邻接表表示图进行深度优先搜索,广度优先搜索,最小生成树

图的邻接表定义

下面用邻接表实现图的深度优先搜索和广度优先搜索,用邻接矩阵来实现最小生成树。

图的邻接表:首先定义一个图的邻接表的类,里面包括图的顶点数,图的边数,顶点表数组。由于顶点表数组里存放的都是图的一个个节点,因此需要用到顶点节点和边的节点。定义顶点节点的结构体中数据域中存放顶点的信息,指针域指向边表的第一个节点,用first来表示。定义边节点的数据域中存放被指向的节点的信息,指针域指向下一个边表节点,用next表示。

图的邻接表的类的成员函数包括图的构造函数,深度优先搜索,广度优先搜索。下面给出图的邻接表的类的定义以及顶点节点和边节点的定义。

#define Maxvernum 20
#define inf 0x3f3f3f3f
//边表(节点)
template<typename datatype>
struct arcnode
{int adjvex;//所指向的顶点是哪个(用两个节点在逻辑上连接了一条弧)arcnode<datatype>* next; //指向此边表的下一个节点(同样也是用两个节点在逻辑上连接了一条弧)
};
//顶点表(节点,边表的特殊情况)
template<typename datatype>
struct vertexNode
{datatype data;//顶点信息arcnode<datatype>* first;//指向的第一个节点
};
//图类(用邻接表的方式存储图)
template<typename datatype>
class graph
{
public:graph();//图的构造函数void bfs(datatype);//广度优先搜索void dfs(datatype);//深度优先搜索
private:int vernum;//顶点数int arcnum;//边数vertexNode<datatype> adj_list[Maxvernum];//顶点表
};

图的邻接表构造函数

首先先输入邻接表的顶点数和边数,接下来输入每个顶点的值,将其存放在顶点表中每个顶点元素的数据域当中,将当前顶点表的每个节点的first都设为空。接下来按照边的数目,依次输入哪两个节点之间存在边,并在邻接表中将他们互相连接到各自的边表中,比如A和B相连,就让A的边表节点中有B,B的边表节点中有A,按照这个方法依次构建,就构建出了图的邻接表。

广度优先搜索

广度优先搜索类似于树中按层序遍历,一层层进行遍历,得到广度优先遍历序列。在实现的时候用到了队列这种数据结构。为了避免重复搜索的情况出现,因此要设置一个标记数组,用于标记已经被搜索过的节点。首先先选取一个要从其开始进行搜索的节点,将其放入队列并标记,接下来依次遍历它的边表节点,只要没被标记,就将其入队,直到这个节点的边表节点被全部搜索完毕,输出这个顶点的值,并将其出队,下次取队头元素,继续按照上面的步骤进行搜索队头节点的边表节点,依次类推,直到队列为空,则说明广度优先遍历完成。代码如下

//广度优先搜索
template<typename datatype>
void graph<datatype>::bfs(datatype e)
{queue<datatype> q;int visited[Maxvernum] = { 0 };q.push(e);//从编号为e的这个顶点开始visited[e] = 1;int s = e;while (!q.empty()){s = q.front();//取队头元素arcnode<datatype>* tmp = adj_list[s].first;while (tmp!=NULL){if (visited[tmp->adjvex] != 1){q.push(tmp->adjvex);visited[tmp->adjvex] = 1;}tmp = tmp->next;}cout << adj_list[q.front()].data << " ";q.pop();}
}

深度优先搜索

深度优先遍历是使用递归的思想,这里我们采用栈这种数据结构来模拟递归的实现。深度优先搜索同样需要一个标记数组来标记已经被搜索过的节点,避免重复搜索。深搜是沿着一条路搜到底,直到没有节点可以继续往下搜,再逐层返回得到。首先先确定从某个节点开始进行深搜,并将这个节点进行标记,然后沿着这个节点的边表进行搜索,如果遇到没被搜索过的节点,就将其入栈,直到这个节点的边表被全部搜索完,接下来取栈顶元素,对其进行打印(这里注意与广搜不同,要先进行打印),然后再对这个元素继续上述的操作,以此类推,直到栈为空,则说明深度优先搜索已经完成,可以结束。代码如下

//深度优先搜索
template<typename datatype>
void graph<datatype>::dfs(datatype e)
{stack<int> st;int visited[Maxvernum] = { 0 };st.push(e);int s = e;visited[e] = 1;while (!st.empty()){s = st.top();arcnode<datatype>* tmp = adj_list[s].first;cout << adj_list[st.top()].data << " ";st.pop();while (tmp != NULL){if (visited[tmp->adjvex] != 1){st.push(tmp->adjvex);visited[tmp->adjvex] = 1;}tmp = tmp->next;}}
}

最小生成树

图的邻接矩阵定义

最小生成树用图的邻接矩阵的方式来编写,首先给出图的邻接矩阵的定义。其私有成员包括图的顶点数,边数,顶点数组,邻接矩阵的二维数组,成员函数包括构造函数,打印邻接矩阵的函数,生成最小生成树算法的函数。定义代码如下

//图类(用邻接矩阵的形式存储)
template<typename datatype>
class graph2
{
public:graph2();//图(邻接矩阵)的构造函数void show_matrix();//打印邻接矩阵void prim();//prim最小生成树算法
private:int vernum2;//顶点数int arcnum2;//边数datatype vertex[Maxvernum];//顶点数组int graph_matrix[Maxvernum][Maxvernum];//图的邻接矩阵
};

构造函数

根据顶点数建立相应大小的二维矩阵,然后把每个节点先设成inf(无穷大),然后根据输入确定哪两个节点之间有边,并确定它们之间的权值,然后将相应的位置的元素的数值设置为对应的权值,这里注意graph_matrix[i][j]和graph_matrix[j][i]都要设置相同的权值,因为两个节点连着的边是同一条边(因为是无向图,对应的邻接矩阵是一个对称矩阵)。代码如下

//图(邻接矩阵)的构造函数
template<typename datatype>
graph2<datatype>::graph2()
{int weight = 0;cout << "请输入顶点数和边数" << endl;cin >> vernum2 >> arcnum2;for (int i = 0; i < vernum2; i++){for (int j = 0; j < vernum2; j++){graph_matrix[i][j] = inf;}}cout << "请输入各个顶点" << endl;for (int i = 0; i < vernum2; i++){cin >> vertex[i];}cout << "请输入哪两个点之间有边,以及这两个边的权值" << endl;for (int i = 0; i < arcnum2; i++){int m = 0, n = 0;cin >> m >> n>>weight;graph_matrix[m][n] = weight;graph_matrix[n][m] = weight;}
}

打印邻接矩阵函数

代码如下

//打印邻接矩阵
template<typename datatype>
void graph2<datatype>::show_matrix()
{for (int i = 0; i < vernum2; i++){for (int j = 0; j < vernum2; j++){cout << graph_matrix[i][j] << " ";}cout << endl;}
}

prim最小生成树算法

要生成最小生成树,采用不断将新的节点并入到最小生成树当中,直到没有节点被并入最小生成树了,那么就说明最小生成树已经完成了,因此还需要一个标记数组isjoined来判断节点是否被标记。首先先选取一个顶点作为最小生成树的起始点,首先要将这个点并入到最小生成树的集合当中。接下来需要寻找下一个能够被并入到最小生成树集合中的节点,每次选一个连接到当前最小生成树集合中花费最小的节点,因此需要一个lowcost数组来记录每个节点到最小生成树集合的花费,并且在每次最小生成树集合更新的时候,这些值如果想被更新,只可能比原来的花费更小,才会被更新。接下来在lowcost数组中寻找花费最小的节点,并将其并入到最小生成树集合中,并将这个节点标记,并将其加入到最小花费之和sum中,依次类推,直到所有节点都被标记,那么说明此时的sum就是最小生成树的最小花费。代码如下

//prim最小生成树算法(输出最小生成树的权值之和)
template<typename datatype>
void graph2<datatype>::prim()
{int sum = 0;//权值之和int flag = 0;int isjoined[Maxvernum] = {0};//标记数组,判断是否被并入最小生成树,先全置为1,表示都未被标记过int lowcost[Maxvernum] = { 0 };//最低耗费的数组for (int i = 0; i < Maxvernum; i++)isjoined[i] = 1;for (int i = 0; i < Maxvernum; i++)lowcost[i] = inf;int vertex = 0;cin >> vertex;//从哪个顶点开始进行最小生成树isjoined[vertex] = 0;//将这个点标记for (int k = 0; k < vernum2; k++)flag += isjoined[k];while (flag)//一旦标记数组为0,则说明所有节点的最小生成树已经完成{for (int i = 0; i < vernum2; i++)//如果当前节点未被标记过,那么就判断每个未被标记的节点与上一次刚加入到{                                //已经连接好的最小生成树中的节点直接是否会存在更短的路径,如果存在//就将其更新,如果比lowcost[i]大,那么就不更新if (isjoined[i] == 1){lowcost[i] = min(lowcost[i], graph_matrix[vertex][i]);}}int minx = inf;for (int i = 0; i < vernum2; i++){if (lowcost[i] < minx && isjoined[i] == 1)//在未被标记过的节点中寻找权值最小的节点,并标记{vertex = i;minx = lowcost[i];}}isjoined[vertex] = 0;sum += minx;//加上新找到的那个节点与已经标记过的集合中的最小消耗int u = 0;for (int k = 0; k < vernum2; k++){u+=isjoined[k];}flag = u;//更改标记数组的总和}cout << sum << endl;
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/188471.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

P2880 [USACO07JAN] Balanced Lineup G 题解

文章目录 题目描述输入格式输出格式样例样例输入样例输出 数据范围与提示完整代码 题目描述 For the daily milking, Farmer John’s N cows (1 ≤ N ≤ 50,000) always line up in the same order. One day Farmer John decides to organize a game of Ultimate Frisbee with…

从兔子说起:了解RabbitMQ消息的多样化【RabbitMQ 二】

&#x1f38f;&#xff1a;你只管努力&#xff0c;剩下的交给时间 &#x1f3e0; &#xff1a;小破站 从兔子说起&#xff1a;了解RabbitMQ消息的多样化 第一&#xff1a;消息的可靠性与持久性第二&#xff1a;消息交换机与队列第三&#xff1a;消息确认与拒绝第四&#xff1a;…

深度学习手势识别 - yolo python opencv cnn 机器视觉 计算机竞赛

文章目录 0 前言1 课题背景2 卷积神经网络2.1卷积层2.2 池化层2.3 激活函数2.4 全连接层2.5 使用tensorflow中keras模块实现卷积神经网络 3 YOLOV53.1 网络架构图3.2 输入端3.3 基准网络3.4 Neck网络3.5 Head输出层 4 数据集准备4.1 数据标注简介4.2 数据保存 5 模型训练5.1 修…

2023年全国职业院校技能大赛“ 信息安全管理与评估” 测试题2

一.单选题 1、下列不属于口令安全威胁的是&#xff1f;&#xff08; &#xff09; A、 弱口令 B、 明文传输 C、 MD5 加密 D、 多账户共用一个密码 2、在学校或单位如果发现自己的计算机感染了病毒,应首先采取什么措施 ( )。 A、断开网络 B、告知领导 C、杀毒 D、重…

C++模板—函数模板、类模板

目录 一、函数模板 1、概念 2、格式 3、实例化 4、模板参数的匹配 二、类模板 1、定义格式 2、实例化 交换两个变量的值&#xff0c;针对不同类型&#xff0c;我们可以使用函数重载实现。 void Swap(double& left, double& right) {double tmp left;left ri…

黑马一站制造数仓实战1

1. 项目目标 一站制造 企业中项目开发的落地&#xff1a;代码开发 代码开发&#xff1a;SQL【DSL SQL】 SparkCore SparkSQL 数仓的一些实际应用&#xff1a;分层体系、建模实现 2. 内容目标 项目业务介绍&#xff1a;背景、需求 项目技术架构&#xff1a;选型、架构 项目环境…

SpringBootWeb案例_03

Web后端开发_06 SpringBootWeb案例_03 登录认证 智能学习辅助系统登录时需要身份验证 1.登录功能 先实现简单的登录功能&#xff0c;在进一步优化。 1.1需求 若账户或密码不存在/密码不正确&#xff0c;则登录失败。 账户密码正确&#xff0c;则登录成功 1.2接口文档 …

git基本概念

一、版本控制概念 1.1 什么是版本控制 1.1.1 手动管理文件版本 1.1.2 版本控制软件 概念&#xff1a;版本控制软件是一个用来记录文件发生的变化&#xff0c;以便将来查阅特定版本修订情况的系统&#xff0c;有时也叫“版本控制系统”。通俗的理解就是把手工管理文件版本的方…

关于电脑提示vcruntime140_1.dll无法继续执行代码的解决办法

vcruntime140_1.dll是Visual C运行时库的一个组成部分&#xff0c;它包含了大量用于支持C应用程序运行时的功能。这个文件通常在开发和使用C程序时被调用&#xff0c;特别是在使用Microsoft Visual Studio进行开发时。vcruntime140_1.dll文件丢失或损坏会导致C程序无法正常运行…

初识:分布式事务Seata-AT模式的事务提交和事务回滚过程详解

分布式事务Seata 1. 本地事务2. 分布式事务3. 实现思路&#xff1a;两阶段提交协议&#xff08;2PC&#xff09;3.1 基础理解3.2 2PC的隐患 4. Seata4.1 Seata是什么4.2 Seata的三大角色4.3 Seata一次事务的生命周期4.4 Seata AT模式的设计思路4.4.1 设计思路4.4.1.1 一阶段4.4…

信息化,数字化,智能化是3种不同概念吗?与机械化,自动化矛盾吗?

先说结论&#xff1a; 1、信息化、数字化、智能化确实是3种不同的概念&#xff01; 2、这3种概念与机械化、自动化并不矛盾&#xff0c;它们是制造业中不同发展阶段和不同层次的概念。 机械化&#xff1a;是指在生产过程中使用机械技术来辅助人工完成一些重复性、单一性、劳…

助力android面试2024【面试题合集】

转眼间&#xff0c;2023年快过完了。今年作为口罩开放的第一年大家的日子都过的十分艰难&#xff0c;那么想必找工作也不好找&#xff0c;在我们android开发这一行业非常的卷&#xff0c;在各行各业中尤为突出。android虽然不好过&#xff0c;但不能不吃饭吧。卷归卷但是还得干…

Pytorch——多卡GPU训练与单卡GPU训练相互切换

部分深度学习网络默认是多卡并行训练的&#xff0c;由于某些原因&#xff0c;有时需要指定在某单卡上训练&#xff0c;最近遇到一个&#xff0c;这里总结如下。 目录 一、多卡训练1.1 修改配置文件1.2 修改主训练文件1.3 显卡使用情况 二、单卡训练2.1 修改配置文件2.2 显卡使…

ApplicationEventPublisher-Spring事件发布器

一、简介 ApplicationEventPublisher是简称为Spring中的事件发布器&#xff0c;应用于Java事件型驱动应用是解耦和设计&#xff0c;Spring对Java已有的事件处理模型&#xff0c;做了进一步的简化处理。 二、发布及处理事件 ApplicationEventPublisher是一个函数式编程的接口…

简单了解下IP的全球划分【笔记】

国际互联网号码分配机构 (The Internet Assigned Numbers Authority&#xff0c;简称IANA&#xff09;。它是互联网名称与数字地址分配机构&#xff08;The Internet Corporation for Assigned Names and Numbers&#xff0c;简称ICANN&#xff09;旗下的一个机构&#xff0c;主…

Spring之AOP底层源码解读(更新中)

1. 什么是spring的Aop 在进行源码解读之前&#xff0c;大家需要对Spring的Aop有基础的认识和理解&#xff0c;参考文章&#xff1a;Spring之AOP理解与应用-CSDN博客 2. 源码解读 接下来&#xff0c;我们对AOP的源码进行一个解读。 2.1 动态代理 如果你已经对spring的Aop已经有…

Linux5-计划任务、进程

计划任务 一、cron 计划任务 周期性计划任务 cron 任务概述 • 用途:按照设置的时间间隔为用户反复执行某一项固定的系统任务 • 软件包&#xff1a;cronie、crontabs • 系统服务&#xff1a;crond • 日志文件&#xff1a;/var/log/crond 管理计划任务策略 • 使用 cro…

存储虚拟化的写入过程

存储虚拟化的场景下&#xff0c;整个写入的过程。 在虚拟机里面&#xff0c;应用层调用 write 系统调用写入文件。write 系统调用进入虚拟机里面的内核&#xff0c;经过 VFS&#xff0c;通用块设备层&#xff0c;I/O 调度层&#xff0c;到达块设备驱动。虚拟机里面的块设备驱动…

uniapp uni-popup组件在微信小程序中滚动穿透问题

起因 在微信小程序中使用uni-popup组件时&#xff0c;出现滚动穿透&#xff0c;并且uni-popup内部内容不会滚动问题。 解决 滚动穿透 查阅官方文档&#xff0c;发现滚动穿透是由于平台差异性造成的&#xff0c;具体解决可以参照文档禁止滚动穿透 <template><page-…

【概率统计】如何理解概率密度函数及核密度估计

文章目录 概念回顾浅析概率密度函数概率值为0&#xff1f;PDF值大于1&#xff1f;一个栗子 核密度估计如何理解核密度估计核密度估计的应用 总结 概念回顾 直方图&#xff08;Histogram&#xff09;&#xff1a;直方图是最直观的一种方法&#xff0c;它通过把数据划分为若干个区…