纸上谈兵: 图 (graph)

  • 时间:
  • 浏览:0

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明。谢谢!

图(graph)是三种比较松散的数据价值形式。它有某些节点(vertice),在某些节点之间,由(edge)相连。节点的概念在树中也出现过,亲们通常在节点中储存数据。边表示一两个 节点之间的地处关系。在树中,亲们用边来表示子节点和父节点的归属关系。树是三种特殊的图,但限制性更强某些。

假若的三种数据价值形式是很常见的。比如计算机网络,假若由某些节点(计算机机会路由器)以及节点之间的边(网线)构成的。城市的道路系统,也是由节点(路口)和边(道路)构成的图。地铁系统才能越来越理解为图,地铁站能越来越认为是节点。基于图有某些经典的算法,比如求图中一两个 节点的最短路径,求最小伸展树等。

图的经典研究是柯尼斯堡七桥什么的问题(Seven Bridges of Königsberg)。柯尼斯堡是现今的加里宁格勒,城市含晒 三根河流过,河含晒 一两个 小岛。有七座桥桥连接河的两岸和一两个 小岛。送信员总想知道,有越来越一两个 方式,能不重复的走过7个桥呢?

(某些什么的问题在某些奥数教材中称为"一笔画"什么的问题)

欧拉时代的柯尼斯堡地图

柯尼斯堡的能越来越看作由7个边和一两个 节点构成的一两个 图:

某些什么的问题最终被欧拉巧妙的解决。七桥什么的问题也启发了一门新的数类学科——图论(graph theory)的诞生。欧拉的基本思路是,机会某个节点都不 起点机会终点,越来越连接它的边的数目可不才能为偶数个(从一两个 桥进入,再从假若桥选择离开)。对于柯尼斯堡的七桥,机会一两个 节点都为奇数个桥,而最多越来越有一两个 节点为起点和终点,太少 太少 太少 太少 不机会一次走完。

图的定义

严格的说,图[$G = (V, E)$]是由节点的集合V和边的集合E构成的。一两个 图的所有节点构成一两个 集合[$V$]。一两个 边能越来越表示为[$(v_1, v_2)$],其中[$v_1, v_2 \in V$],即一两个 节点。机会[$(v_1, v_2)$]有序,即[$(v_1, v_2)$]与[$(v_2, v_1)$]不同,越来越图是有向的(directed)。有序的边能越来越理解为单行道,越来越沿一两个 方向行进。机会[$(v_1, v_2)$]无序,越来越图是无向的(undirected)。无序的边能越来越理解成双向都能越来越行进的道路。一两个 无序的边能越来越看作连接相同节点的一两个 反向的有序边,太少 太少 太少 太少 无向图能越来越理解为有向图的三种特殊状态。

(七桥什么的问题中的图是无向的。城市中的公交线路能越来越是无向的,比如地处单向环线)

图的一两个 路径(path)是图的一系列节点[$w_1, w_2, ..., w_n$],且对于[$1 \le i < n $],有[$ (w_i, w_{i+1}) \in E$]。也假若说,路径是一系列的边连接而成,路径的两端为一两个 节点。路径底下的总数称为路径的长度。乘坐地铁时,亲们会在选择某个路径,来从A站到达B站。假若的路径机会有不止三根,亲们往往会根据路径的长度以及沿线的拥挤状态,来选择三根最佳的路线。机会地处三根长度大于0的路径,该路径的两端为同一节点,越来越认为该图中地处环路(cycle)。很明显,上海的地铁系统中地处环路。

 

找到三根环路

机会从每个节点,到任意一两个 其它的节点,都不 三根路径搞笑的话,越来越图是连通的(connected)。对于一两个 有向图来说,假若的连通称为强连通(strongly connected)。机会一两个 有向图不满足强连通的条件,但将它的所有边都改为双向的,此时的无向图是连通的,越来越认为该有向图是弱连通(weakly connected)。

机会将有火车站的城市认为是节点,铁路是连接城市的边,假若的图机会是不连通的。比如北京和费城,北京有铁路通往上海,费城有铁路通往纽约,但北京和费城之间越来越路径相连。

图的实现

三种简单的实现图的方式是使用二维数组。让数组a的每一行为一两个 节点,该行的不同元素表示该节点与某些节点的连接关系。机会[$(u, v) \in E$],越来越a[u][v]记为1,过后为0。比如下面的一两个 含晒 一两个 节点的图:

 

能越来越简单表示为

a 1 2 3
1 0 1 1
2 0 0 0
3 0 1 0

某些实现方式所地处的空间为[$O(|V|^2)$],[$|V|$]为节点总数。所需内存随着节点增加而很慢增多。机会边都不 很密集,越来越太少 太少 太少 太少 数组元素记为0,越来越稀疏的某些数组元素记为1,太少 太少 太少 太少 并都不 很经济。

更经济的实现方式是使用,即记录每个节点所有的相邻节点。对于节点m,亲们建立一两个 链表。对于任意节点k,机会有[$(m, k) \in E$],就将该节点倒入到对应节点m的链表中。邻接表是实现图的标准方式。比如下面的图,

 

能越来越用如下的数据价值形式实现:

 

左侧为一两个 数组,每个数组元素代表一两个 节点,且指向一两个 链表。该链表含晒 晒 该数组元素所有的相邻元素。

总体上看,邻接表能越来越分为两主次。邻接表所地处的总空间为[$O(|V| + |E|)$]。数组主次储存节点信息,地处[$|V|$])的空间,即节点的总数。链表存储边的信息,地处[$|E|$]的空间,即边的总数。在某些冗杂的什么的问题中,定点和边还机会有某些的附加信息,亲们能越来越将什么附加信息储地处相应的节点机会边的位置。

下面为具体的C代码:

/* By Vamei */
#include <stdio.h>
#include <stdlib.h>

#define NUM_V 5

typedef struct node *position;

/* node */
struct node {
    int element;
    position next;
};

/* 
 * operations (stereotype)
 */
void insert_edge(position, int, int);
void print_graph(position graph, int nv);

/* for testing purpose */
void main()
{
    struct node graph[NUM_V];
    int i;

    // initialize the vertices
    for(i=1; i<NUM_V; i++) {
        (graph+i)->element = i;
        (graph+i)->next    = NULL;
    }

    // insert edges
    insert_edge(graph,1,2);
    insert_edge(graph,1,4);
    insert_edge(graph,3,2);
    insert_edge(graph,4,2);
    insert_edge(graph,4,3);

    print_graph(graph,NUM_V);
}

/* print the graph */
void print_graph(position graph, int nv) {
    int i;
    position p;
    for(i=1; i<nv; i++) {
        p = (graph + i)->next;
        printf("From %3d: ", i);
        while(p != NULL) {
            printf("%d->%d; ", i, p->element);
            p = p->next;
        }
        printf("\n");
    }
}

/*
 * insert an edge
 */
void insert_edge(position graph,int from, int to)
{
    position np;
    position nodeAddr;

    np = graph + from;

    nodeAddr = (position) malloc(sizeof(struct node));
    nodeAddr->element = to;
    nodeAddr->next    = np->next;
    np->next = nodeAddr;
}

运行结果:

From   1: 1->4; 1->2;

From   2:

From   3: 3->2;

From   4: 4->3; 4->2;

底下的实现主要基于链表,可参考纸上谈兵: 表 (list) 。

总结

图是三种很简单的数据价值形式。图的组织方式比较松散,自由度比较大,但也造成比较高的算法冗杂度。我将在以前介绍某些图的经典算法。

欢迎继续阅读“纸上谈兵: 算法与数据价值形式”系列