图的基本概念图的存储结构图的遍历最小生成树.pptVIP

(2)克鲁斯卡尔(Kruskal)算法克鲁斯卡尔算法的基本思想：设有一个有n个顶点的连通网N={V,E},最初先构造一个只有n个顶点而没有边的非连通图T={V,?},图中每个顶点自成一个连通分量。在E中选择一条具有最小权值的边,若该边的两个顶点落在不同的连通分量上，则将此边加入到T中；否则将此边舍去，重新选择一条权值最小的边。如此重复下去，直到所有顶点在同一个连通分量上为止。克鲁斯卡尔算法的基本思想T=(V,φ)；While(T中所含边数n-1){从E中选取当前最短边(u,v);从E中删除边(u,v);if((u,v)并入T之后不产生回路)将边(u,v)并入T中；}3.Prim与Kruskal算法的性能比较:(1)时间复杂性:Prim:O(n*n)Kruskal:O(eloge)(2)适用场合:Prim:稠密图Kruskal:稀疏图8.5最短路径(ShortestPath)最短路径问题：1.求图中某顶点到其余各顶点的最短路径问题，也称为单源最短路径问题；2.求每对顶点之间的最短路径问题求解算法单源最短路径—Dijkstra算法任意顶点对之间的最短路径—Floyd算法1.单源最短路径问题(Dijkstra算法)Dijkstra提出按路径长度的递增次序，逐步产生最短路径的算法。首先求出长度最短的一条最短路径，再参照它求出长度次短的一条最短路径，依次类推，直到从顶点v到其它各顶点的最短路径全部求出为止。举例说明:设置一个集合S，用于存放已求出的最短路径的顶点，则尚未确定最短路径的顶点属于集合V?S。引入一个辅助数组dist[]。它的每一个分量dist[i]表示当前所确定的从源点v0到终点vi的最短路径的长度Dijkstra算法的基本过程可描述如下S={v0};//顶点v0为源点设置集合V?S中各顶点的初始距离值；while(集合S中顶点数n){在集合V?S中选择距离最小的顶点vj；S=S+{vj};调整集合V?S中顶点的距离值；}dist[i]=Min{dist[i],dist[j]+cost(j,i)}Dijkstra算法描述:voidDijkstra(MGraphTG,intv0,intpath[])//找出从源点v0到其余各顶点的最短路径{ bool*S=newbool[G.vexterNum()]; float*dist=newfloat[G.vexterNum()];for(v=0;vG.vexterNum();++v){S[v]=0;//集合S置空dist[v]=G.getEdgeValue(v0,v);if(dist[v]INFINITY)//路径初始化 path[v]=v0;//path表示路径有技巧else path[v]=-1;//表示顶点v无前驱顶点 }dist[v0]=0;S[v0]=1;//将顶点v0加入S集for(i=1;iG.vexterNum();++i){ min=INFINITY; for(j=0;jG.vexterNum();++j)//查找当前集合V-S中到源点距离最短的顶点 if(S[j]==0dist[j]min) {k=j; min=dist[j];}无向图的邻接表建立算法templateclassTALGraphT::ALGraph(graphTypet,Tvexs[],intn,inte)//参数t表示图的类型，v为存储各顶点值的数组，n和e分别为顶点数和边数{ EdgeNode*p; vexnum=n; edgenum=e; kind=t; adjlist.resize(vexnum);for(i=0;in;++i)//初始化