数据结构09图

第七章 图 Graph

 

7.1 图的定义和术语

顶点 Vertex 
V 是顶点的有穷非空集合,顶点数 |V| = n
VR 两个顶点之间关系的集合,边数 |VR| = e

有向图 Digraph
<v, w> Arc
v Tail / Inital node
w Head / Terminal node

无向图 Undigraph
<v, w> 必有 <w, v> Edge

完全图(Completed graph):有 n(n-1)/2 条边的无向图
有向完全图:有 n(n-1) 条弧的有向图
稀疏图(Sparse graph):很少边或弧,如 e < nlogn
稠密图(Dense graph)
权(Weight):边或弧的相关数
子图(Subgraph)V'\subseteq V and\ E'\subseteq E
邻接点(Adjacent)(v, v')\in E,则称顶点 v 和 v' 互为邻接点
 Arc\ <v, v'> \in A,则称顶点v邻接到顶点v',顶点v'邻接自顶点v
依附(Incident):边(v, v')依附于顶点 v 和 v',或者说 相关联。
度(Degree):顶点v相关联的边数,记为TD(V)
入度(InDegree):以顶点v为头的弧数,ID(v)
出度(OutDegree):以顶点v为尾的弧数,OD(v)
TD(v)=ID(v)+OD(v)
e=\frac{1}{2}\sum_{i=1}^{n}TD(v_{i})

路径(Path):从顶点 v 到 v' 的一个顶点序列
环(Cycle):第一个顶点和最后一个顶点相同的路径
简单路径:序列中顶点不重复出现的路
简单回路 / 简单环:除第一个顶点和最后一个顶点之外,其余顶点不重复出现的回路

连通:在无向图G中,如果顶点v 到顶点v' 有路径,则称v 和 v' 连通
连通图(Connected Graph):无向图中,任意两个顶点有路径
连通分量(Connected Component):无向图中的极大连通子图
强连通图:有向图G中,任意两个顶点之间有路径
强连通分量:有向图中,极大强连通子图

生成树:连通图的一个极小连通子图,包含全部顶点,n-1条边
如果一个图有n个顶点,小于n-1条边,则是非连通图
如果大于n-1条边,一定有环。
有n-1条边的图不一定是生成树。

如果一个有向图恰有一个顶点入度为0,其余顶点入度均为1,则是一棵有向树。
生成森林:一个有向图的生成森林,由若干棵有向树组成,含图中全部顶点,最少条边。

图中的顶点不存在全序关系,即无法排成一个线性序列。
任何一个顶点都可以被看成是第一个顶点;任一顶点的邻接点之间也不存在次序关系。

 

7.2 图的存储结构

邻接矩阵、邻接表、邻接多重表、十字链表

7.2.1 邻接矩阵

7.2.2 邻接表

总在表头插入结点,所以邻接表的存储结构还与弧的输入顺序有关。

图的邻接表存储结构适合存储弧相对较少的稀疏图。

 

7.3 图的遍历

对图的搜索就是对图中顶点的遍历。

为了不重复访问顶点,需要为顶点向量设立一个访问标志数组visit[],并将初值置为FALSE,即未被访问。
遍历时,在访问后,将标志的值改为TRUE。

两种搜索原则:

  1. 深度优先搜索;
  2. 广度优先搜索。

7.3.1 深度优先搜索

7.3.2 广度优先搜索

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/387028.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

aspnetcore源码学习(一)

---恢复内容开始--- 笔者从事netcore相关项目开发已经大半年了&#xff0c;从netcore 1.0到现在3.0大概经过了3年左右的时间&#xff0c;记得netcore刚出来的时候国内相关的学习资料缺乏&#xff0c;限制于外语不大熟练的限制国外的相关书籍看起来相当吃力&#xff0c;于是在当…

评估一个垃圾收集(GC)

在实践中我们发现对于大多数的应用领域&#xff0c;评估一个垃圾收集(GC)算法如何根据如下两个标准&#xff1a; 吞吐量越高算法越好暂停时间越短算法越好 首先让我们来明确垃圾收集(GC)中的两个术语:吞吐量(throughput)和暂停时间(pause times)。 JVM在专门的线程(GC threads…

CAP和BASE理论

几个名词解释&#xff1a; 网络分区&#xff1a;俗称“脑裂”。当网络发生异常情况&#xff0c;导致分布式系统中部分节点之间的网络延时不断变大&#xff0c;最终导致组成分布式系统的所有节点中&#xff0c;只有部分节点之间能够进行正常通信&#xff0c;而另一些节点则不能…

Mysql案例5:取得平均薪资最高的部门的部门名称

一、要求&#xff1a;查询平均薪水最高部门的部门编号 二、背景&#xff1a;当前数据库有employee表和department表&#xff0c;数据分别如下&#xff1a; employee表&#xff1a; department表&#xff1a; 三、难点&#xff1a; 1、需要考虑最高平均薪资可能在多个部门同时出…

Spring 处理过程分析

一、处理过程分析 1、首先&#xff0c;Tomcat每次启动时都会加载并解析/WEB-INF/web.xml文件&#xff0c;所以可以先从web.xml找突破口&#xff0c;主要代码如下&#xff1a;<servlet ><servlet-name >spring-mvc</servlet-name><!-- servlet类 --><…

python全栈开发中级班全程笔记(第二模块、第四章)(常用模块导入)

python全栈开发笔记第二模块 第四章 &#xff1a;常用模块&#xff08;第二部分&#xff09; 一、os 模块的 详解 1、os.getcwd() &#xff1a;得到当前工作目录&#xff0c;即当前python解释器所在目录路径 import os j os.getcwd() # 返回当前pyt…

基于 Spring Cloud 完整的微服务架构实战

本项目是一个基于 Spring Boot、Spring Cloud、Spring Oauth2 和 Spring Cloud Netflix 等框架构建的微服务项目。 作者&#xff1a;Sheldon地址&#xff1a;https://github.com/zhangxd1989 技术栈 Spring boot - 微服务的入门级微框架&#xff0c;用来简化 Spring 应用的初…

ipython notebook 中 wavefile, display, Audio的使用

基于ipython notebook的 wavefile以及display, Audio的使用首先是使用的库使用 wavfile 读取.wav文件使用display,Audio播放声音最近在做声音信号处理的时候&#xff0c;使用了ipython notebook。发现相较于matlab&#xff0c;python在有关生成wave文件和播放音频需要利用到sci…

spring 设计模式

设计模式作为工作学习中的枕边书&#xff0c;却时常处于勤说不用的尴尬境地&#xff0c;也不是我们时常忘记&#xff0c;只是一直没有记忆。 今天&#xff0c;螃蟹在IT学习者网站就设计模式的内在价值做一番探讨&#xff0c;并以spring为例进行讲解&#xff0c;只有领略了其设计…

ROS(Robot Operating System)笔记 : 1.使用launch file在gazebo中生成urdf机器人

ROS(Robot Operating System) 1.使用launch file在gazebo中生成urdf机器人 最近接触了ROS(Robot Operating System),发现单单学习官网http://wiki.ros.org/上的教程&#xff0c;在实际操作过程中仍然会遭遇许多困难。这一系列关于ROS的文章记录了ROS学习过程中可能遇到的问题…

Python音频信号处理 1.短时傅里叶变换及其逆变换

短时傅里叶变换及其逆变换 本篇文章主要记录了使用python进行短时傅里叶变换&#xff0c;分析频谱&#xff0c;以及通过频谱实现在频域内降低底噪的代码及分析&#xff0c;希望可以给同样在学习信号处理的大家一点帮助&#xff0c;也希望大家对我的文章多提意见建议。 一. 短…

Java多线程同步机制

一段synchronized的代码被一个线程执行之前&#xff0c;他要先拿到执行这段代码的权限&#xff0c;在 java里边就是拿到某个同步对象的锁&#xff08;一个对象只有一把锁&#xff09;&#xff1b; 如果这个时候同步对象的锁被其他线程拿走了&#xff0c;他&#xff08;这个线程…

Python音频信号处理 2.使用谱减法去除音频底噪

使用谱减法去除音频底噪 上一篇文章我主要分享了短时傅立叶变换及其逆变换在python中的实现&#xff0c;有兴趣的可以阅读一下该篇文章&#xff0c;地址如下&#xff1a; Python音频信号处理 1.短时傅里叶变换及其逆变换 那么在本篇文章中&#xff0c;我们将利用短时傅立叶变…

线程池的优点

线程池的优点 1、线程是稀缺资源&#xff0c;使用线程池可以减少创建和销毁线程的次数&#xff0c;每个工作线程都可以重复使用。 2、可以根据系统的承受能力&#xff0c;调整线程池中工作线程的数量&#xff0c;防止因为消耗过多内存导致服务器崩溃。 线程池的创建 public…

linux运维、架构之路-jumpserver

linux运维、架构之路-jumpserver 一、jumpserver介绍 是一款由python编写开源的跳板机(堡垒机)系统&#xff0c;实现了跳板机应有的功能。基于ssh协议来管理&#xff0c;客户端无需安装agent。 特点&#xff1a; 完全开源&#xff0c;GPL授权 Python编写&#xff0c;容易再次开…

C++ STL学习笔记 : 1. template 模板函数

本篇文章是学习C STL库的第一篇笔记&#xff0c;主要记录了使用template关键字创建模板函数的方法。 下面用一个非常简单的例子解释模板函数的用法 : #include <iostream> using namespace std;template <class T> void myswap(T& a, T& b) {T temp a;a…

C++ STL学习笔记 : 2. unordered map 容器

本文中&#xff0c;简单总结一下使用unordered map 的心得。unordered_map容器属于STL中关联表的一种&#xff0c;常用的map容器与unordered_map容器在使用中有着很大程度的相同点&#xff0c;在之后的文章中我可能会针对二者的相同点与不同点进行细致的分析&#xff0c;这里就…

tensorflow 安装在Anaconda

python环境&#xff1a;win10 64下anaconda4.2.0(python3.5)。安装tensorflow过程是在Anaconda Prompt中进行安装 1&#xff1a;打开Anaconda Prompt 在安装之前&#xff0c;说几个关于conda的小命令 conda list&#xff1a;可以显示已经安装好的库。 conda install 库名 &…

Dijkstra迪杰斯特拉算法 C++实现

本篇文章主要介绍了Dijkstra迪杰斯特拉算法的C实现&#xff0c;文章包含两个部分&#xff0c;在第一部分中我会简单介绍迪杰斯特拉算法以及一些个人的理解&#xff0c;第二部分会对C代码的逻辑进行解释。下面是我已经上传的代码资源&#xff0c;大家有兴趣的可以点击链接下载资…

Python开发一个股票类库

前言 使用Python开发一个股票项目。 项目地址&#xff1a; https://github.com/pythonstock/stock 相关资料&#xff1a; http://blog.csdn.net/freewebsys/article/details/78294566 主要使用开发语言是python。 使用的lib库是pandas&#xff0c;tushare&#xff0c;Tens…