banner
cos

cos

愿热情永存,愿热爱不灭,愿生活无憾
github
tg_channel
bilibili

数据结构学习笔记<7> 图

一、图#

1. 什么是图#

表示 “多对多” 的关系,包含了:

  • 一组顶点:通常用 V (Vertex) 表示顶点集合
  • 一组边:通常用 E (Edge) 表示边的集合
  • 无向边是顶点对:(v,w) ∈ E,其中 v,w∈V
  • 有向边 <v,w> 表示从 v 指向 w 的边 (单行线)
  • 不考虑重边和自回路

抽象数据类型定义#

类型名称:图 (Graph)
数据对象集:G (V,E) 由一个非空的有限顶点集合 V 和一个有限边集合 E 组成。
操作集:对于任意图 G ∈ Graph, 以及 v ∈ V,e ∈ E

  • Graph Create (): 建立并返回空图;
  • Graph InsertVertex (Graph G, Vertex v):将 v 顶点插入图 G
  • Graph InsertEdge (Graph G, Edge e): 将边 e 插入图 G
  • void DFS (Graph G, Vertex v): 从顶点 v 出发深度优先遍历图 G;
  • void BFS (Graph G, Vertex v): 从顶点 v 出发广度优先遍历图 G;
  • void ShortestPath (Graph G, Vertex v, int Dist []): 计算图 G 中顶点 v 到其他任意顶点的最短距离;
  • void MST (Graph G): 计算图 G 的最小生成树
    常用术语:
    无向图、有向图、网络等……

怎样在程序中表示图#

邻接矩阵#

在这里插入图片描述
在这里插入图片描述
邻接矩阵的好处

  • 直观、简单、好理解
  • 方便检查任意一对顶点间是否存在边
  • 方便找任一顶点的所有 “邻接点”(有边直接相连的顶点)
  • 方便计算任一顶点的 “度”(从该点发出的边数为 “出度”,指向该点的边数为 “入度”)
    • 无向图为对应行 (或列) 非 0 元素的个数
    • 有向图:对应行非 0 元素的个数是出度,对应列非 0 元素的个数是入度

邻接表#

指针数组 + 链表,点很稀疏的时候很合算
在这里插入图片描述
邻接表的好处:

  • 方便找任一顶点的所有 “邻接点”(有边直接相连的顶点)
  • 节约稀疏图的空间
    • 需要 N 个头指针 + 2E 个结点(每个结点至少 2 个域)
  • 方便计算无向图任一顶点的 “度”,但对有向图只能计算出度。

2. 图的遍历#

DFS 深度优先搜索#

深度优先搜索 (Depth First Search,DFS), 对每一个可能的分支路径深入到不能再深入为止,而且每个节点只能访问一次.
伪代码描述:

void DFS(Vertex V) {
	visited[V] = true;
	for(v的每个邻接点W)
		if (!visited[W])
			DFS(W);
}

BFS 广度优先搜索#

广度优先搜索 (Breadth First Search,BFS), 借助队列 (先进先出) 来实现
伪代码描述:

void BFS(Vertex V) {
	visited[V] = true;
	Enqueue(V, Q);//将该顶点放入队列中
	while(!IsEmpty(Q)) {//当队列为空时结束搜索
		V = Dequeue(Q);//V为队首元素
		for(V的每个邻接点W) {
			if ( !visited[W] ) {
				visited[W] = true;//标记该点已访问
				Enqueue(W, Q);//将该点压入队列中
			}
		}
	}
}

图不连通怎么办?#

  • 路径:V 到 W 的路径是一些列顶点 {V,V1,V2,……,Vn,W} 的集合,其中任一对相邻的顶点间都有图中的边。路径的长度是路径中的边数 (若带权,则是所有边的权重和)。若 V 到 W 之间的所有顶点都不同,则称为简单路径
  • 连通:若 V 到 W 存在一条 (无向)路径,则称 V 和 W 是连通的
  • 回路:起点等于终点的路径
  • 连通图:图中任意两顶点均连通
  • 连通分量:无向图的极大连通子图
    • 极大顶点数:再加 1 个顶点就不连通了
    • 极大边数:包含子图中所有顶点相连的所有边
      在这里插入图片描述
  • 强连通:有向图中顶点 V 和 W 之间存在双向路径,则称 V 和 W 是强连通的
  • 强连通图:有向图中任意两顶点均强连通
  • 强连通分量:有向图的极大强连通子图
    在这里插入图片描述

每调用一次 DFS,其实就是把 V 所在的连通分量遍历了一遍。BFS 也一样。

void ListComponents ( Graph G ) {//遍历连通分量
	for (each V in G)
		if ( !visited[V] ) {
			DFS( V );
		}
}

3. 如何建立图#

(1) 邻接矩阵表示的图的建立#

定义#

const int MaxVertexNum = 100;
typedef int DataType;
typedef bool WeightType;
typedef struct GNode *PtrToGNode;
struct GNode {
    int Nv;//顶点数
    int Ne;//边数
    WeightType G[MaxVertexNum][MaxVertexNum];
    DataType Data[MaxVertexNum];//存顶点的数据
};
typedef PtrToGNode MGraph;//以邻接矩阵存储的图类型

初始化#

初始化一个有 VertexNum 个顶点但没有边的图

typedef int Vertex;
MGraph CreateGraph(int VertexNum) {
    Vertex V, W;
    MGraph Graph;
    Graph = (MGraph) malloc(sizeof(struct GNode));
    Graph->Nv = VertexNum;
    Graph->Ne = 0;
    //顶点编号从0开始,到Graph->Nv-1
    for (V = 0; V < Graph->Nv; V++) {
        for(W = 0; W < Graph->Nv; W++) {
            Graph->G[V][W] = 0; //有向图中可改0为INF等
        }
    }
    return Graph;
} 

向图中插入边#

边的定义

typedef struct ENode *PtrToENode;
struct ENode {
    Vertex V1, V2;//有向边<V1,V2>
    WeightType Weight;//权重
};
typedef PtrToENode Edge;

插入操作

void InsertEdge(MGraph Graph, Edge E) {
    //插入边<V1,V2>
    Graph->G[E->V1][E->V2] = E->Weight;
    //若为无向图,则还要插入边<V2,V1>
    Graph->G[E->V2][E->V1] = E->Weight;
}

完整的建立一个 MGraph#

输入格式

Nv Ne
V1 V2 Weight
……

MGraph BuildGraph() {
    MGraph Graph;
    Edge E;
    Vertex V;
    int Nv;
    cin >> Nv;
    Graph = CreateGraph(Nv);//建立有Nv个顶点的图
    cin >> Graph->Ne;//边数Ne
    if(Graph->Ne != 0) {
        E = (Edge)malloc(sizeof(struct ENode));
        for (int i = 0; i < Graph->Ne; i++) {
            cin >> E->V1 >> E->V2 >> E->Weight;
            InsertEdge(Graph, E);
        }
    }
    //如果顶点有数据的话,读入数据
    for(V = 0; V < Graph->Nv; V++) {
        cin >> Graph->Data[V];
    }
    return Graph;
}

(2) 邻接表表示的图的建立#

可在邻接矩阵的基础上进行修改

定义#

const int MaxVertexNum = 100;
typedef int DataType;
typedef int Vertex;
typedef bool WeightType;
//邻接表定义
typedef struct AdjVNode *PtrToAdjVNode;
struct AdjVNode {
    Vertex AdjV;//邻接点下标
    WeightType Weight;//边权重
    PtrToAdjVNode Next;
};

typedef struct VNode {
    PtrToAdjVNode FirstEdge;
    DataType Data;//存顶点的数据
}AdjList;

typedef struct GNode *PtrToGNode;
struct GNode {
    int Nv;//顶点数
    int Ne;//边数
    AdjList G;//邻接表
};
typedef PtrToGNode LGraph;//以邻接表存储的图类型

LGraph 初始化#

LGraph CreateGraph(int VertexNum) {
    Vertex V, W;
    LGraph Graph;
    Graph = (LGraph) malloc(sizeof(struct GNode));
    Graph->Nv = VertexNum;
    Graph->Ne = 0;
    //顶点编号从0开始,到Graph->Nv-1
    for (V = 0; V < Graph->Nv; V++) {
        Graph->G[V].FirstEdge = NULL;
    return Graph;
}

向 LGraph 中插入边#

typedef struct ENode *PtrToENode;
struct ENode {
    Vertex V1, V2;//有向边<V1,V2>
    WeightType Weight;//权重
};
typedef PtrToENode Edge;
void InsertEdge(LGraph Graph, Edge E){
    PtrToAdjVNode NewNode;
    //插入边<V1,V2>
    //为V2建立新的邻接点
    NewNode = (PtrToAdjVNode) malloc(sizeof(struct AdjVNode));
    NewNode->AdjV = E->V2;
    NewNode->Weight = E->Weight;
    //将V2邻接点插入V1的表头
    NewNode->Next = Graph->G[E->V1].FirstEdge;
    Graph->G[E->V1].FirstEdge = NewNode;
    
    //若为无向图 则还要插入边<V2,V1>
    //为V2建立新的邻接点
    NewNode = (PtrToAdjVNode) malloc(sizeof(struct AdjVNode));
    NewNode->AdjV = E->V1;
    NewNode->Weight = E->Weight;
    //将V2邻接点插入V1的表头
    NewNode->Next = Graph->G[E->V2].FirstEdge;
    Graph->G[E->V1].FirstEdge = NewNode;
}

完整的建立一个 LGraph#

仅需将 MGraph 换成 LGraph,将存 Data 是稍作更改即可

LGraph BuildGraph() {
    LGraph Graph;
    Edge E;
    Vertex V;
    int Nv;
    cin >> Nv;
    Graph = CreateGraph(Nv);//建立有Nv个顶点的图
    cin >> Graph->Ne;//边数Ne
    if(Graph->Ne != 0) {
        E = (Edge)malloc(sizeof(struct ENode));
        for (int i = 0; i < Graph->Ne; i++) {
            cin >> E->V1 >> E->V2 >> E->Weight;
            InsertEdge(Graph, E);
        }
    }
    //如果顶点有数据的话,读入数据
    for(V = 0; V < Graph->Nv; V++) {
        cin >> Graph->G[V].Data;
    }
    return Graph;
}

二、最短路径问题#

1. 概念简介#

  • 在网络中,求两个不同顶点之间的所有路径中,边的权值之和最小的那一条路径
    • 这条路径就是两点之间的最短路径 (Shortest Path)
    • 第一个顶点叫源点 (Source)
    • 最后一个顶点叫终点 (Destination)

2. 问题分类#

  • 单源最短路径问题:从某固定源点出发,求其到所有其他顶点的最短路径
    • (有向) 无权图
    • (有向) 有权图
  • 多源最短路径问题:求任意两顶点之间的最短路径

2. 无权图的单源最短路算法#

按照递增的顺序找出到各个顶点的最短路,与 BFS 思想很类似!
在这里插入图片描述
首先需要定义一个数组 dist,dist [W] 存储 S 到 W 的最短距离,S 为起点,dist [S]=0,dist 需要被初始化成一个 - 1 (或无穷),便于后来的判别是否被访问过。
其次需要定义数组 path,path [W] 存储 S 到 W 的路上经过的某顶点。
dist 和 path 数组都需先被初始化为 - 1~ 然后将起点的 dist [S] 设为 0,压入队列开始访问
伪代码:

void Unweighted(Vertex S) {
	Enqueue(S, Q);
	while(!IsEmpty(Q)) {
		V = Dequeue(Q);
		for (V的每个邻接点W)
			if(dist[W] == -1) {
				dist[W] = dist[V]+1;
				path[W] = V;
				Enqueue(W, Q);
			}
	}
}

3. 有权图的单源最短路算法#

在这里插入图片描述

Dijkstra 算法!#

  • 令 s={源点 s + 已经确定了最短路径的顶点 v~i~}
  • 对任一未收录的顶点 v 定义 dist [v] 为 s 到 v 的最短路径长度,但该路径仅经过 S 中的顶点,即路径 {s→(v~i~∈S)→v} 的最小长度
  • 若路径是按照递增的顺序生成的,则
    • 真正的最短路必须只经过 S 中的顶点 (反证法可证)
    • 每次从未收录的顶点中选一个 dist 最小的收录 (贪心)
    • 增加一个 v 进入 S, 可能会影响另外一个 w 的 dist 值!(所以要检查 v 的所有邻接点 w!)
      • dist [w] = min { dist [w],dist [v] + <v,w > 的权重}
        dist 初始化:S 的所有邻接点 W 的 dist 都可初始化为 s 与 w 的权重,其他则定义为正无穷。

伪代码描述:

void Dijkstra(Vertex s) {
	while (1){
		V = 未收录顶点中dist最小者;
		if (这样的V不存在)
			break;
		collected[V] = true;
		for (V的每个邻接点W)
			if(collected[W] == false)
				if(dist[V] + E<v,w> < dist[W]) {
					dist[W] = dist[V]+E<v,w>;
					path[W] = V;
				}
	}
}//不能解决有负边的情况

伪代码中 dist [W]=dist [V]+E~<V,W>~;并不是简单的赋值,而是如果有了更短的距离,需要将其更新成为更短的距离
在这里插入图片描述

Dijkstra 核心代码#

#include <iostream>
#include <algorithm>
#include <cstdio>
#include <cstring>
using namespace std;
const int maxn = 1005;
const int inf  = 0x3f3f3f;
int T,N,x,y,z;
int edge[maxn][maxn];
int dist[maxn];
bool vis[maxn];
void init() {
    for(int i = 1; i <= N; ++i) {
        for(int j = 1; j <= N; ++j) {
            edge[i][j] = inf;
        }
        edge[i][i] = 0;
    }
}
void Dijstra(int u) {
    for(int i = 1; i <= N; ++i) {
        vis[i] = false;
        dist[i] = edge[u][i];
    }
    vis[u] = true;
    for(int i = 1; i <= N; ++i) {
        int t, mindis = inf;
        for(int j = 1; j <= N; ++j) {
            if(!vis[j] && dist[j] < mindis) {
                mindis = dist[j];
                t = j;
            }
        }
        vis[t] = true;
        for(int j = 1; j <= N; ++j) 
            if(!vis[j] && dist[j] > edge[t][j] + dist[t]) 
                dist[j] = edge[t][j] + dist[t];
    }
}

三、最小生成树#

1. 什么是最小生成树 (Minimum Spanning Tree)#

  • 是一棵
    • 无回路
    • |V | 个顶点一定有 | V|-1 条边
  • 生成
    • 包含全部顶点
    • |V|-1 条边都在图里在这里插入图片描述
    • 向生成树中任加一条边都一定构成回路
  • 边的权重和最小

最小生成树与图连通等价

2. 解决最小生成树问题#

通常离不开贪心算法:

  • “贪”:每一步都要最好的
  • “好”:权重最小的边
  • 需要约束:
    • 只能用图里有的边
    • 只能正好用掉 | V|-1 条边
    • 不能有回路

放到了另一篇博客里。
图论 —— 解决最小生成树问题 (Kruskal 算法 & Prim 算法)

加载中...
此文章数据所有权由区块链加密技术和智能合约保障仅归创作者所有。