cpot［col］的初始值表示矩阵A中的第col列的第一个非零元素在B.data中的位置。于是cpot的初始值为：cpot[1]=1；cpot[col]=cpot[col-1]+num[col-1]；2≤col≤n第35页，共85页，星期日，2025年，2月5日稀疏矩阵的三元组存储与转置、乘法例如。下图（a）所给矩阵A的num和cpot的数组值如右图所示。改进的稀疏矩阵转置算法称为快速转置。算法思想：依次扫描A.data，当扫描到一个col列元素时，