图-代码实现总结
更新时间 2021-07-19 21:04:26    浏览 0   

TIP

本文主要是介绍 图-代码实现总结 。

# 导航

wxmp

# 二.重要概念*

# 1.DFS 邻接表DFS算法

void DFS(AdjGraph *G,int v)  
{      ArcNode *p;
       int w;
       visited[v]=1; 		//置已访问标记
       printf("%d  ",v); 		//输出被访问顶点的编号
       p=G->adjlist[v].firstarc;     	//p指向顶点v的第一条边的边头结点
       while (p!=NULL) 
       {      
           w=p->adjvex;
		   if (visited[w]==0) 
	       		DFS(G,w);   	//若w顶点未访问,递归访问它
		   p=p->nextarc;  	//p指向顶点v的下一条边的边头结点
      }
}

该算法的时间复杂度为O(n+e)。

采用深度优先遍历方法遍历非连通图

void  DFS1(AdjGraph *G)
{   int i;
     for (i=0;i<G->n;i++)     //遍历所有未访问过的顶点
          if (visited[i]==0) 
               DFS(G,i);
}

非连通图:调用DFS()的次数恰好等于连通分量的个数

# 2.BFS 邻接表BFS算法

void BFS(AdjGraph *G,int v)
{        int w, i;
         ArcNode *p;
         SqQueue *qu;		//定义环形队列指针
         InitQueue(qu);		//初始化队列
         int visited[MAXV];            	//定义顶点访问标记数组
         for (i=0;i<G->n;i++) 
	     	visited[i]=0;	  	//访问标记数组初始化
         printf("%2d",v); 		//输出被访问顶点的编号
         visited[v]=1;              	//置已访问标记
         enQueue(qu,v);
         while (!QueueEmpty(qu))       	//队不空循环
         {	
             deQueue(qu,w);			//出队一个顶点w
			 p=G->adjlist[w].firstarc; 	//指向w的第一个邻接点
		 	 while (p!=NULL)		//查找w的所有邻接点
		     {     
             	if (visited[p->adjvex]==0) 	//若当前邻接点未被访问
	         	{	
                 	printf("%2d",p->adjvex);  //访问该邻接点
				 	visited[p->adjvex]=1;	//置已访问标记
				 	enQueue(qu,p->adjvex);	//该顶点进队
           	 	}
           	    p=p->nextarc;              	//找下一个邻接点
		 	 }
       	 }
       	 printf("\n");
}

该算法的时间复杂度为O(n+e)。

采用广度优先遍历方法遍历非连通图

void  BFS1(AdjGraph *G)
{       int i;
        for (i=0;i<G->n;i++)     //遍历所有未访问过的顶点
             if (visited[i]==0) 
                  BFS(G,i);
}

非连通图:调用BFS()的次数恰好等于连通分量的个数

# 3.Prim

#define INF 32767		//INF表示∞
void  Prim(MatGraph g,int v)
{     int lowcost[MAXV];
      int min;
      int closest[MAXV], i, j, k;
      for (i=0;i<g.n;i++)		//给lowcost[]和closest[]置初值
      {	
          lowcost[i]=g.edges[v][i];
		  closest[i]=v;
      }
      for (i=1;i<g.n;i++)	  	//输出(n-1)条边
       {	
          min=INF;
		  for (j=0;j<g.n;j++) 	//在(V-U)中找出离U最近的顶点k
	      	if (lowcost[j]!=0 && lowcost[j]<min)
	        {	
                min=lowcost[j];
				k=j;		//k记录最近顶点编号
	        }
           printf(" 边(%d,%d)权为:%d\n",closest[k],k,min);
		   lowcost[k]=0;		//标记k已经加入U
           for (j=0;j<g.n;j++)	//修改数组lowcost和closest
	       if (lowcost[j]!=0 && g.edges[k][j]<lowcost[j])
	       {	
               lowcost[j]=g.edges[k][j];
			   closest[j]=k;
	       }
      }
}

Prim()算法中有两重for循环,所以时间复杂度为O(n2)。

Prim算法更适合稠密图求最小生成树。

4.Kruskal

void Kruskal(MatGraph g)
{     int i,j,u1,v1,sn1,sn2,k;
      int vset[MAXV];
      Edge E[MaxSize];	//存放所有边
      k=0;			//E数组的下标从0开始计
      for (i=0;i<g.n;i++)	//由g产生的边集E
		for (j=0;j<g.n;j++)
	      if (g.edges[i][j]!=0 && g.edges[i][j]!=INF)
	      {     
              E[k].u=i;
              E[k].v=j;
              E[k].w=g.edges[i][j];
	          k++;
	      }
       InsertSort(E,g.e);	//用直接插入排序对E数组按权值递增排序
       for (i=0;i<g.n;i++) 	//初始化辅助数组
			vset[i]=i;
	   k=1;		//k表示当前构造生成树的第几条边,初值为1
	   j=0;		//E中边的下标,初值为0
	   while (k<g.n)	//生成的边数小于n时循环
	   { 
          u1=E[j].u;v1=E[j].v;	//取一条边的头尾顶点
	      sn1=vset[u1];
	      sn2=vset[v1];		//分别得到两个顶点所属的集合编号
 	      if (sn1!=sn2)  	//两顶点属于不同的集合
	      {	
              printf("  (%d,%d):%d\n",u1,v1,E[j].w);
			  k++;		   	//生成边数增1
			  for (i=0;i<g.n;i++)  	//两个集合统一编号
		      	if (vset[i]==sn2) 	//集合编号为sn2的改为sn1
					vset[i]=sn1;
	       }
	       j++;			   //扫描下一条边
        }
}

Kruskal算法的时间复杂度为O(elog2e)。

Kruskal算法更适合稀疏图求最小生成树。

# 5.Dijkstra

void Dijkstra(MatGraph g,int v)
{     int dist[MAXV],path[MAXV];
      int s[MAXV];
      int mindis,i,j,u;
      for (i=0;i<g.n;i++)
      {       
          dist[i]=g.edges[v][i];	//距离初始化
		  s[i]=0;			//s[]置空
	      if (g.edges[v][i]<INF)	//路径初始化
	         path[i]=v;		//顶点v到i有边时
	      else
	         path[i]=-1;		//顶点v到i没边时
      }
      s[v]=1;	 		//源点v放入S中
      for (i=0;i<g.n;i++)	 	//循环n-1次
      {      
          mindis=INF;
		  for (j=0;j<g.n;j++)
	      	if (s[j]==0 && dist[j]<mindis) 
	     	{        
                u=j;
				mindis=dist[j];
	        }
		 s[u]=1;			//顶点u加入S中
	     for (j=0;j<g.n;j++)	//修改不在s中的顶点的距离
	     	if (s[j]==0)
	          if (g.edges[u][j]<INF && dist[u]+g.edges[u][j]<dist[j])
	          {      
                  dist[j]=dist[u]+g.edges[u][j];
	   	   		  path[j]=u;
	          }
      }
      Dispath(dist,path,s,g.n,v);	//输出最短路径
}

狄克斯特拉算法的时间复杂度为O(n2)。

# 6.Floyd

void Floyd(MatGraph g)		//求每对顶点之间的最短路径
{     int A[MAXVEX][MAXVEX];	//建立A数组
      int path[MAXVEX][MAXVEX];	//建立path数组
   	  int i, j, k;
   	  for (i=0;i<g.n;i++)   		
         for (j=0;j<g.n;j++) 
         {       
             A[i][j]=g.edges[i][j];
	 		if (i!=j && g.edges[i][j]<INF)
	         	path[i][j]=i; 	//i和j顶点之间有一条边时
     	  else			 //i和j顶点之间没有一条边时
	         	path[i][j]=-1;
     	  }
 	  for (k=0;k<g.n;k++)		//求Ak[i][j]
 	  {     
          for (i=0;i<g.n;i++)
       		for (j=0;j<g.n;j++)
	    	  	if (A[i][j]>A[i][k]+A[k][j])	//找到更短路径
	            {    
                    A[i][j]=A[i][k]+A[k][j];	//修改路径长度
	             	path[i][j]=path[k][j]; 	//修改最短路径为经过顶点k
        	  }
   	  }
}

Floyd算法的时间复杂度为(On3)。

# 7.拓扑排序

拓扑排序步骤

(1)从有向图中选择一个没有前驱(即入度为0)的顶点并且输出它。

(2)从图中删去该顶点,并且删去从该顶点发出的全部有向边。

(3)重复上述两步,直到剩余的图中不再存在没有前驱的顶点为止。

void TopSort(AdjGraph *G)	//拓扑排序算法
{      int i,j;
       int St[MAXV],top=-1;	//栈St的指针为top
       ArcNode *p;
       for (i=0;i<G->n;i++)		//入度置初值0
			G->adjlist[i].count=0;
       for (i=0;i<G->n;i++)		//求所有顶点的入度
       {	
           p=G->adjlist[i].firstarc;
		   while (p!=NULL)
		   {        
               G->adjlist[p->adjvex].count++;
	           p=p->nextarc;
		   }
        }
        for (i=0;i<G->n;i++)		//将入度为0的顶点进栈
	    	if (G->adjlist[i].count==0)
	        {	
                top++;
				St[top]=i;
	 		}
         while (top>-1)			//栈不空循环
         {	  
             i=St[top];top--;			//出栈一个顶点i
	  		 printf("%d ",i);		//输出该顶点
	  		 p=G->adjlist[i].firstarc;		//找第一个邻接点
	  		 while (p!=NULL)		//将顶点i的出边邻接点的入度减1
	    	 {      
                 j=p->adjvex;
	         	 G->adjlist[j].count--;
	             if (G->adjlist[j].count==0)	//将入度为0的邻接点进栈
	         	 {      
                     top++;
		  			 St[top]=j;
	             }
	         	p=p->nextarc;		//找下一个邻接点
		 }
       }
}

# 8.AOE网与关键路径

**什么是AOE网

用一个带权有向图(DAG)描述工程的预计进度。

顶点表示事件,有向边表示活动,边e的权c(e)表示完成活动e所需的时间(比如天数)。

图中入度为0的顶点表示工程的开始事件(如开工仪式),出度为0的顶点表示工程结束事件。

什么是关键路径

从AOE网中源点到汇点的最长路径,具有最大长度的路径叫关键路径。

关键路径是由关键活动构成的,关键路径可能不唯一。

*3*|***0***三.疑难问题及解决方案

wxmp wxmp

这题考察的是最短路径。

但是有个难点,是相同路径长度,优先考虑过路费最少的那一条。

第一次想法是用两个Dijkstra算法分别求路径和过路费最短,但是有些测试点过不去。

第二次想法是通过Dijkstra算法中的path数组找回路径,但是也只是一条,并不是多条,无法比较过路费。

后面通过百度这个题目,参考别人的代码,将Dijkstra算法进行改进。

void Dijkstra(MyGraph g, int S, int D)
{
	int dist[MAXV], path[MAXV], cost[MAXV];
	int s[MAXV];
	int mindis, i, j, u, star = S;
	int sum = 0;
	for (i = 0; i < g.vexNum; i++)
	{
		dist[i] = g.arcs[S][i];	//距离初始化
		cost[i] = g.money[S][i];
		s[i] = 0;			//s[]置空
		if (g.arcs[S][i] < INF)	//路径初始化
			path[i] = S;		//顶点v到i有边时
		else
			path[i] = -1;		//顶点v到i没边时
	}
	s[S] = 1;	 		//源点v放入S中
	for (i = 0; i < g.vexNum; i++)	 	//循环n-1次
	{
		mindis = INF;
		for (j = 0; j < g.vexNum; j++)
			if (s[j] == 0 && dist[j] < mindis)
			{
				u = j;
				mindis = dist[j];
			}
		s[u] = 1;			//顶点u加入S中
		for (j = 0; j < g.vexNum; j++)	//修改不在s中的顶点的距离
			if (s[j] == 0) {
				if (g.arcs[u][j] < INF && dist[u] + g.arcs[u][j] < dist[j])
				{
					dist[j] = dist[u] + g.arcs[u][j];
					path[j] = u;
					cost[j] = cost[u] + g.money[u][j];
				}
				else if (dist[u] + g.arcs[u][j] == dist[j] && cost[u] + g.money[u][j] < cost[j])
				{
					cost[j] = cost[u] + g.money[u][j];
					path[j] = u;
				}
			}

	}
	cout << dist[D] << ' ' << cost[D];
}

将路径长度和过路费同时进行Dijkstra算法,但是优先考虑路径长度,长度相同,再比较过路费。

# 参考文章

  • https://www.cnblogs.com/yt0617/p/12905732.html
更新时间: 2021-07-19 21:04:26
  0
手机看
公众号
讨论
左栏
全屏
上一篇
下一篇
扫一扫 手机阅读
可分享给好友和朋友圈