数据结构 - 图
目录:
- 基本概念
- 无向图
- 有向图
- 储存结构
- 邻接矩阵
- 邻接表
- 十字链表(有向图)
- 邻接多重表(无向图)
- 图的遍历
- 深度优先搜索
- 广度优先搜索
- 最小生成树
- 普里姆算法(Prim)
- 克鲁斯卡尔算法(Kruskal)
- 最后
基本概念
图是由结点和他们之间连线的集合
无向图
无向图.png无向图解析.png
- 连通图:当任意一个结点都能直接或间接到其他全部结点的时候,就称为连通图
- 完全图:边数 = 顶点数 *( 顶点数 - 1 ) / 2
- 生成树 : 边数 = 顶点数 - 1
有向图
有向图.png 有向图解析.png- 上图,V1的出度是2,入度是1
- 权值:一条连线所代表的值
- 当两个结点互相指向,那么就等于一条直线
储存结构
储存结构.png邻接矩阵
使用数组的形式来储存数据
- 在有向图中,当一个顶点能够指向另外一个顶点,则矩阵中的值为1,否则为0
- 在无向图中,边是相当于两个顶点相互指向
- 代码中邻接矩阵表示 :
int[][] martix ;
邻接表
邻接表存储.png使用顶点以及其弧的指向来储存数据
- 顶点索引:顶点的唯一标识
- 出弧链表头指针: 顶点指向其他顶点的连接
- 顶点数据:顶点储存的数据
</br> - 在代码中,邻接表的结构表示
十字链表(有向图)
十字链表数据储存.png使用顶点以及其弧的指向来储存数据
这里以V1顶点为例说明:
- 顶点索引:0
- 顶点数据:1(假定的)
- 以该顶点为弧尾的弧的结点指针: V1 -> V3, V1 -> V2, V1 -> V4
- 以该顶点为弧头的弧的结点指针: V4 -> V1
这里以V1 -> V4 的弧为例说明: - 弧尾顶点索引:0
- 弧头顶点索引:3
- 弧尾相同的下一条弧的指针: V1 -> V2 , V1 -> V3
- 弧头相同的下一条弧的指针: V3 -> V4
- 弧的数据:V1V4(假定的)
</br> - 代码实现的结构:
邻接多重表(无向图)
邻接多重表数据储存.png使用顶点以及边的连接指向来储存数据
顶点表示很清晰简单
这里以V1 ->V4边为例说明:
- A点索引 : 0(V1)
- B点索引:3 (V4)
- 与A点相连接的下一条边的指针: V1 -> V2 或者 V1 -> V3, 取决于哪一条更早建立连接
- 与B点相连接的下一条边的指针 : V3 -> V4
</br> - 代码实现的结构:
图的遍历
实例-图.png深度优先搜索
对于上图
从A顶点开始进行深度优先搜索的顺序为:
A - B - C - E - F - D - G - H
丢弃了 F - B , H -D 这两条边,形成了一棵树
- 规则:
顺着一个顶点不断向下搜索,当搜索到的顶点与前面搜索过的顶点形成环的时候就停止
有点类似树的前序遍历
广度优先搜索
对于上图
从A顶点开始进行广度优先搜索的顺序为:
A - B - D - C - F - G - H - E
丢弃了E - F 和 G - H 这两条边,形成了一棵树
- 规则:
按层来不断进行搜索
最小生成树
最小生成树前.png当遍历的时候涉及边的权值问题,就要使用最小生成树来解决
如图:上面的数值是边的权值,可以理解为修路的成本,每个顶点可以理解为一个城市,如何最节约成本完成城市之间的连通就需要使用最小生成树。
最小生成树后:
普里姆算法(Prim)
普里姆算法(Prim).png过程:
- 选定一个点A,放入点集合
- 关于A的所有的边放入 待选边集合
- 从待选边集合选取权值最小的边 A - F (1),放入边集合
- 边集合中提取出未在点集合的点F,放入点集合
- 刷新待选边集合,列出所有A和F有关的边
- 选出权值最小且不会与当前已选边形成闭环的边,然后放入边集合
- 以此类推,得出所有边,既是最小生成树
Prim算法后:
普里姆算法(Prim)后.png克鲁斯卡尔算法(Kruskal)
克鲁斯卡尔算法(Kruskal).png过程:
- 列出所有边的集合
- 依次选取权值最小的边,同时将涉及的点加入点集合
- 选取的边不能与已选边构成闭合
- 当点集合中出现了所有点以后,需要让所有点能连通,形成生成树(边 = 点 - 1)
Kruskal算法后:
克鲁斯卡尔算法(Kruskal)后.png最后
对数据结构的基本认识和理解到这里就结束了
关于图的代码实现,在有了队列,栈,线性表的实践过后,代码的转换肯定是没问题的
重点在于对上面所说知识点的深入理解和逻辑转换
再次感谢慕课网的James老师
PS:
后面我会写一写,从零开始的Android组件化开发的记录博文
网友评论