数据结构学习笔记——第6章 图

6 图

6.1 图的基本概念

6.1.1 图的定义

• 图 G 由顶点集 V 和边集 E 组成，记为 $G=(V,E)$，其中 V(G) 表示图 G 中顶点的有限非空集；E(G) 表示图 G 中顶点之间的关系（边）的集合
• 若 V = { v 1 , v 2 , . . . , v n } V = \{ v_1, v_2, ..., v_n \} V={ v1​,v2​,...,vn​}，则用 $|V|$ 表示图 G 中顶点的个数，也称图 G 的阶， E = { ( u , v ) ∣ u ∈ V , v ∈ V } E = \{ ( u,v ) | u \in V, v \in V \} E={ (u,v)∣u∈V,v∈V}，用 $|E|$ 表示图 G 中边的条数
• 线性表、树都可以为空，但图不能为空
• 有向图
  • 若 E 是有向边（也称弧）的有限集合，则图 G 为有向图
  • 弧是顶点的有序对，记为 $⟨v,w⟩$，其中 v, w 是顶点，v 称为弧尾，w称为弧头，$⟨v,w⟩$ 称为从顶点 v 到顶点 w 的弧，也称 v 邻接到 w，或 w 邻接自 v
• 无向图
  • 若 E 是无向边（简称边）的有限集合，则图 G 为无向图
  • 边是顶点的无序对，记为 $(v,w)$ 或 $(w,v)$，因为 $(v,w)=(w,v)$，其中 v, w 是顶点，可以说顶点 w 和顶点 v 互为邻接点，边 $(v,w)$ 依附于顶点 w 和 v，或者说边 $(v,w)$ 和顶点 w, v 相关联
• 简单图
  • 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
  • 数据结构中仅讨论简单图
• 多重图
  • 若图 G 中某两个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
• 完全图（也称简单完全图）
  • 对于无向图，$|E|$ 的取值范围是 $0$ 到 $n(n-1)/2$，有 $n(n-1)/2$ 条边的无向图称为无向完全图，在完全图中任意两个顶点之间都存在边
  • 对于有向图，$|E|$ 的取值范围是 $0$ 到 $n(n-1)$，有 $n(n-1)$ 条边的无向图称为有向完全图，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
• 子图
  • 设有两个图 $G=(V,E)$ 和 $G^{\prime }=(V{,}^{\prime }{E}^{\prime })$，若 $V^{\prime }$ 是 $V$ 的子集，若 $E^{\prime }$ 是 $E$ 的子集，则称 $G^{\prime }$ 是 $G$ 的子图
  • 若有满足 $V^{\prime }(G)=V(G)$ 的子图 $G^{\prime }$ ，则称其为 $G$ 的生成子图
• 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
  • n 个顶点的连通图最少有 n-1 条边
• 强连通图、强连通分量
  • 在有向图中，若从顶点 v 到顶点 w 和顶点 w 到顶点 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
  • n 个顶点的连通图最少有 n 条边
• 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，若加上一条边则会变形成一个回路
  • 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
• 顶点的度、入度和出度
  • 图中每个顶点的度定义为以该顶点为一个端点的边的数目
  • 对于无向图，顶点 v 的度是指依附于该顶点的边的条数，记为 TD(v)
  • 在具有 n 个顶点、e 条边的无向图中，${\sum }_{i=1}^{n}TD(v_i)=2e$，即无向图的全部顶点的度的和等于边数的两倍，因为每条边和两个顶点相关联
  • 对于有向图，顶点 v 的度分为入度和出度，入度是以顶点 v 为终点的有向边的数目，记为 $ID(v)$；而出度是以顶点 v 为起点的有向边的条数，记为 $OD(v)$。顶点 v 的度等于其入度和出度之和，即 $TD(v)=ID(v)+OD(v)$
  • 在具有 n 个顶点、e 条边的无向图中，${\sum }_{i=1}^{n}ID(v_i)={\sum }_{i=1}^{n}OD(v_i)=e$，即有向图的全部顶点的入度之和与出度之和相等，并且等于边数。这是因为每条有向边都有一个起点和终点
• 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
• 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
  • 一般当图 G 满足 $|E|<|V|log|V|$ 时，可以将 G 视为稀疏图
• 路径、路径长度和回路
  • 顶点 $v_p$ 到顶点 $v_q$ 之间的一条路径是指顶点序列 $v_p,v_{i_1},v_{i_2},...,v_{i_m},v_q$，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
• 简单路径、简单回路
  • 在路径序列中，定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
• 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
  • 若从顶点 u 到顶点 v 根本不存在路径，则记该距离为无穷（$\infty$）
• 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

6.2 图的存储及基本操作

6.2.1 邻接矩阵法

• 所谓邻接矩阵存储，是指用一个一维数组存储图中顶点的信息，用一个二维数组存储图中边的信息（即可顶点直接的邻接关系），存储顶点直接邻接关系的二维数组称为邻接矩阵
• 结点数为 $n$ 的图 $G=(V,E)$ 的邻接矩阵 $A$ 是 $n\times n$ 的。将 $G$ 的顶点编号为 $v_1,v_2,...,v_n$。若 $(v_i,v_j)\in E$，则 $A[i][j]=1$，否则 $A[i][j]=0$
• $A[i][j]=\{\begin{array}{l}1，若(v_i,v_j)或⟨v_i,v_j⟩是E(G)中的边\\ 0，若(v_i,v_j)或⟨v_i,v_j⟩不是E(G)中的边\end{array}$
• 对于带权图而言，若顶点 $v_i$ 和 $v_j$ 之间有边相连，则邻接矩阵中对应项存放着该边对应的权值，若顶点 $v_i$ 和 $v_j$ 不相连，则用 $\infty$来代表这两个顶点之间不存在边
• $A[i][j]=\{\begin{array}{l}{w}_{ij}，若(v_i,v_j)或⟨v_i,v_j⟩是E(G)中的边\\ 0或\infty ，若(v_i,v_j)或⟨v_i,v_j⟩不是E(G)中的边\end{array}$
  

#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数
}MGraph

• 注意：
  • ① 在简单应用中，可直接用二维数组作为图的邻接矩阵（顶点信息等均可省略）
  • ② 当邻接矩阵中的元素仅表示相应的边是否存在时，EdgeType可定义为值为 0 和 1 的枚举类型
  • ③ 无向图的邻接矩阵是对称矩阵，对规模特大的邻接矩阵可采用压缩存储
  • ④ 邻接矩阵表示法的空间复杂度为 $O(n^2)$，其中 $n$ 为图的顶点数 $|V|$
• 特点：
  • ① 无向图的邻接矩阵一定是一个对称矩阵（并且唯一）。因此，在实际存储邻接矩阵时只需存储上（或下）三角矩阵的元素
  • ② 对于无向图，邻接矩阵的第 $i$ 行（或第 $i$ 列）非零元素（或非 $\infty$ 元素）的个数正好是第 $i$ 个顶点的度 T D ( v i ) TD(v_i)