- 博客主页:誓则盟约
- 系列专栏:IT竞赛 专栏
- 关注博主,后期持续更新系列文章
- 如果有错误感谢请大家批评指出,及时修改
- 感谢大家点赞👍收藏⭐评论✍
-
图的定义和基本概念:
-
图(Graph)是一种由顶点(Vertex,也称为节点 Node)和边(Edge)组成的数据结构。
顶点是图中的基本元素,表示某个对象或实体。顶点可以用一个标识符来表示,例如一个数字或一个字符串。
边则用于连接图中的顶点,表示顶点之间的关系。边可以是有向的,也可以是无向的。
在无向图中,边没有方向,顶点之间的连接是双向的。如果顶点
v
和顶点w
之间有一条无向边,那么我们可以说v
和w
是相邻的,并且从v
可以到达w
,从w
也可以到达v
。在有向图中,边是有方向的,从一个顶点指向另一个顶点。如果有一条从顶点
u
到顶点v
的有向边,我们表示为(u, v)
,那么可以说u
是v
的前驱,v
是u
的后继。从u
可以沿着边到达v
,但从v
不一定能直接到达u
,除非存在另一条从v
到u
的有向边。
-
有向图(Directed Graph)和无向图(Undirected Graph)是图的两种主要类型,它们的主要区别在于边的方向性:
无向图:
- 边的特征:在无向图中,边没有方向,顶点之间的连接是双向的。如果存在一条连接顶点
u
和顶点v
的边,那么既可以从u
到达v
,也可以从v
到达u
。 - 表示方法:通常用一对顶点来表示一条边,例如
(u, v)
表示顶点u
和顶点v
之间有一条边。由于边是无向的,所以(u, v)
和(v, u)
表示的是同一条边。 - 应用场景:适用于表示顶点之间对称的关系,比如朋友关系(如果 A 是 B 的朋友,那么 B 也是 A 的朋友)。
-
有向图:
- 边的特征:在有向图中,边是有方向的,从一个顶点指向另一个顶点。如果存在一条从顶点
u
到顶点v
的有向边,那么只能从u
沿着边的方向到达v
,而不能从v
沿着这条边到达u
,除非存在另一条从v
到u
的有向边。 - 表示方法:用一个有序对来表示一条有向边,例如
(u, v)
表示从顶点u
到顶点v
的有向边,与(v, u)
是不同的边。 - 应用场景:常用于表示具有方向性的关系,比如网页中的链接(从一个网页指向另一个网页)、任务之间的依赖关系(一个任务必须在另一个任务完成后才能开始)等。
图的表示方法:
- 邻接矩阵是用一个二维矩阵来表示图的连接关系。矩阵的行和列都对应图的顶点。若顶点和顶点之间有边相连,矩阵中的值为(或边的权值),否则为。这种表示法简单直观,适用于顶点数较少的图。
-
邻接表是一种用于表示图的常见数据结构。对于图中的每个顶点,使用一个链表或数组来存储与其相邻的顶点。
具体来说,为图中的每个顶点创建一个链表(或动态数组)。链表(或数组)中的每个节点表示与该顶点相邻的一个顶点,并可以选择性地包含边的权值等信息。
图的遍历算法:
深度优先搜索(Depth-First Search,DFS)是一种图(或者树)的遍历算法。它从起始节点开始,沿着一条路径尽可能深地访问节点,直到无法继续或达到目标节点,然后回溯到上一个未完全探索的节点,继续探索其他路径。
DFS 的原理:
- 选择一个起始节点并将其标记为已访问。
- 对于该节点的未访问相邻节点,选择一个进行递归访问。
- 重复上述过程,直到没有未访问的相邻节点,然后回溯。
DFS 的实现步骤:
- 访问起始节点,并将其标记为已访问。
- 对于起始节点的每个未访问相邻节点,进行递归的 DFS 调用。
- 当一个节点的所有相邻节点都已被访问,回溯到上一个节点,继续探索其他未访问的相邻节点。
以下是使用 Python 实现 DFS 的代码示例:
# 定义一个图(以邻接表的形式表示)
graph = {'A': ['B', 'C'],'B': ['D', 'E'],'C': ['F'],'D': [],'E': [],'F': []
}# 用于标记已访问的节点
visited = set()def dfs(node):if node in visited:returnvisited.add(node)print(node)for neighbor in graph[node]:dfs(neighbor)# 选择一个起始节点,例如 'A'
dfs('A')