做全景的h5网站,番禺微网站建设,dede怎么做网站,wordpress一直发布失败友情链接#xff1a;C/C系列系统学习目录 文章目录 #x1f680;一、图的基本概念和术语1、有向图和无向图3、基本图和多重图4、完全图5、子图6、连通、连通图和连通分量7、强连通图、强连通分量8、生成树、生成森林9、顶点的度、入度和出度10、边的权和网11、稠密图、稀疏图…友情链接C/C系列系统学习目录 文章目录 一、图的基本概念和术语1、有向图和无向图3、基本图和多重图4、完全图5、子图6、连通、连通图和连通分量7、强连通图、强连通分量8、生成树、生成森林9、顶点的度、入度和出度10、边的权和网11、稠密图、稀疏图12、路径、路径长度和回路13、 简单路径、简单回路14、距离15、有向树 二、图的表示邻接表⛳一邻接列表原理精讲⛳二邻接表的算法实现1.邻接表结构的定义2.邻接表的初始化3.邻接表的创建 三、邻接表的深度遍历⛳一深度优先遍历算法原理⛳二深度优先遍历算法实现 四、邻接表的广度遍历⛳一广度优先遍历算法原理⛳二广度优先遍历算法实现 程序清单 一、图的基本概念和术语
**概念**在计算机科学中一个图就是一些顶点的集合这些顶点通过一系列边结对连接。顶点用圆圈表示边就是这些圆圈之间的连线。顶点之间通过边连接。注意顶点有时也称为节点或者交点边有时也称为链接。 社交网络每一个人就是一个顶点互相认识的人之间通过边联系在一起, 边表示彼此的关系。这种关系可以是单向的也可以是双向的
树和链表都是图的特例在线性表中数据元素之间是被串起来的仅有线性关系每个数据元素只有一个直接前驱和一个直接后继。在树形结构中数据元素之间有着明显的层次关系并且每一层上的数据元素可能和下一层中多个元素相关但只能和上一层中一个元素相关。图是一种较线性表和树更加复杂的数据结构。在图形结构中结点之间的关系可以是任意的图中任意两个数据元素之间都可能相关。
如果一个编程问题可以通过顶点和边表示那么我们就可以将问题用图画出来然后使用相应的算法来找到解决方案
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pJ0nLt8L-1690729858577)(E:\create\图片\图\1.png)]
1、有向图和无向图 3、基本图和多重图
一个图G若满足:①不存在重复边;②不存在顶点到自身的边则称图G为简单图。上图中G1 和G2 均为简单图。数据结构中仅讨论简单图。
若图G中某两个结点之间的边数多于一条又允许顶点通过同一条边和自己关联则G为多重图。多重图的定义和简单图是相对的。
4、完全图
对于无向图在完全图中任意两个顶点之间都存在边。
对于有向图在有向完全图中任意两个顶点之间都存在方向相反的两条弧。
上图中G2为无向完全图而G3为有向完全图。 5、子图
上图中G3为G1的子图。
6、连通、连通图和连通分量
在无向图中若从顶点v到顶点w有路径存在则称v和w是连通的。若图G中任意两个顶点都是连通的则称图G为连通图否则称为非连通图。无向图中的极大连通子图称为连通分量。若一个图有n个顶点并且边数小于n − 1则此图必是非连通图。如下图(a)所示 图G4有3个连通分量如图b所示。 注意弄清连通、连通图、连通分量的概念非常重要。首先要区分极大连通子图和极小连通子图极大连通子图是无向图的连通分量极大即要求该连通子图包含其所有的边;极小连通子图是既要保持图连通又要使得边数最少的子图。 7、强连通图、强连通分量
在有向图中若从顶点v到顶点w和从顶点w到项点v之间都有路径,则称这两个顶点是强连通的。若图中任何一对顶点都是强连通的则称此图为强连通图。有向图中的极大强连通子图称为有向图的强连通分量图G1的强连通分量如下图所示。 注意:强连通图、强连通分量只是针对有向图而言的。一般在无向图中讨论连通性在有向图中考虑强连通性。 8、生成树、生成森林
连通图的生成树是包含图中全部顶点的一个极小连通子图。若图中顶点数为n,则它的生成树含有n − 1条边。对生成树而言若砍去它的一条边则会变成非连通图若加上一条边则会形成一个回路。在非连通图中连通分量的生成树构成了非连通图的生成森林。图G2的一个生成树如下图所示。 注意:包含无向图中全部顶点的极小连通子图只有生成树满足条件因为砍去生成树的任一条边图将不再连通。 9、顶点的度、入度和出度
图中每个顶点的度定义为以该项点为一个端点的边的数目。
对于有向图,顶点v vv的度分为入度和出度入度就是进来的边出度就是出去的边
10、边的权和网
在一个图中每条边都可以标上具有某种含义的数值该数值称为该边的权值。这种边上带有权值的图称为带权图也称网。
11、稠密图、稀疏图
边数很少的图称为稀疏图反之称为稠密图。稀疏和稠密本身是模糊的概念稀疏图和稠密图常常是相对而言的。
12、路径、路径长度和回路
顶点vp到顶点vq之间的一条路径是指它们之间的顶点序列包括本身当然关联的边也可以理解为路径的构成要素。路径上边的数目称为路径长度。第一个顶点和最后一个顶点相同的路径称为回路或环。若一个图有n个顶点并且有大于n − 1条边则此图一定有环。
13、 简单路径、简单回路
在路径序列中顶点不重复出现的路径称为简单路径。除第一个顶点和最后一个顶点外其余顶点不重复出现的回路称为简单回路。
14、距离
从顶点u出发到顶点v的最短路径若存在则此路径的长度称为从u到v的距离。若从u到v根本不存在路径则记该距离为无穷( ∞ )。
15、有向树
一个顶点的入度为0、其余顶点的入度均为1的有向图称为有向树。
二、图的表示邻接表
⛳一邻接列表原理精讲
在邻接列表实现中每一个顶点会存储一个从它这里开始的相邻边的列表。比如如果顶点 B 有一条边到 A、C 和 E那么 B 的列表中会有 3 条边。邻接列表只描述指向外部的边。B 有一条边到 A但是 A 没有边到 B所以 B 没有出现在 A 的邻接列表中。查找两个顶点之间的边或者权重会比较费时因为要遍历邻接列表直到找到为止。 邻接矩阵 由二维数组对应的行和列都表示顶点由两个顶点所决定的矩阵对应元素数值表示这里两个顶点是否相连(如,0表示不相连非0表示相连和权值)﹑如果相连这个值表示的是相连边的权重。例如广西到北京的机票我们用邻接矩阵表示: 行表示起点列表示终点往这个图中添加顶点的成本非常昂贵因为新的矩阵结果必须重新按照新的行/列创建然后将已有的数据复制到新的矩阵中。即用两个数组来表示图。一个一维数组存储图中顶点信息一个二维数组(称为邻接矩阵)存储 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YNpfMlMW-1690729858579)(E:\create\图片\图\2.png)] #define MaxVertexNum 100 //顶点数目的最大值
typedef char VertexType; //顶点的数据类型
typedef int EdgeType; //带权图中边上权值的数据类型
typedef struct{VertexType Vex[MaxVertexNum]; //顶点表EdgeType Edge[MaxVertexNum][MaxVertexNum]; //邻接矩阵边表int vexnum, arcnum; //图的当前顶点数和弧树
}MGraph; 比较 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OjUq1hBo-1690729858580)(E:\create\图片\图\3.png)] 结论大多数时候选择邻接列表是正确的。在图比较稀疏的情况下每一个顶点都只会和少数几个顶点相连这种情况下邻接列表是最佳选择。如果这个图比较密集每一个顶点都和大多数其他顶点相连那么邻接矩阵更合适。) ⛳二邻接表的算法实现 顶点表结点由顶点域(data)和指向第一条邻接边的指针(firstarc) 构成边表(邻接表)结点由邻接点域(adjvex)和指向下一条邻接边的指针域(nextarc) 构成。
1.邻接表结构的定义
#define MAXSIZE 1024typedef struct _EdgeNode//新的边
{int adjvex;//邻接的顶点 用下标位置来表示int weight;//权重struct _EdgeNode *next;//指向下一个顶点/边
}EdgeNode;typedef struct _VertexNode//顶点结点
{char data;//结点数据struct _EdgeNode *first; //指向邻接的第一条边
}VertexNode,*AdjList;typedef struct _AdJListGraph
{AdjList adjList;//顶点数组结构体数组int numVex;int numEdg;
}AdjListGraph;2.邻接表的初始化
bool Init(AdjListGraph gh)
{gh.adjList new VertexNode[MAXSIZE];//分配顶点数组地址if (!gh.adjList) return false;gh.numEdg 0;gh.numVex 0;}3.邻接表的创建
//寻找顶点的数据找到数组的下标
int Location(AdjListGraph gh, char c)
{if (gh.numVex 0) return -1;for (int i0;igh.numVex;i){if (cgh.adjList[i].data){return i;}}return-1;
}//图的创建
void CreateALGraph(AdjListGraph gh)
{cout 输入图的定点数 和边数;cin gh.numVex gh.numEdg;if (gh.numVex MAXSIZE) return;cout endl 输入相关顶点 endl;//保存顶点for (int i0;igh.numVex;i){cin gh.adjList[i].data;gh.adjList[i].first NULL; //顶点的第一条边目前连接为空}char vi, vj;//保存输入的顶点int i, j;cout 请依次输入边(vi,vj)上的顶点序号 endl;for(int k 0; k gh.numEdg; k){cin vi vj;i Location(gh, vi); //获取要连接的两个点在数组中的下标j Location(gh, vj);if (i0 j0){ //头插法插入边EdgeNode *temp new EdgeNode; temp-adjvex j; temp-next gh.adjList[i].first;gh.adjList[i].first temp;}}
}三、邻接表的深度遍历
⛳一深度优先遍历算法原理
首先以一个未被访问过的顶点作为起始顶点沿当前顶点的边走到未访问过的顶点
当没有未访问过的顶点时则回到上一个顶点继续试探别的顶点直到所有的顶点都被访问过。 使用深度优先搜索来遍历这个图的具体过程是 首先从一个未走到过的顶点作为起始顶点比如 A 顶点作为起点。沿 A 顶点的边去尝试访问其它未走到过的顶点首先发现 E 号顶点还没有走到过于是访问 E 顶点。再以 E 顶点作为出发点继续尝试访问其它未走到过的顶点接下来访问 D 顶点。再尝试以 D 顶点作为出发点继续尝试访问其它未走到过的顶点。但是此时沿 D 顶点的边已经不能访问到其它未走到过的顶点接下来返回到 E 顶点。返回到 E 顶点后发现沿 E 顶点的边也不能再访问到其它未走到过的顶点。此时又回到顶点 A D- E- A再以 A 顶点作为出发点继续访问其它未走到过的顶点于是接下来访问 C 点。以此类推最终访问的结果是 A - E - D - C - B ⛳二深度优先遍历算法实现
bool visited[MAXSIZE] {0};//全局数据用来判断元素是否被访问过//对图上的顶点进行深度遍历
void DFS(adjListGraph gh,int i)
{int nextNum -1;if (visited[i])//如果该结点已经被访问则返回 return;//访问该结点cout gh.adjList[i].data ;visited[i] true;EdgeNode *tmp gh.adjList[i].first;while (tmp){nextNum tmp-adjvex;if (visited[nextNum]false){DFS(gh, nextNum);}tmp tmp-next;}}//对所有顶点进行深度遍历
void DFS_All(AdjListGraph gh)
{for (int i0;igh.numVex;i){if (visited[i]false){DFS(gh, i);}}
}四、邻接表的广度遍历
⛳一广度优先遍历算法原理
首先以一个未被访问过的顶点作为起始顶点访问其所有相邻的顶点;
然后对每个相邻的顶点再访问它们相邻的未被访问过的顶点直到所有顶点都被访问过遍历结束。 ⛳二广度优先遍历算法实现
//对图上的顶点进行广度遍历
void BFS(AdjListGraph gh,int i)
{int cur -1;queueint q;q.push(i);while (!q.empty())//队列不为空{cur q.front();//取队列的头元素if (visited[cur]false){cout gh.adjList[cur].data ;visited[cur] true;}q.pop();//取当前结点相邻的结点入队EdgeNode *tmp gh.adjList[cur].first;while (tmp!NULL){q.push(tmp-adjvex);tmp tmp-next;}}
}
//对所有顶点进行广度遍历
void BFS_All(AdjListGraph gh)
{for (int i 0; i gh.numVex; i){if (visited[i] false){BFS(gh, i);}}
}程序清单
#include iostream
#include queue
#define MAXSIZE 1024
using namespace std;typedef struct _EdgeNode//与结点连接的边
{int adjvex;//邻接的顶点 int weight;//权重struct _EdgeNode *next;//指向下一个顶点/边
}EdgeNode;typedef struct _VertexNode//顶点结点
{char data;//结点数据struct _EdgeNode *first;
}VertexNode,*AdjList;typedef struct _AdJListGraph
{AdjList adjList;//顶点数组int numVex;int numEdg;
}AdjListGraph;//图的初始化
bool Init(AdjListGraph gh)
{gh.adjList new VertexNode[MAXSIZE];//分配顶点数组地址if (!gh.adjList) return false;gh.numEdg 0;gh.numVex 0;}//寻找顶点的数据找到数组的下标
int Location(AdjListGraph gh, char c)
{if (gh.numVex 0) return -1;for (int i0;igh.numVex;i){if (cgh.adjList[i].data){return i;}}return-1;
}//图的创建
void CreateALGraph(AdjListGraph gh)
{cout 输入图的定点数 和边数;cin gh.numVex gh.numEdg;if (gh.numVex MAXSIZE) return;cout endl 输入相关顶点 endl;//保存顶点for (int i0;igh.numVex;i){cin gh.adjList[i].data;gh.adjList[i].first NULL;}char vi, vj;//保存输入的顶点int i, j;cout 请依次输入边(vi,vj)上的顶点序号 endl;for(int k 0; k gh.numEdg; k){cin vi vj;i Location(gh, vi);j Location(gh, vj);if (i0 j0){EdgeNode *temp new EdgeNode;temp-adjvex j;temp-next gh.adjList[i].first;gh.adjList[i].first temp;}}
}bool visited[MAXSIZE] {0};//全局数据用来判断元素是否被访问过//对图上的顶点进行深度遍历
void DFS(AdjListGraph gh,int i)
{int nextNum -1;if (visited[i])//如果该结点已经被访问则返回 return;//访问该结点cout gh.adjList[i].data ;visited[i] true;EdgeNode *tmp gh.adjList[i].first;while (tmp){nextNum tmp-adjvex;if (visited[nextNum]false){DFS(gh, nextNum);}tmp tmp-next;}}//对所有顶点进行深度遍历
void DFS_All(AdjListGraph gh)
{for (int i0;igh.numVex;i){if (visited[i]false){DFS(gh, i);}}
}//对图上的顶点进行广度遍历
void BFS(AdjListGraph gh,int i)
{int cur -1;queueint q;q.push(i);while (!q.empty())//队列不为空{cur q.front();//取队列的头元素if (visited[cur]false){cout gh.adjList[cur].data ;visited[cur] true;}q.pop();//取当前结点相邻的结点入队EdgeNode *tmp gh.adjList[cur].first;while (tmp!NULL){q.push(tmp-adjvex);tmp tmp-next;}}
}
//对所有顶点进行广度遍历
void BFS_All(AdjListGraph gh)
{for (int i 0; i gh.numVex; i){if (visited[i] false){BFS(gh, i);}}
}
int main()
{AdjListGraph G;cout 正在创建邻接表请按提示进行输入... endl;Init(G);CreateALGraph(G);cout 正在进行深度优先遍历遍历结果如下: endl;//深度优先遍历DFS_All(G);cout endl;memset(visited, 0, sizeof(visited));cout 正在进行广度优先遍历遍历结果如下: endl;//广度优先遍历BFS_All(G);cout endl;
}
