数据结构——图(存储结构)
数据结构——图
- 图的定义和基本术语
- 图的类型定义
- 图的存储结构
- 数组(邻接矩阵表示法)
- 网(即有权图)的邻接矩阵表示法
- 邻接表
- 邻接表表示法(链式)
- 图的邻接表存储表示
- 采用邻接表表示法创建无向网
- 邻接矩阵与邻接表表示法的关系
- 十字链表——用于有向图
- 邻接多重表(无向图的另一种链式存储结构)
图的定义和基本术语
图:G=(V,E) Grapg = (Vertex, Edge)
V:顶点(数据元素)的有穷非空集合;
E:边的有穷集合
无向图:每条边都是无方向的
有向图:每条边都是有方向的
完全图:任意两点都有一条边相连
稀疏图:有很少边或弧的图(e < nlogn)
稠密图:有较多边或弧的图
网: 边/弧带权的图
邻接: 有边/弧相连的两个顶点之间的关系
存在(vi,vj),则称vi和vj互为邻接点;
存在<vi,vj>,则称vi邻接到vj,vj邻接于vi
关联(依附):边/弧与顶点之间的关系
顶点的度:与该顶点相关联的边的数目,记为TD(v)
在有向图中,顶点的度等于该顶点的入度与出度之和
顶点 v 的入度是以 v 为重点的有向边的条数,记作 ID(v)
顶点 v 的出度是以 v 为始点的有向边的条数,记作 OD(v)
路径:接续的边构成的顶点序列
路径长度:路径上边或弧的数目/权值之和
回路(环):第一个顶点和最后一个顶点相同的路径
简单路径:除路径起点和终点相同外,其余顶点均不相同的路径
连通图(强连通图)
有无(有)向图G =(V,{E})中,若对任何两个顶点 v、u 都存在从 v 到 u 的路径,则称G是连通图(强连通图)
权与网:
图中边或弧所具有的的相关数称为权,表明从一个顶点到另一个顶点的距离或耗费;带权的图称为网
子图:
设G =(V,{E})、G1 =(V1,{E1}),若V1⊆ V,E1⊆E,则称G1是G的子图
连通分量(强联通分量)
无向图G的极大连通子图称为G的连通分量
极大连通子图意思是:该子图是G连通子图,将G的任何不在该子图中的顶点加入,子图不再连通
有向图G的极大强连通子图称为G的强连通分量
极大强连通子图意思是:该子图是G的强连通子图,将D的任何不在该子图中的顶点加入,子图不再是强连通的
极小连通子图:该子图是G的连通子图,在该子图中删除任何一条边,子图不再连通
生成树:包含无向图G 所有顶点的极小连通图
生成森林:对非连通图,由各个连通分量的生成树的集合
图的类型定义
图的抽象数据类型定义如下:
ADT Graph{
数据对象V:具有相同特性的数据元素的集合,称为顶点集
数据关系R:R = {VR}
VR = {<v,w>|<v,w>| v,w∈V ^ p(v,w),
<v,w>表示从v到w的弧,p(v,w)定义了弧<v,w>的信息
}
CreateGraph(&G, V, VR)
初始条件:V是图的顶点集,VR是图中弧的集合
操作结果:按V和VR的定义构造图G
DFSTraverse(G)
初始条件:图G存在
操作结果:按图进行深度优先遍历
BFSTraverse(G)
初始条件:图G存在
操作结果:对图进行广度优先遍历
}ADT Graph
图的存储结构
图的逻辑结构:多对多
数组(邻接矩阵表示法)
- 建立一个顶点表(记录各个顶点信息)和一个邻接矩阵(表示各个顶点之间关系)
- 设图 A = (V,E)有n个顶点,则
- 图的邻接矩阵是一个二维数组 A.arcs[n][n],定义为:
- 设图 A = (V,E)有n个顶点,则
分析1:无向图的邻接矩阵是对称的
分析2:顶点i的度 = 第 i 行(列)中 1 的个数
特别:完全图的邻接矩阵中,对角元素为0,其余为1
注:在有向图的邻接矩阵中,
第 i 行含义:以结点vi为尾的弧(即出度边)
第 i 列含义:以结点vi为头的弧(即入度边)
分析1:有向图的邻接矩阵可能是不对称的
分析2:顶点的出度 = 第 i 行元素之和
顶点的入度 = 第 i 列元素之和
顶点的度 = 第 i 行元素之和 + 第 i 列元素之和
网(即有权图)的邻接矩阵表示法
邻接矩阵的存储表示:用两个数组分别存储顶点表和邻接矩阵
#define MaxInt 32767 //表示极大值,即∞
#define MVNum 100 //最大顶点数
typedef char VerTexType; //设顶点的数据类型为字符型
typedef int ArcType; //假设边的权值类型为整型typedef struct{VerTexType vexs[MVNum]; //顶点表ArcType arcs[MVNum][MVNum]; //邻接矩阵int vexnum, arcnum; //图的当前点数和边数
}AMGraph; // Adjacency Matrix Graph
采用邻接矩阵表示法创建无向网
算法思想:
- 输入总顶点数和总边数
- 依次输入点的信息存入顶点表中
- 初始化邻接矩阵,使每个权值初始化为极大值
- 构造邻接矩阵
//采用邻接矩阵表示法,创建无向网G
Status CreateUDN(AMGraph &G){cin >> G.vexnum >> G.arcnum; //输入总顶点数,总边数for(i = 0; i < G.vexnum; ++i)cin >> G.vexs[i]; //依次输入点的信息for(i = 0; i < G.vexnum; ++i) //初始化邻接矩阵for(j = 0; j < G.vexnum; ++j)G.arcs[i][j] = MaxLnt; //边的权值均置为极大值//构造邻接矩阵for(k = 0; k < G.arcnum; ++k){cin >> v1 >> v2 >> w; //输入一条边所依附的顶点及边的权值i = LocateVex(G, v1);j = LocateVex(G ,v2); //确定v1和v2在G中的位置G.arcs[i][j] = w; //边<v1, v2>的权值置为wG.arcs[j][i] = G.arcs[i][j]; //置<v1, v2>的对称边<v2, v1>的权值为w}return OK;
}//CreateUDN
补充算法:在图中查找顶点
//在图G中查找顶点u,存在则返回顶点表中的下标;否则返回-1
int LocateVex(AMGraph G, VertexType u){int i;for(i = 0; i < G.vexnum; ++i)if(u == G.vexs[i]) return i;return -1;
}
邻接表
邻接表表示法(链式)
- 顶点:按编号顺序将顶点数据存储在一维数组中
- 关联同一顶点的边(以顶点为尾的弧):用线性链表存储
无向图
特点:
- 邻接表不唯一
- 若无向图中有n个顶点、e条边,则其邻接表需n个头结点和2e个表结点。适宜存储稀疏图
- 无向图中顶点vi的度为第i个单链表中的结点数
有向图
特点:
- 顶点vi的出度为第 i 个单链表中的结点个数
- 顶点vi的入度为整个单链表中邻接点域值是 i - 1 的结点个数(需要遍历整个链表)
特点:
- 顶点vi的入度为第 i 个单链表中的结点个数
- 顶点vi的出度为整个单链表中邻接点域值是 i - 1 的结点个数(需要遍历整个链表)
图的邻接表存储表示
typedef struct VNode{VerTexType data; //顶点信息ArcNode * firstarc; //指向第一条依附该顶点的边的指针
}VNode, AdjList[MVNum] //AdjList表示邻接表类型
说明: 例如 AdjList v; 相当于:VNode v[MVNum];
#define MVNum 100 //最大顶点数
typedef struct ArcNode{ //边结点int adjvex; //该边所指向的顶点的位置 struct ArcNode * nextarc; //指向下一条边的指针OtherInfo info; //信息域;存储和边相关的信息
}ArcNode;
图的结构定义:
typedef struct{AdjList vertices; //vertices--vertex的复数int vexnum, arcnum; //图的当前顶点数和弧数
}ALGraph;
采用邻接表表示法创建无向网
算法思想:
- 输入总顶点数和总边数
- 建立顶点表
依次输入点的信息存入顶点表中
使每个表头结点的指针域初始化为NULL - 创建邻接表
依次输入每条边依附的两个顶点
确定两个顶点的序号 i 和 j,建立边结点
将此边结点分别插入到vi和vj对应的两个边链表的头部
//采用邻接表表示法,创建无向图G
Status CreateUDG(ALGraph &G){cin >> G.vexnum >> G.arcnum; //输入总顶点数、总边数for(i = 0; i < G.vexnum; ++i){ //输入各点,构造表头结点表cin >> G.vertices[i].data; //输入顶点值G.vertices[i].firstarc = NULL; //初始化表头结点的指针域}//forfor(k = 0; k < G.arcnum; ++k){ //输入各边,构造邻接表cin >> v1 >> v2; //输入一条边依附的两个顶点i = LocateVex(G, v1);j = LocateVex(G, v2);p1 = new ArcNode; //生成一个新的边结点*p1p1 -> adjvex = j; //邻接点序号为jp1 -> nextarc = G.vertices[i].firstarc;G.vertices[i]firstarc = p1; //将新结点*p1插入顶点vi的边表头部p2 = new ArcNode; //生成另一个对称的新的边结点*p2p2 -> adjvex = i; //邻接点序号为ip2 -> nextarc = G.vertices[j].firstarc;G.vertices[j].firstarc = p2; //将新结点*p2插入顶点vj的边表头部}//forreturn OK;
}
邻接矩阵与邻接表表示法的关系
- 联系:邻接表每个链表对应于邻接矩阵中的一行,链表中结点个数等于一行中非零元素的个数
- 区别:
① 对于任一确定的无向图,邻接矩阵是唯一的(行列号与顶点编号一致),但邻接表不唯一(链接次序与顶点编号无关)
② 邻接矩阵的空间复杂度为O(n2),而邻接表的空间复杂度为O(n+e) - 用途:邻接矩阵多用于稠密图;而邻接表多用于稀疏图
十字链表——用于有向图
十字链表(Orthogonal List)是有向图的另一种链式存储结构,可以将它看成有向图的邻接表和逆邻接表结合起来形成的一种链表
有向图中的每一条弧对应十字链表中的一个弧结点,同时有向图中的每个顶点在十字链表中对应有一个结点,叫做顶点结点
邻接多重表(无向图的另一种链式存储结构)
邻接表优点:容易求得顶点和边的信息
缺点:某些操作不方便(如:删除一条边需找表示此边的两个结点)
邻接多重表:
数据结构——图(存储结构)相关推荐
- 数据结构——图——存储结构——邻边矩阵
数据结构--图--存储结构--邻边矩阵 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两个结构来分别存储.顶点不分大小.主次,所以用一个一维数组来存储是很不错的选择.而边或 ...
- 数据结构——图——存储结构——邻边表
数据结构--图--存储结构--邻边表 邻接表的处理办法 1.图中顶点用一个一维数组存储,当然,顶点也可以用单链表来存储,不过数组可以较容易地读取顶点信息,更加方便.另外,对于顶点数组中,每个数据元素还 ...
- 数据结构图,图存储结构详解
1. 数据结构的图存储结构 我们知道,数据之间的关系有 3 种,分别是 "一对一"."一对多" 和 "多对多",前两种关系的数据可分别用线性 ...
- 图 - 存储结构之邻接表
对于图来说,邻接矩阵是不错的一种图存储结构,但是我们也发现,对于边数相对顶点较少的图,这种结构是存在对存储空间的极大浪费的.因此我们考虑另外一种存储结构方式:邻接表(Adjacency List),即 ...
- 【数据结构与算法】图论基础与图存储结构
前言 由于后续更新好几篇文章都涉及到 图 这种数据结构,因此打算先普及一下 图 的相关理论支持,如果后面的相关内容有些点不太容易理解,可以查阅此篇文章.本文不建议一口气阅读完毕,可以先浏览一遍,在后续 ...
- 图很难理解?看这篇图论基础与图存储结构就够了
点击上方↑↑↑蓝字关注我们~ 「2019 Python开发者日」,购票请扫码咨询 ↑↑↑ 作者 | 程序员吴师兄 转载自五分钟学算法(ID:CXYxiaowu) 1 前言 打算先普及一下图的相关理论支 ...
- pytorch默认初始化_小白学PyTorch | 9 tensor数据结构与存储结构
[机器学习炼丹术]的学习笔记分享<> 小白学PyTorch | 8 实战之MNIST小试牛刀 小白学PyTorch | 7 最新版本torchvision.transforms常用API翻 ...
- 【小白学PyTorch】9.tensor数据结构与存储结构
[机器学习炼丹术]的学习笔记分享 <<小白学PyTorch>> 小白学PyTorch | 8 实战之MNIST小试牛刀 小白学PyTorch | 7 最新版本torchvisi ...
- 数据结构-树存储结构
目录 1.介绍 2.相关概念 树的结点: (1)树的结点: (2)父节点(双亲结点): (3)子节点(孩子结点): (4)兄弟结点: (5)堂兄弟结点: (6)树的根结点: (7)树的叶子结点: 子树 ...
- 数据结构理解——存储结构逻辑结构
一.存储结构 存储结构就是数据在内存中的存储形式 连续的内存空间存储===>顺序存储结构 不连续的内存空间存储===>链式存储结构 每块内存之间都过保存其他内存地址实现链接起来 二.逻辑结 ...
最新文章
- 移除链表元素--虚拟头结点
- P7909 [CSP-J 2021] 分糖果 方法二
- create-react-app 脚手架工具完善自己所需要的入口文件
- Hidden Markov Model
- Redis基础(三)——数据类型
- python数据可视化字段_python数据爬取及数据可视化分析
- 【06月18日】A股滚动市净率PB历史新低排名
- 循环结构程序设计学习心得
- 富士通Fujitsu DPK700S 打印机驱动
- opencv部署onnx,并对jpg图片进行批量检测生成xml重要信息
- 阿里云短信服务(解决个人无法申请问题)
- 机器学习6:——Pandas——6:高级处理3:数据合并
- 对一个公益项目的探究(r8笔记第65天)
- 手把手教你学PowerBI数据分析:制作客户分析报告
- miniui的学习笔记(四)
- 山东超级计算机神威,世界最快超级计算机“神威·太湖之光”获得100多项应用成果...
- Python每日一练——第1天:水仙花数
- 科普——未知的公共免费WIFI存在的风险及隐患
- 看《赢在中国》的感悟
- Scrapy实战案例--抓取股票数据并存入SQL数据库(JS逆向)
热门文章
- error: command ‘D:\\Program Files (x86)\\Microsoft Visual Studio 14.0\\VC\\BIN\\x86_amd64\\cl.exe‘ f
- 在PyCharm中大型数据集indexing...加载缓慢的问题
- 构建线上线下一体化解决方案,旺小宝以AI赋能房企数智化营销|爱分析访谈
- app,h5落地页实现跳转快应用,可用于抖音,快手,头条投放链接
- JS图片img旋转、放大、缩小
- C++ VS项目属性的一些配置项的总结
- 操作系统相关基础知识
- 东华助手 v1.6.5
- vue+element-ui文件导出模板及导入xlsx文件
- 茂名天源石化宣传“世界急救日”活动 普及急救知识