高阶数据结构-图

高阶数据结构-图

图的表示

图由顶点和边构成,可分为有向图和无向图

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CJQ2P9yw-1692191657311)(D:\software\Typora\picture\高阶数据结构-图-16917558553992.png)]

邻接表法

图的表示方法有邻接表法邻接矩阵法,以上图中的有向图为例,邻接表法可以表示为

A->[(B,5),(C,10)]
B->[(D,100)]
C->[(B,3)]
D->[(E,7)]
E->[NULL]

邻接表法的特点:

  • 为每一个顶点维护一个顺序表,顺序表中存储与这个顶点直接相连的顶点
  • 可以快速得出与一个顶点直接相连的顶点个数,时间复杂度为O(1)
  • 判断两个顶点是否直接相连需要进行遍历,时间复杂度为O(N)

邻接矩阵法

使用邻接矩阵法可以表示为

顶点(from)/顶点(to)ABCDE
A0510NONENONE
BNONE0NONE100NONE
CNONE30NONENONE
DNONENONENONE07
ENONENONENONENONE0

邻接矩阵法的特点:

  • 维护一个二维数组,数组中的元素为顶点与顶点之间的距离
  • 可以快速得出两个点之间是否存在直接相连的边,时间复杂度为O(1)
  • 在判断一个顶点直接相连的顶点个数时,需要进行遍历,时间复杂度为O(N)
  • 对于无向图,邻接矩阵沿对角线呈对称分布

图的结构

顶点的结构

图由顶点和边构成,顶点的结构如下

struct Edge;
struct Node {Node(string str = "") :value(str) {}string value;int in = 0;int out = 0;unordered_set<Node*> nodes;unordered_set<Edge*> edges;
};
  • value,表示顶点对应的值
  • in,表示顶点的入度,即存在多少个顶点指向自己
  • out,表示顶点的出度,即该顶点指出的顶点个数
  • nodes,哈希表结构,存储一个顶点指向的所有顶点
  • edges,哈希表结构,存储从一个顶点出发的所有边

以图中的A点为例

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-u7lFCddw-1692191657311)(D:\software\Typora\picture\Demo.png)]

其value=“A”,in=0,out=2,nodes为顶点B和C,edges为权值为5的边和权值为10的边

为什么需要使用哈希表存储顶点和边?

哈希表的增删查改时间复杂度均为O(1),在实现图相关算法时具有较好的优势

边的结构

struct Edge {Edge(Node* f, Node* t, int w = 0) :from(f), to(t), weight(w) {}int weight = 0;Node* from = nullptr;Node* to = nullptr;
};
  • weight,表示边的权值
  • from,表示这条边从哪一个顶点出发
  • to,表示这条边以哪一个顶点作为结束
  • 如果是无向图,使用2条有向边表示即可

图的结构

struct Graph {unordered_map<string, Node*> nodes;unordered_set<Edge*> edges;
};

nodes中的key为顶点代表的值,value为具体的顶点

抽象表示转化为已知结构

以下图为例

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3Fqnpwkx-1692191657312)(D:\software\Typora\picture\Demo.png)]

该图可以使用一个二维数组表示

vector<vector<int>> matrixGraph = {{'A','B',5},{'A','C',10},{'B','D',100},{'C','B',3},{'D','E',7}
};

二维数组中每一个一维数组的第一个元素表示from点,第二个元素表示to点,最后一个元素表示边的权值,二维数组可以表示图,但是在实现图的相关算法不具备通用性,可以将其转化已知结构。

Graph TransforGraph(const vector<vector<int>>& matrixGraph) {Graph ansGraph;for (auto& elemedge : matrixGraph) {string from, to;from += elemedge[0];to += elemedge[1];//获取from点与to点的值int weight = elemedge[2];//获取边的权值if (ansGraph.nodes.count(from) == 0) {ansGraph.nodes[from] = new Node(from);//点不存在就创建}if (ansGraph.nodes.count(to) == 0) {ansGraph.nodes[to] = new Node(to);}Edge* edge = new Edge(ansGraph.nodes[from], ansGraph.nodes[to], weight);ansGraph.nodes[from]->out++;//from点的出度++ansGraph.nodes[from]->edges.insert(edge);//将edge添加到from出发的边ansGraph.nodes[from]->nodes.insert(ansGraph.nodes[to]);//将to点添加到from出发的点ansGraph.nodes[to]->in++;//to点的入度++ansGraph.edges.insert(edge);}return ansGraph;
}

有关图的抽象表示,均可转化为已知结构,以便于实现图的相关算法

图的算法

宽度优先遍历

图结构中可能存在环,宽度优先遍历(bfs)时需要使用哈希表以避免顶点重复进入队列

void bfs(Node* start) {//从start开始进行宽度优先遍历queue<Node*> nodeQ;unordered_set<Node*> nodeSet;nodeQ.push(start);while (!nodeQ.empty()) {Node* cur = nodeQ.front();nodeQ.pop();if (nodeSet.count(cur) == 0) {//表示之前没有遍历过这个顶点cout << cur->value << endl;//访问该顶点nodeSet.insert(cur);//将该顶点加入set,防止重复遍历for (Node* node : cur->nodes) {if (nodeSet.count(node) == 0) {nodeQ.push(node);}}}}
}

深度优先遍历

图的深度优先遍历(dfs):

  1. 使用哈希表记录已经遍历过的顶点
  2. 使用栈记录深度优先遍历的路径
  3. 在出栈时,已经遍历过的顶点直接跳过
void dfs(Node* start) {stack<Node*> nodeStack;unordered_set<Node*> nodeSet;nodeStack.push(start);cout << start->value << endl;//深度优先遍历在入栈时对顶点进行处理nodeSet.insert(start);while (!nodeStack.empty()) {Node* Topnode = nodeStack.top();//取出栈顶元素nodeStack.pop();for (Node* node : Topnode->nodes) {if (nodeSet.count(node) == 0) {//判断是否已经遍历过cout << node->value << endl;//访问下一层的元素nodeSet.insert(node);nodeStack.push(Topnode);nodeStack.push(node);//将路径压入栈中break;//去往下一层}}}
}

拓扑排序

一个项目可能存在多个模块,模块之间存在一定的依赖关系,可以用图表示

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9fxnvt34-1692191657312)(D:\software\Typora\picture\拓扑排序.png)]

例如上图,模块B依赖于模块A,模块C依赖于模块A和B,模块D依赖于模块A和C,该项目在进行编译时的顺序应该是A、B、C、D

拓扑排序可以用于确定各个模块之间的编译顺序:

  1. 寻找入度(in)为0的模块,这些模块不依赖于任何模块,可以直接进行编译
  2. 擦除入度为0的模块对整个项目的影响,入度为0的模块,其指向的模块入度减一
  3. 重复步骤2,直到所有模块入度均为0
  4. 项目中不能存在循环依赖
queue<Node*> TopologyAlgorithm(const Graph& graph) {queue<Node*> ansQ;unordered_map<Node*, int> inMap;//保存所有顶点的入度,不直接修改Nodequeue<Node*> zeroQ;//保存入度为0的顶点for (auto& [value, node] : graph.nodes) {inMap.insert(std::make_pair(node, node->in));if (node->in == 0) {zeroQ.push(node);}}while (!zeroQ.empty()) {Node* zeroNode = zeroQ.front();zeroQ.pop();ansQ.push(zeroNode);for (Node* node : zeroNode->nodes) {if (!--inMap[node]) {//在inMap中进行修改zeroQ.push(node);}}}return ansQ;
}

最小生成树

最小生成树指的是使用最小的代价使得一个图中的所有顶点连通,最小生成树仅适用于无向图。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OBtUbhOE-1692191657312)(D:\software\Typora\picture\最小生成树.png)]

生成最小生成树的算法有Kruskal算法和Prim算法,Kruskal算法侧重于从边的角度考虑,Prim算法侧重于从顶点的角度进行考虑

Kruskal算法

Kruskal算法生成最小生成树的流程如下:

  1. 将所有的边按照权值由小到大放入小根堆
  2. 从小根堆弹出权值最小的边,判断这条边的2个顶点是否在同一个集合,若不在,则将这两个顶点所在的集合合并为一个集合,并将这条边加入最终结果;若在,直接舍弃这条边
  3. 重复步骤2,直到小根堆中没有元素

使用Kruskal算法生成最小生成树需要使用并查集结构,并查集结构可以快速判断2个元素是否在同一个集合,以及快速合并2个集合

并查集

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-X7zz5esB-1692191657313)(D:\software\Typora\picture\并查集-16917664853218.png)]

  1. 初始时,并查集中每一个元素各自为一个集合,其父节点均为自身
  2. 进行集合合并时,只需将一个集合的父节点指向另外一个集合的父节点
  3. 查看2个元素是否处于同一个集合时,只需检查它们最顶层的父节点是否一样
  4. 在寻找一个节点最顶层的父节点时,可以将路径上所有节点的父修改为顶层父节点

并查集的实现

template<typename T>
class UnionFindSet {
public:template<class Iter>UnionFindSet(Iter first, Iter last) {for (auto it = first; it != last; it++) {fatherMap[*it] = *it;sizeMap[*it] = 1;}}bool IsSameSet(T left, T right) {if (fatherMap.count(left) == 0 || fatherMap.count(right) == 0) {return false;}return TopLevelNode(left) == TopLevelNode(right);//顶层父节点是否相同}void Union(T left, T right) {//合并集合if (fatherMap.count(left) == 0 || fatherMap.count(right) == 0) {return;}T ltop = TopLevelNode(left);T rtop = TopLevelNode(right);if (ltop != rtop) {size_t lsize = sizeMap[ltop];size_t rsize = sizeMap[rtop];T maxSet = lsize > rsize ? ltop : rtop;T minSet = lsize > rsize ? rtop : ltop;sizeMap[maxSet] += sizeMap[minSet];//将小集合合并到大集合fatherMap[minSet] = maxSet;sizeMap.erase(minSet);}}size_t SetSize(T node) {//获取一个元素所在集合的元素个数if (fatherMap.count(node) == 0) {return -1;}return sizeMap[fatherMap[node]];}
private:T TopLevelNode(T node) {//获取一个顶点最顶层的父节点vector<T> nodes;while (node != fatherMap[node]) {nodes.push_back(node);node = fatherMap[node];}for (auto& it : nodes) {fatherMap[it] = node;//压缩路径}return node;}
private:unordered_map<T, T> fatherMap;//记录每一个顶点的直接父节点unordered_map<T, size_t> sizeMap;//记录每一个大集合中元素的个数
};

使用并查集实现Kruskal算法

使用并查集实现Kruskal算法时,返回值为所有选中的边,根据边即可获取最小生成树的所有信息,需要注意的是,虽然Kruskal算法适用于无向图,但返回值为有向边,这并不影响最小生成树的结构,因为有向边中包含from点、to点、权值

vector<Edge*> Kruskal(const Graph& graph) {vector<Edge*> ans;vector<Node*> nodes;for (auto& [value, node] : graph.nodes) {nodes.push_back(node);}UnionFindSet<Node*> nodeUFS(nodes.begin(), nodes.end());auto EdgeCompare = [](const Edge* l, const Edge* r) {return l->weight > r->weight;};priority_queue<Edge*, deque<Edge*>, decltype(EdgeCompare)> edgeHeap(graph.edges.begin(), graph.edges.end(), EdgeCompare);//graph是无向图,edgeHeap中存在权值相同,方向相反的边while (!edgeHeap.empty()) {Edge* edge = edgeHeap.top();edgeHeap.pop();Node* from = edge->from;Node* to = edge->to;if (!nodeUFS.IsSameSet(from, to)) {//选择这条边ans.push_back(edge);nodeUFS.Union(from, to);}}return ans;
}

Prim算法

Prim算法生成最小生成树侧重于从顶点出发考虑问题,不需要使用并查集

Prim算法流程

  1. 任意选取一个顶点作为起点,将该顶点出发的边加入小根堆,并将这个顶点添加到哈希表
  2. 从小根堆中选取权值最小的边,若这条边的to点在哈希表中,跳过这条边,否则以to点作为中心,将与to点相连的边添加到小根堆
  3. 将边向小根堆添加的过程中,应该检查这个边的to点是否在哈希表中,若不在,才可以添加

Prim算法的实现

vector<Edge*> Prim(const Graph& graph) {vector<Edge*> ans;Node* start = graph.nodes.begin()->second;//任选一个顶点作为起点unordered_set<Node*> nodeSet;nodeSet.insert(start);auto EdgeCompare = [](const Edge* l, const Edge* r) {return l->weight > r->weight;};priority_queue<Edge*, deque<Edge*>, decltype(EdgeCompare)> edgeHeap(EdgeCompare);for (Edge* edge : start->edges) {edgeHeap.push(edge);//将从顶点出发的边添加到小根堆}while (!edgeHeap.empty()) {Edge* edge = edgeHeap.top();Node* to = edge->to;edgeHeap.pop();if (nodeSet.count(to) == 0) {//to点没有被添加到哈希表nodeSet.insert(to);ans.push_back(edge);for (Edge* edge : to->edges) {edgeHeap.push(edge);}}}return ans;
}

Dijikstra算法

Dijikstra(迪杰斯特拉)算法用于寻找最短路径,采用动态规划的思想(本质是逐步尝试)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NLSarORQ-1692191657313)(D:\software\Typora\picture\Dijikstra.png)]

图中A到B的最短路径是5,A到C的最短路径是先通过B在达到C,为15。

Dijikstra寻找最短路径的的思想:每次寻找距离最近的点,以该点作为中心尝试进行更新

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ivAup3iN-1692191657314)(D:\software\Typora\picture\Dijikstra-16918203250234.png)]

Dijikstra算法的实现

pair<unordered_map<Node*, list<Node*>>, unordered_map<Node*, int>> Dijikstra(Node* base) {//求base点到各个点的最短距离unordered_map<Node*, int> distanceMap;//distanceMap[a]表示base点到a点的距离,若a不在distanceMap中,表示base点与a点的距离为无穷unordered_map<Node*, list<Node*>> pathMap;//pathMap[a]表示base点到a点的路径unordered_set<Node*> lockedNode;//表示已经确定最短距离的点auto getMinAndUnlockedNode = [&]() {//找到distanceMap中距离最小的点,且这个点没有被锁定Node* ans = nullptr;for (auto& [node, distance] : distanceMap) {if (lockedNode.count(node) == 0) {ans = ans == nullptr ? node : (distanceMap[ans] > distance ? node : ans);}}return ans;};pathMap[base].push_back(base);distanceMap[base] = 0;//base->baseNode* cur;while (cur = getMinAndUnlockedNode()) {lockedNode.insert(cur);for (Edge* edge : cur->edges) {Node* to = edge->to;//状态转移方程if (distanceMap.count(to) == 0) {pathMap[to] = pathMap[cur];pathMap[to].push_back(to);distanceMap[to] = distanceMap[cur] + edge->weight;}else {if (distanceMap[cur] + edge->weight < distanceMap[to]) {pathMap[to] = pathMap[cur];pathMap[to].push_back(to);distanceMap[to] = distanceMap[cur] + edge->weight;}}}}return std::make_pair(pathMap, distanceMap);
}

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/45668.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

FPGA原理与结构——ROM IP的使用与测试

一、前言 本文介绍Block Memory Generator v8.4 IP核 实现ROM&#xff0c;在学习一个IP核的使用之前&#xff0c;首先需要对于IP核的具体参数和原理有一个基本的了解&#xff0c;具体可以参考&#xff1a; FPGA原理与结构——块RAM&#xff08;Block RAM,BRAM&#xff09;http…

供应链安全和第三方风险管理:讨论如何应对供应链中的安全风险,以及评估和管理第三方合作伙伴可能带来的威胁

第一章&#xff1a;引言 在当今数字化时代&#xff0c;供应链的安全性越来越受到重视。企业的成功不仅仅依赖于产品和服务的质量&#xff0c;还取决于供应链中的安全性。然而&#xff0c;随着供应链越来越复杂&#xff0c;第三方合作伙伴的参与也带来了一系列安全风险。本文将…

C#中的委托

目录 概述&#xff1a; 举例&#xff1a;​ 总结: 概述&#xff1a; 中文的角度来说:指的是把事情托付给别人或别的机构(办理)&#xff0c;造个句子&#xff1a;别人委托的事情&#xff0c;我们一定要尽力而为&#xff0c;不遗余力的去办成。 在C#中&#xff0c;委托是一种…

回归预测 | MATLAB实现GA-RBF遗传算法优化径向基函数神经网络多输入单输出回归预测(多指标,多图)

回归预测 | MATLAB实现GA-RBF遗传算法优化径向基函数神经网络多输入单输出回归预测&#xff08;多指标&#xff0c;多图&#xff09; 目录 回归预测 | MATLAB实现GA-RBF遗传算法优化径向基函数神经网络多输入单输出回归预测&#xff08;多指标&#xff0c;多图&#xff09;效果…

CoordAtt注意力网络结构

源码&#xff1a; import torch import torch.nn as nn import math import torch.nn.functional as Fclass h_sigmoid(nn.Module):def __init__(self, inplaceTrue):super(h_sigmoid, self).__init__()self.relu nn.ReLU6(inplaceinplace)def forward(self, x):return self.…

VSCode\PyCharm23.2+PyQGIS插件开发配置相关要点

近期利用VSCode\PyCharmPyQGIS进行插件开发&#xff0c;现将要点总结一下&#xff1a; 一、VSCode&#xff0c;我没有配置成功&#xff0c;主要是最后一个阶段调试的时候老是不成功。以后会持续关注。但是有几个要点&#xff1a; 1、VSCodePyQIS开发&#xff0c;智能提示的设…

jmeter模拟多用户并发

一、100个真实的用户 1、一个账号模拟100虚拟用户同时登录和100账号同时登录 区别 &#xff08;1&#xff09;1个账号100个人用&#xff0c;同时登录&#xff1b; &#xff08;2&#xff09;100个人100个账号&#xff0c;同时登录。 相同 &#xff08;1&#xff09;两个都…

机器学习之概率论

最近&#xff0c;在了解机器学习相关的数学知识&#xff0c;包括线性代数和概率论的知识&#xff0c;今天&#xff0c;回顾了概率论的知识&#xff0c;贴上几张其他博客的关于概率论的图片&#xff0c;记录学习过程。

SSH远程直连--------------Docker容器

文章目录 1. 下载docker镜像2. 安装ssh服务3. 本地局域网测试4. 安装cpolar5. 配置公网访问地址6. SSH公网远程连接测试7.固定连接公网地址8. SSH固定地址连接测试 在某些特殊需求下,我们想ssh直接远程连接docker 容器,下面我们介绍结合cpolar工具实现ssh远程直接连接docker容器…

线性代数的学习和整理6:向量和矩阵详细,什么是矩阵?(草稿-----未完成)

43 矩阵 4.1 矩阵 4 整理网上总结一些 关于直击线性代数本质的 观点 矩阵的本质是旋转和缩放 矩阵里的数字0矩阵里的数字1&#xff0c;表示不进行缩放矩阵里的数字2等&#xff0c;表示缩放矩阵里的数字-3 表示缩放-3倍&#xff0c;并且反向矩阵里的数字的位置矩阵拆分为列向量…

C#与西门子PLC1500的ModbusTcp服务器通信2--ModbusTcp协议

Modbus TCP是近年来越来越流行的工业控制系统通信协议之一&#xff0c;与其他通信协议相比&#xff0c;Modbus TCP通信速度快、可靠性高、兼容性强、适用于模拟或数字量信号的传输&#xff0c;阅读本文前你必须比较熟悉Modbus协议&#xff0c;了解tcp网络。 一、什么是Modbus …

初阶c语言:实战项目三子棋

前言 大家已经和博主学习有一段时间了&#xff0c;今天讲一个有趣的实战项目——三子棋 目录 前言 制作菜单 构建游戏选择框架 实现游戏功能 模块化编程 初始化棋盘 打印棋盘 玩家下棋 电脑下棋 时间戳&#xff1a;推荐一篇 C语言生成随机数的方法_c语言随机数_杯浅…

Delegates.observable追踪观察可变数据更新,Kotlin

Delegates.observable追踪观察可变数据更新&#xff0c;Kotlin import kotlin.properties.Delegates import kotlin.reflect.KPropertyclass Person {var name: String by Delegates.observable("fly") { prop: KProperty<*>, old: String, new: String ->p…

虚幻官方项目《CropOut》技术解析 之 程序化岛屿生成器(IslandGenerator)

开个新坑详细分析一下虚幻官方发布的《CropOut》&#xff0c;文章会同步发布到我在知乎|CSDN的专栏里 文章目录 概要Create Island几何体生成部分随机种子Step 1Step 2Step 3Step 4Step 5Step 6 岛屿材质部分动态为草地设置颜色 程序设计的小技巧其它Platform Switch函数 概要 …

Android OpenCV(七十四): Android OpenCV SDK 升级至 4.8.0

前言 如昨日文章所述,OpenCV 4.8.0 已经发布,虽然系列文章已经停更很久,但是版本升级工作笔者是很乐意快速完成的。 OpenCV 4.8.0 Android SDK:https://github.com/opencv/opencv/releases/download/4.8.0/opencv-4.8.0-android-sdk.zip 更新日志:https://github.com/o…

安防视频汇聚平台EasyCVR视频监控综合管理平台H.265转码功能更新,新增分辨率配置的具体步骤

安防视频集中存储EasyCVR视频监控综合管理平台可以根据不同的场景需求&#xff0c;让平台在内网、专网、VPN、广域网、互联网等各种环境下进行音视频的采集、接入与多端分发。在视频能力上&#xff0c;视频云存储平台EasyCVR可实现视频实时直播、云端录像、视频云存储、视频存储…

Open3D 进阶(5)变分贝叶斯高斯混合点云聚类

目录 一、算法原理二、代码实现三、结果展示四、测试数据本文由CSDN点云侠原创,原文链接。如果你不是在点云侠的博客中看到该文章,那么此处便是不要脸的爬虫。 系列文章(连载中。。。爬虫,你倒是爬个完整的呀?): Open3D 进阶(1) MeanShift点云聚类Open3D 进阶(2)DB…

shell脚本之循环语句

循环语句 循环含义 将某代码段重复运行多次&#xff0c;通常有进入循环的条件和退出循环的条件 for循环语句 一般知道循环次数使用for循环 第一类 格式1&#xff1a; for名称 in 取值次数;do;done; 格式2&#xff1a; for 名称 in {取值列表} do done# 打印20次 for i i…

[MySQL]02关于事务的解析

目录 原子性 一致性 持久性 隔离性 事务隔离级别 并发执行可能存在问题 脏读问题 不可重复读 幻读 难点解析 原子性 事务最核心的就是原子性 以前人们认为原子不可再分&#xff0c;用原子性来表示一个事务不可分割 update account set balancebalance-500 where nam…

浅析Java设计模式之四策略模式

title: 浅析Java设计模式之四策略模式 date: 2018-12-29 17:26:17 categories: 设计模式 description: 浅析Java设计模式之四策略模式 1. 目录 1. 目录2. 概念 2.1. 应用场景2.2. 优缺点 2.2.1. 优点2.2.2. 缺点 3. 模式结构4. 样例 4.1. 定义策略4.2. 定义具体策略4.3. 定义…