首页 > 其他分享 >【数据结构】18.图(Graph)

【数据结构】18.图(Graph)

时间:2024-09-08 11:51:50浏览次数:12  
标签:路径 matrix 18 srci vertex Graph 顶点 数据结构 size

一、图的基本概念

图是由顶点集合及顶点间的关系组成的一种数据结构:G = (V, E),其中:V = {x|x属于某个数据对象集}是有穷非空集合;E = {(x,y)|x,y属于V}或者E = {<x, y>|x,y属于V && Path(x, y)}是顶点间关系的有穷集合,也叫做边的集合。

注意:线性表可以是空表,树可以是空树,但图不可以是空图。就是说,图中不能一个顶点也没有,图的顶点集V一定非空,但边集E可以为空,此时图中只有顶点而没有边。

顶点:图中结点称为顶点
:两个顶点vi和vj相关联称作顶点vi和顶点vj之间有一条边
无向图:在无向图中,顶点对(x, y)是无序的,顶点对(x,y)称为顶点x和顶点y相关联的一条边,这条边没有特定 方向,(x,y)和(y,x)是同一条边,比如下图G1和G2为无向图。注意:无向边(x, y)等于有向边<x, y>和<y, x>。
有向图:在有向图中,顶点对<x, y>是有序的,顶点对<x,y>称为顶点x到顶点y的一条边(弧),<x, y>和<y, x>是两条不同的边,比如下图G3和G4为有向图。

在这里插入图片描述
无向完全图:在有n个顶点的无向图中,若有n * (n-1)/2条边,即任意两个顶点之间有且仅有一条边,则称此图为无向完全图,比如上图G1;
有向完全图:在n个顶点的有向图中,若有n * (n-1)条边,即任意两个顶点之间有且仅有方向相反的边,则称此图为有向完全图,比如上图G4。
邻接顶点:在无向图中G中,若(u, v)是E(G)中的一条边,则称u和v互为邻接顶点,并称边(u,v)依附于顶点u和v;在有向图G中,若<u, v>是E(G)中的一条边,则称顶点u邻接到v,顶点v邻接自顶点u,并称边<u, v>与顶点u和顶点v相关联。
顶点的度:顶点v的度是指与它相关联的边的条数,记作deg(v)。在有向图中,顶点的度等于该顶点的入度与出度之和,其中顶点v的入度是以v为终点的有向边的条数,记作indev(v);顶点v的出度是以v为起始点的有向边的条数,记作outdev(v)。因此:dev(v) = indev(v) + outdev(v)。注意:对于无向图,顶点的度等于该顶点的入度和出度,即dev(v) = indev(v) = outdev(v)。
路径:在图G = (V, E)中,若从顶点vi出发有一组边使其可到达顶点vj,则称顶点vi到顶点vj的顶点序列为从顶点vi到顶点vj的路径。
路径长度:对于不带权的图,一条路径的路径长度是指该路径上的边的条数;对于带权的图,一条路径的路径长度是指该路径上各个边权值的总和。
在这里插入图片描述
简单路径与回路:若路径上各顶点v1,v2,v3,…,vm均不重复,则称这样的路径为简单路径。若路径上第一个顶点v1和最后一个顶点vm重合,则称这样的路径为回路或环
在这里插入图片描述
子图:设图G = {V, E}和图G1 = {V1,E1},若V1属于V且E1属于E,则称G1是G的子图。
在这里插入图片描述
连通图:在无向图中,若从顶点v1到顶点v2有路径,则称顶点v1与顶点v2是连通的。如果图中任意一对顶点都是连通的,则称此图为连通图。
强连通图:在有向图中,若在每一对顶点vi和vj之间都存在一条从vi到vj的路径,也存在一条从vj到vi的路径,则称此图是强连通图。
生成树:一个连通图的最小连通子图称作该图的生成树。有n个顶点的连通图的生成树有n个顶点和n-1条边

二、图的存储结构

因为图中既有节点,又有边(节点与节点之间的关系),因此,在图的存储中,只需要保存节点和边关系即可

2.1 邻接矩阵

因为节点与节点之间的关系就是连通与否,即为0或者1,因此邻接矩阵(二维数组)即是:先用一个数组将定点保存,然后采用矩阵来表示节点与节点之间的关系
在这里插入图片描述
注意:
1. 无向图的邻接矩阵是对称的,第i行(列)元素之和,就是顶点i的度。有向图的邻接矩阵则不一定是对称的,第i行(列)元素之后就是顶点i 的出(入)度。
2. 如果边带有权值,并且两个节点之间是连通的,上图中的边的关系就用权值代替,如果两个顶点不通,则使用无穷大代替
3. 用邻接矩阵存储图的有点是能够快速知道两个顶点是否连通,缺陷是如果顶点比较多,边比较少时,矩阵中存储了大量的0成为系数矩阵,比较浪费空间,并且要求两个节点之间的路径不是很好求。
在这里插入图片描述

#pragma once

#include<vector>
#include<map>
#include<iostream>
using namespace std;

//		顶点类型,权重类型                             有无方向
template<class V,class W ,W W_MAX=INT_MAX,bool Direction=false>
class Graph
{
public:
	//构造函数:使用顶点数组进行初始化
	Graph(const V* arr,size_t n)
	{
		//初始化顶点集
		_vertex.resize(n);
		for (size_t i = 0; i < n; i++)
		{
			_vertex[i] = arr[i];//存储顶点信息
			_Index[arr[i]] = i;//顶点映射的下标
		}
		//初始化权值矩阵
		_matrix.resize(n);
		for (size_t i = 0; i < n; i++)
			_matrix[i].resize(n,W_MAX);
	}
	//获取对应下标
	size_t GetIndex(const V& src)
	{
		//一般来说不太可能找不到
		auto ret = _Index.find(src);
		if (ret != _Index.end())
			return ret->second;
		else
			return -1;
	}
	//添加边
	void AddEdge(const V& src, const V& dst,const W& weight)
	{
		//换成下标
		size_t srci = GetIndex(src);
		size_t dsti = GetIndex(dst);
		
		_matrix[srci][dsti] = weight;

		if (!Direction)
		{
			_matrix[dsti][srci] = weight;
		}
	}
	//打印一下关系
	void Print()
	{
		//打印顶点与下标的映射关系
		for (size_t i = 0; i < _vertex.size(); i++)
		{
			cout << "[" << i << "]->" << _vertex[i] << endl;
		}
		for (size_t i = 0; i < _matrix.size(); i++)
		{
			for (size_t j = 0; j < _matrix[i].size(); j++)
			{
				if (_matrix[i][j] == W_MAX)
					cout << "* " << " ";
				else
					cout << _matrix[i][j] << " ";
			}
			cout << endl;
		}
	}
private:
	vector<V> _vertex;//顶点集
	map<V, size_t> _Index;//顶点所对应的下标
	vector<vector<W>> _matrix;//权值矩阵(边矩阵)
};

2.1 邻接表

邻接表:使用数组表示顶点的集合,使用链表表示边的关系。

三、图的遍历

3.1 图的广度优先遍历

//广度优先遍历
void BFS(const V& src)
{
	//获取下标
	size_t srci = GetIndex(src);
	//标记数组,标记访问过的元素
	vector<bool> visited(_vertex.size(), false);
	visited[srci] = true;
	//利用队列实现
	queue<size_t> q;
	q.push(srci);
	size_t LevelSize = q.size();
	while (!q.empty())
	{
		//一层一层出
		while (LevelSize--)
		{
			//取队头元素
			size_t front = q.front();
			//输出当前信息
			cout << _vertex[front] << " ";
			q.pop();
			//把与它相邻的顶点入队列
			for (size_t i = 0; i < _vertex.size(); i++)
			{
				if (_matrix[front][i] != W_MAX&&visited[i]==false)
				{
					q.push(i);
					visited[i] = true;
				}
			}
		}
		//获取下一层数据个数
		LevelSize = q.size();
		cout << endl;
	}
	cout << endl;
}

3.2 图的深度优先遍历

void _DFS(size_t srci, vector<bool>& visited)
{
	cout << _vertex[srci] << " ";
	visited[srci] = true;
	for (size_t i = 0; i < _vertex.size(); i++)
	{
		if (_matrix[srci][i] != W_MAX && visited[i] == false)
			_DFS(i, visited);
	}
}
//DFS
void DFS(const V& src)
{
	//获取下标
	size_t srci = GetIndex(src);
	//标记数组
	vector<bool> visited(_vertex.size(), false);
	//递归
	_DFS(srci, visited);

	//解决不连通的情况
	for (size_t i = 0; i < _vertex.size(); i++)
	{
		if (visited[i] == false)
			_DFS(i, visited);
	}
}

四、最小生成树

连通图中的每一棵生成树,都是原图的一个极大无环子图,即:从其中删去任何一条边,生成树就不在连通;反之,在其中引入任何一条新边,都会形成一条回路
若连通图由n个顶点组成,则其生成树必含n个顶点和n-1条边。因此构造最小生成树的准则有三条:
1. 只能使用图中的边来构造最小生成树
2. 只能使用恰好n-1条边来连接图中的n个顶点
3. 选用的n-1条边不能构成回路

构造最小生成树的方法:Kruskal算法和Prim算法。这两个算法都采用了逐步求解的贪心策略。

贪心算法:是指在问题求解时,总是做出当前看起来最好的选择。也就是说贪心算法做出的不是整体最优的的选择,而是某种意义上的局部最优解。贪心算法不是对所有的问题都能得到整体最优解。

4.1 Kruskal 算法

任给一个有n个顶点的连通网络N={V,E},首先构造一个由这n个顶点组成、不含任何边的图G={V,NULL},其中每个顶点自成一个连通分量,其次不断从E中取出权值最小的一条边(若有多条任取其一),若该边的两个顶点来自不同的连通分量,则将此边加入到G中。如此重复,直到所有顶点在同一个连通分量上为止

核心:每次迭代时,选出一条具有最小权值,且两端点不在同一连通分量上的边,加入生成树。

下图摘自《算法导论》
在这里插入图片描述

//边
struct Edge
{
	size_t _srci;
	size_t _dsti;
	W _weight;

	Edge(size_t srci, size_t dsti, W& weight):_srci(srci),_dsti(dsti),_weight(weight){}
	bool operator>(const Edge& e) const
	{
		return _weight > e._weight;
	}
};
//最小生成树:Kruskal算法
W Kruskal(Graph& minTree)
{
	//初始化最小生成树
	minTree._vertex = _vertex;
	minTree._Index = _Index;
	minTree._matrix.resize(_vertex.size());
	for (size_t i = 0; i < _vertex.size(); i++)
		minTree._matrix[i].resize(_vertex.size(),W_MAX);

	//每次都选取权值最小的边
	priority_queue<Edge, vector<Edge>, greater<Edge>> pqmin;
	//建立小根堆
	size_t size = _vertex.size();
	for (size_t i = 0; i < size; i++)
	{
		for (size_t j = i; j < size; j++)
		{
			if (_matrix[i][j] != W_MAX)
				pqmin.push(Edge(i, j, _matrix[i][j]));
		}
	}
	size_t n = 0;
	W total = W(); //总的权重
	//使用并查集判断两个顶点是否在一个集合
	UnionFindSet ufs(_vertex.size());
	
	//找到n-1条边建立minTree
	while (!pqmin.empty())
	{
		//取最小边建立联系
		Edge min = pqmin.top();
		pqmin.pop();
		//不在同一个集合可以建边
		if(!ufs.IsSameSet(min._srci,min._dsti))
		{
			cout << _vertex[min._srci] << "->" << _vertex[min._dsti] <<":"<<min._weight << endl;
			minTree._AddEdge(min._dsti, min._dsti,min._weight);
			ufs.UnionSet(min._srci, min._dsti);
			n++;
			total += min._weight;
		}
	}
	//建立了n-1条边就返回权重
	if (n == _vertex.size() - 1)
		return total;
	else
		return W();
}

4.2 Prim 算法

在这里插入图片描述

//边
struct Edge
{
	size_t _srci;
	size_t _dsti;
	W _weight;

	Edge(size_t srci, size_t dsti, W& weight):_srci(srci),_dsti(dsti),_weight(weight){}
	bool operator>(const Edge& e) const
	{
		return _weight > e._weight;
	}
};
//最小生成树:Prim算法
W Prim(Graph& minTree,const V&src)
{
	//获取下标
	size_t srci = GetIndex(src);
	//初始化最小生成树
	minTree._vertex = _vertex;
	minTree._Index = _Index;
	minTree._matrix.resize(_vertex.size());
	for (size_t i = 0; i < _vertex.size(); i++)
		minTree._matrix[i].resize(_vertex.size(), W_MAX);
	//判断是否在一个集合
	UnionFindSet ufs(_vertex.size());
	//建小堆
	priority_queue<Edge, vector<Edge>, greater<Edge>> minque;
	//把与srci相邻的顶点所构成的边都添加到小堆里
	for (size_t i = 0; i < _vertex.size(); i++)
	{
		if (_matrix[srci][i] != W_MAX)
			minque.push(Edge(srci, i, _matrix[srci][i]));
	}
	
	int n = 0;
	W total = W();
	//循环选边
	while (!minque.empty())
	{
		//取出当前最小的边
		Edge min = minque.top();
		minque.pop();
		//判断是否构成环
		if (!ufs.IsSameSet(min._srci, min._dsti))
		{
			cout << _vertex[min._srci] << "->" << _vertex[min._dsti] << ":" << min._weight << endl;

			minTree._AddEdge(min._srci, min._dsti, _matrix[min._srci][min._dsti]);
			ufs.UnionSet(min._srci, min._dsti);
			n++;
			total += _matrix[min._srci][min._dsti];
			//相邻的边进入小堆
			for (size_t i = 0; i < _vertex.size(); i++)
			{
				if(_matrix[min._dsti][i] != W_MAX)
					minque.push(Edge(min._dsti, i, _matrix[min._dsti][i]));
			}
		}
	}
	//建立了n-1条边就返回权重
	if (n == _vertex.size() - 1)
		return total;
	else
		return W();
}

五、最短路径

最短路径问题:从在带权有向图G中的某一顶点出发,找出一条通往另一顶点的最短路径,最短也就是沿路径各边的权值总和达到最小。

5.1单源最短路径 – Dijkstra 算法

在这里插入图片描述

	//最短路径算法:Dijkstra算法
	//源点 权值数组 父路径数组
	void Dijkstra(const V& src,vector<W>& dist,vector<int>& parentPath)
	{
		//获取下标
		size_t srci = GetIndex(src);
		//顶点个数
		size_t n = _vertex.size();
		//初始化距离数组,父路径数组
		dist.resize(n, W_MAX);
		parentPath.resize(n, -1);
		//对源点记录
		dist[srci] = 0;
		parentPath[srci] = srci;
		//标记数组
		vector<bool> visited(n, false);
		//更新剩余点位
		for(size_t j=0;j<n;j++)
		{
			size_t cur = 0;
			//找距离srci最短的顶点,更新最短路径
			W min = W_MAX;//最短距离
			for (size_t i = 0; i < n; i++)
			{
				if (visited[i]==false&&dist[i]< min)
				{
					min = dist[i];
					cur = i;
				}
			}
			visited[cur] = true;//标记
			//松弛操作
			for (size_t i = 0; i < n; i++)
			{
				if (visited[j] == false && _matrix[cur][i] != W_MAX && dist[cur] + _matrix[cur][i] < dist[i])
				{
					dist[i] = dist[cur] + _matrix[cur][i];
					parentPath[i] = cur;
				}
			}
		}
	}

标签:路径,matrix,18,srci,vertex,Graph,顶点,数据结构,size
From: https://blog.csdn.net/2301_80258336/article/details/141685293

相关文章

  • 第18篇 .net使用RabbitMQ实现短信密码重置
    在C#中使用RabbitMQ通过短信发送重置后的密码到用户的手机号上,你可以按照以下步骤进行1.安装RabbitMQ客户端库首先,确保你已经安装了RabbitMQ客户端库。你可以通过NuGet包管理器来安装:dotnetaddpackageRabbitMQ.Client2.创建RabbitMQ连接和通道创建一个Rabbi......
  • NGraphX v1.9.0发布 新增从Pandas DataFrame中读取文档构建向量索引,并优化向量检索器
    新增功能PandasDataFrame读取器:新增功能,支持从PandasDataFrame中加载LlamaIndex所需的文档。任何能加载进PandasDataFrame的文档数据均可连接此节点。功能优化DuckDB&Neo4J检索器:优化消息传递机制,现在可以从上游连接模版消息节点,便于进行进一步处理(如扩写、改......
  • javase复习day18API
    游戏打包exeMathabs方法的小bug:以int类型为例,取值范围:-2147483648~2147483647如果没有正数与之对应,那么传递负数结果有误-2147483648没有正数对应则结果还是 -2147483648可以使用JDK15后的新方法absExact如果结果有误则会报错packageMathDemo1;publiccla......
  • Java-数据结构-栈和队列-Stack和Queue (o゚▽゚)o
    文本目录:❄️一、栈(Stack):  ▶1、栈的概念: ▶ 2、栈的使用和自实现:   ☑1)、Stack():   ☑2)、push(Ee):   ☑3)、empty():     ☑4)、peek(Ee):     ☑5)、pop(Ee):    ☑6)、size(Ee): ▶3、栈自实现的总代码:......
  • 数据结构--二叉树(C语言实现,超详细!!!)
    文章目录二叉树的概念代码实现二叉树的定义创建一棵树并初始化组装二叉树前序遍历中序遍历后序遍历计算树的结点个数求二叉树第K层的结点个数求二叉树高度查找X所在的结点查找指定节点在不在完整代码二叉树的概念二叉树(BinaryTree)是数据结构中一种非常重要的树形......
  • [2400-] ARC 171-180
    我好像还没写完所有题解。已经补/口胡到\(177\)。有的题写了也没价值啊??我真的有资格说没价值吗???你在这里看不到所有橙色以及以上的题的口胡,也许吧。\(\textbf{ARC171}\)\(\textbf{A-NoAttacking}\)\(\text{AT600,maths,brute.}\)车在对角线一个隔一个,剩下的兵看着......
  • 《足球经理2018》启动失败?深度解析为何《足球经理2018》会报GfxCore.dll错误及解决方
    《足球经理2018》启动失败并报告GfxCore.dll错误是一个常见的问题,这通常与游戏的图形处理相关文件缺失或损坏有关。下面是对这一问题的深度解析及解决方法:深度解析1.文件缺失或损坏:GfxCore.dll是《足球经理2018》及其相关图形处理功能所依赖的动态链接库文件。如果该文件......
  • 数据结构绪论
    数据结构绪论数据结构基础:线性数据结构+非线性数据结构线性数据结构:线性表(链表),栈,队列,一维数组,串非线性数据结构:二维数组,多维数组,广义表,树+二叉树,图数据结构应用:查找+排序查找:静态查找,动态查找排序:内部(针对内存)排序(插入类,交换类,归并累,选择类),外部排序(硬盘)数据结构基本概念......
  • php审计[HCTF 2018]WarmUp 1
    <?phphighlight_file(__FILE__);//这个函数会将当前PHP文件的源代码以高亮方式显示出来,便于调试或展示源代码。classemmm{publicstaticfunctioncheckFile(&$page)//这个方法接受一个引用类型的参数$page,用于检查请求的文件是否在允许的文件白名......
  • Paladin® HD系列: 245-8214-11V、245-8216-11V、245-8218-11V、245-8219-11V、245-82
    优化的密度和性能Paladin®HD互连系统具有高密度,支持112GB/s的数据速率,提供高带宽,在1U空间内支持多达144个正交差分对。PaladinHD采用平衡对结构;采用单独组装和分立屏蔽差分对,配备颠覆性的混合板固定机构,可实现高密度传输。配接接口旨在优化空间并避免传统的正交"扭曲"。Paladin......