算法系列15天速成 第十四天 图【上】
算法系列15天速成 第十四天 图【上】
发布时间:2016-12-29 来源:查字典编辑
摘要:今天来分享一下图,这是一种比较复杂的非线性数据结构,之所以复杂是因为他们的数据元素之间的关系是任意的,而不像树那样被几个性质定理框住了,元素...

今天来分享一下图,这是一种比较复杂的非线性数据结构,之所以复杂是因为他们的数据元素之间的关系是任意的,而不像树那样 被几个性质定理框住了,元素之间的关系还是比较明显的,图的使用范围很广的,比如网络爬虫,求最短路径等等,不过大家也不要胆怯,

越是复杂的东西越能体现我们码农的核心竞争力。

既然要学习图,得要遵守一下图的游戏规则。

一: 概念

图是由“顶点”的集合和“边”的集合组成。记作:G=(V,E);

<1> 无向图

就是“图”中的边没有方向,那么(V1,V2)这条边自然跟(V2,V1)是等价的,无向图的表示一般用”圆括号“。

算法系列15天速成 第十四天 图【上】1

<2> 有向图

“图“中的边有方向,自然<V1,V2>这条边跟<V2,V1>不是等价的,有向图的表示一般用"尖括号"表示。

算法系列15天速成 第十四天 图【上】2

<3> 邻接点

一条边上的两个顶点叫做邻接点,比如(V1,V2),(V1,V3),(V1,V5),只是在有向图中有一个“入边,出边“的

概念,比如V3的入边为V5,V3的出边为V2,V1,V4。

<4> 顶点的度

这个跟“树”中的度的意思一样。不过有向图中也分为“入度”和“出度”两种,这个相信大家懂的。

<5> 完全图

每两个顶点都存在一条边,这是一种完美的表现,自然可以求出边的数量。

无向图:edges=n(n-1)/2;

有向图:edges=n(n-1); //因为有向图是有边的,所以必须在原来的基础上"X2"。

算法系列15天速成 第十四天 图【上】3

<6> 子图

如果G1的所有顶点和边都在G2中,则G1是G2的子图,具体不说了。

<7> 路径,路径长度和回路(这些概念还是比较重要的)

路径: 如果Vm到Vn之间存在一个顶点序列。则表示Vm到Vn是一条路径。

路径长度: 一条路径中“边的数量”。

简单路径: 若一条路径上顶点不重复出现,则是简单路径。

回路: 若路径的第一个顶点和最后一个顶点相同,则是回路。

简单回路: 第一个顶点和最后一个顶点相同,其它各顶点都不重复的回路则是简单回路。

<8> 连通图和连通分量(针对无向图而言的)

连通图: 无向图中,任意两个顶点都是连通的则是连通图,比如V1,V2,V4之间。

连通分量: 无向图的极大连通子图就是连通分量,一般”连通分量“就是”图“本身,除非是“非连通图”,

如下图就是两个连通分量。

算法系列15天速成 第十四天 图【上】4

<9> 强连通图和强连通分量(针对有向图而言)

这里主要注意的是“方向性“,V4可以到V3,但是V3无法到V4,所以不能称为强连通图。

算法系列15天速成 第十四天 图【上】5

<10> 网

边上带有”权值“的图被称为网。很有意思啊,呵呵。

二:存储

图的存储常用的是”邻接矩阵”和“邻接表”。

邻接矩阵: 手法是采用两个数组,一个一维数组用来保存顶点信息,一个二维数组来用保存边的信息,

缺点就是比较耗费空间。

邻接表: 改进后的“邻接矩阵”,缺点是不方便判断两个顶点之间是否有边,但是相比节省空间。

三: 创建图

这里我们就用邻接矩阵来保存图,一般的操作也就是:①创建,②遍历

复制代码 代码如下:

#region 邻接矩阵的结构图

/// <summary>

/// 邻接矩阵的结构图

/// </summary>

public class MatrixGraph

{

//保存顶点信息

public string[] vertex;

//保存边信息

public int[,] edges;

//深搜和广搜的遍历标志

public bool[] isTrav;

//顶点数量

public int vertexNum;

//边数量

public int edgeNum;

//图类型

public int graphType;

/// <summary>

/// 存储容量的初始化

/// </summary>

/// <param name="vertexNum"></param>

/// <param name="edgeNum"></param>

/// <param name="graphType"></param>

public MatrixGraph(int vertexNum, int edgeNum, int graphType)

{

this.vertexNum = vertexNum;

this.edgeNum = edgeNum;

this.graphType = graphType;

vertex = new string[vertexNum];

edges = new int[vertexNum, vertexNum];

isTrav = new bool[vertexNum];

}

}

#endregion

<1> 创建图很简单,让用户输入一些“边,点,权值"来构建一下图

复制代码 代码如下:

#region 图的创建

/// <summary>

/// 图的创建

/// </summary>

/// <param name="g"></param>

public MatrixGraph CreateMatrixGraph()

{

Console.WriteLine("请输入创建图的顶点个数,边个数,是否为无向图(0,1来表示),已逗号隔开。");

var initData = Console.ReadLine().Split(',').Select(i => int.Parse(i)).ToList();

MatrixGraph graph = new MatrixGraph(initData[0], initData[1], initData[2]);

Console.WriteLine("请输入各顶点信息:");

for (int i = 0; i < graph.vertexNum; i++)

{

Console.Write("n第" + (i + 1) + "个顶点为:");

var single = Console.ReadLine();

//顶点信息加入集合中

graph.vertex[i] = single;

}

Console.WriteLine("n请输入构成两个顶点的边和权值,以逗号隔开。n");

for (int i = 0; i < graph.edgeNum; i++)

{

Console.Write("第" + (i + 1) + "条边:t");

initData = Console.ReadLine().Split(',').Select(j => int.Parse(j)).ToList();

int start = initData[0];

int end = initData[1];

int weight = initData[2];

//给矩阵指定坐标位置赋值

graph.edges[start - 1, end - 1] = weight;

//如果是无向图,则数据呈“二,四”象限对称

if (graph.graphType == 1)

{

graph.edges[end - 1, start - 1] = weight;

}

}

return graph;

}

#endregion

<2>广度优先

针对下面的“图型结构”,我们如何广度优先呢?其实我们只要深刻理解"广搜“给我们定义的条条框框就行了。 为了避免同一个顶点在遍历时被多

次访问,可以将”顶点的下标”存放在sTrav[]的bool数组,用来标识是否已经访问过该节点。

第一步:首先我们从isTrav数组中选出一个未被访问的节点,如V1。

第二步:访问V1的邻接点V2,V3,V5,并将这三个节点标记为true。

第三步:第二步结束后,我们开始访问V2的邻接点V1,V3,但是他们都是被访问过的。

第四步:我们从第二步结束的V3出发访问他的邻接点V2,V1,V5,V4,还好V4是未被访问的,此时标记一下。

第五步:我们访问V5的邻接点V1,V3,V4,不过都是已经访问过的。

第六步:有的图中通过一个顶点的“广度优先”不能遍历所有的顶点,此时我们重复(1-5)的步骤就可以最终完成广度优先遍历。

算法系列15天速成 第十四天 图【上】1

复制代码 代码如下:

#region 广度优先

/// <summary>

/// 广度优先

/// </summary>

/// <param name="graph"></param>

public void BFSTraverse(MatrixGraph graph)

{

//访问标记默认初始化

for (int i = 0; i < graph.vertexNum; i++)

{

graph.isTrav[i] = false;

}

//遍历每个顶点

for (int i = 0; i < graph.vertexNum; i++)

{

//广度遍历未访问过的顶点

if (!graph.isTrav[i])

{

BFSM(ref graph, i);

}

}

}

/// <summary>

/// 广度遍历具体算法

/// </summary>

/// <param name="graph"></param>

public void BFSM(ref MatrixGraph graph, int vertex)

{

//这里就用系统的队列

Queue<int> queue = new Queue<int>();

//先把顶点入队

queue.Enqueue(vertex);

//标记此顶点已经被访问

graph.isTrav[vertex] = true;

//输出顶点

Console.Write(" ->" + graph.vertex[vertex]);

//广度遍历顶点的邻接点

while (queue.Count != 0)

{

var temp = queue.Dequeue();

//遍历矩阵的横坐标

for (int i = 0; i < graph.vertexNum; i++)

{

if (!graph.isTrav[i] && graph.edges[temp, i] != 0)

{

graph.isTrav[i] = true;

queue.Enqueue(i);

//输出未被访问的顶点

Console.Write(" ->" + graph.vertex[i]);

}

}

}

}

#endregion

<3> 深度优先

同样是这个图,大家看看如何实现深度优先,深度优先就像铁骨铮铮的好汉,遵循“能进则进,不进则退”的原则。

第一步:同样也是从isTrav数组中选出一个未被访问的节点,如V1。

第二步:然后一直访问V1的邻接点,一直到走头无路的时候“回溯”,路线为V1,V2,V3,V4,V5,到V5的时候访问邻接点V1,发现V1是访问过的,

此时一直回溯的访问直到V1。

第三步: 同样有的图中通过一个顶点的“深度优先”不能遍历所有的顶点,此时我们重复(1-2)的步骤就可以最终完成深度优先遍历。

算法系列15天速成 第十四天 图【上】1

复制代码 代码如下:

#region 深度优先

/// <summary>

/// 深度优先

/// </summary>

/// <param name="graph"></param>

public void DFSTraverse(MatrixGraph graph)

{

//访问标记默认初始化

for (int i = 0; i < graph.vertexNum; i++)

{

graph.isTrav[i] = false;

}

//遍历每个顶点

for (int i = 0; i < graph.vertexNum; i++)

{

//广度遍历未访问过的顶点

if (!graph.isTrav[i])

{

DFSM(ref graph, i);

}

}

}

#region 深度递归的具体算法

/// <summary>

/// 深度递归的具体算法

/// </summary>

/// <param name="graph"></param>

/// <param name="vertex"></param>

public void DFSM(ref MatrixGraph graph, int vertex)

{

Console.Write("->" + graph.vertex[vertex]);

//标记为已访问

graph.isTrav[vertex] = true;

//要遍历的六个点

for (int i = 0; i < graph.vertexNum; i++)

{

if (graph.isTrav[i] == false && graph.edges[vertex, i] != 0)

{

//深度递归

DFSM(ref graph, i);

}

}

}

#endregion

#endregion

最后上一下总的代码

复制代码 代码如下:

using System;

using System.Collections.Generic;

using System.Linq;

using System.Text;

namespace MatrixGraph

{

public class Program

{

static void Main(string[] args)

{

MatrixGraphManager manager = new MatrixGraphManager();

//创建图

MatrixGraph graph = manager.CreateMatrixGraph();

manager.OutMatrix(graph);

Console.Write("广度递归:t");

manager.BFSTraverse(graph);

Console.Write("n深度递归:t");

manager.DFSTraverse(graph);

Console.ReadLine();

}

}

#region 邻接矩阵的结构图

/// <summary>

/// 邻接矩阵的结构图

/// </summary>

public class MatrixGraph

{

//保存顶点信息

public string[] vertex;

//保存边信息

public int[,] edges;

//深搜和广搜的遍历标志

public bool[] isTrav;

//顶点数量

public int vertexNum;

//边数量

public int edgeNum;

//图类型

public int graphType;

/// <summary>

/// 存储容量的初始化

/// </summary>

/// <param name="vertexNum"></param>

/// <param name="edgeNum"></param>

/// <param name="graphType"></param>

public MatrixGraph(int vertexNum, int edgeNum, int graphType)

{

this.vertexNum = vertexNum;

this.edgeNum = edgeNum;

this.graphType = graphType;

vertex = new string[vertexNum];

edges = new int[vertexNum, vertexNum];

isTrav = new bool[vertexNum];

}

}

#endregion

/// <summary>

/// 图的操作类

/// </summary>

public class MatrixGraphManager

{

#region 图的创建

/// <summary>

/// 图的创建

/// </summary>

/// <param name="g"></param>

public MatrixGraph CreateMatrixGraph()

{

Console.WriteLine("请输入创建图的顶点个数,边个数,是否为无向图(0,1来表示),已逗号隔开。");

var initData = Console.ReadLine().Split(',').Select(i => int.Parse(i)).ToList();

MatrixGraph graph = new MatrixGraph(initData[0], initData[1], initData[2]);

Console.WriteLine("请输入各顶点信息:");

for (int i = 0; i < graph.vertexNum; i++)

{

Console.Write("n第" + (i + 1) + "个顶点为:");

var single = Console.ReadLine();

//顶点信息加入集合中

graph.vertex[i] = single;

}

Console.WriteLine("n请输入构成两个顶点的边和权值,以逗号隔开。n");

for (int i = 0; i < graph.edgeNum; i++)

{

Console.Write("第" + (i + 1) + "条边:t");

initData = Console.ReadLine().Split(',').Select(j => int.Parse(j)).ToList();

int start = initData[0];

int end = initData[1];

int weight = initData[2];

//给矩阵指定坐标位置赋值

graph.edges[start - 1, end - 1] = weight;

//如果是无向图,则数据呈“二,四”象限对称

if (graph.graphType == 1)

{

graph.edges[end - 1, start - 1] = weight;

}

}

return graph;

}

#endregion

#region 输出矩阵数据

/// <summary>

/// 输出矩阵数据

/// </summary>

/// <param name="graph"></param>

public void OutMatrix(MatrixGraph graph)

{

for (int i = 0; i < graph.vertexNum; i++)

{

for (int j = 0; j < graph.vertexNum; j++)

{

Console.Write(graph.edges[i, j] + "t");

}

//换行

Console.WriteLine();

}

}

#endregion

#region 广度优先

/// <summary>

/// 广度优先

/// </summary>

/// <param name="graph"></param>

public void BFSTraverse(MatrixGraph graph)

{

//访问标记默认初始化

for (int i = 0; i < graph.vertexNum; i++)

{

graph.isTrav[i] = false;

}

//遍历每个顶点

for (int i = 0; i < graph.vertexNum; i++)

{

//广度遍历未访问过的顶点

if (!graph.isTrav[i])

{

BFSM(ref graph, i);

}

}

}

/// <summary>

/// 广度遍历具体算法

/// </summary>

/// <param name="graph"></param>

public void BFSM(ref MatrixGraph graph, int vertex)

{

//这里就用系统的队列

Queue<int> queue = new Queue<int>();

//先把顶点入队

queue.Enqueue(vertex);

//标记此顶点已经被访问

graph.isTrav[vertex] = true;

//输出顶点

Console.Write(" ->" + graph.vertex[vertex]);

//广度遍历顶点的邻接点

while (queue.Count != 0)

{

var temp = queue.Dequeue();

//遍历矩阵的横坐标

for (int i = 0; i < graph.vertexNum; i++)

{

if (!graph.isTrav[i] && graph.edges[temp, i] != 0)

{

graph.isTrav[i] = true;

queue.Enqueue(i);

//输出未被访问的顶点

Console.Write(" ->" + graph.vertex[i]);

}

}

}

}

#endregion

#region 深度优先

/// <summary>

/// 深度优先

/// </summary>

/// <param name="graph"></param>

public void DFSTraverse(MatrixGraph graph)

{

//访问标记默认初始化

for (int i = 0; i < graph.vertexNum; i++)

{

graph.isTrav[i] = false;

}

//遍历每个顶点

for (int i = 0; i < graph.vertexNum; i++)

{

//广度遍历未访问过的顶点

if (!graph.isTrav[i])

{

DFSM(ref graph, i);

}

}

}

#region 深度递归的具体算法

/// <summary>

/// 深度递归的具体算法

/// </summary>

/// <param name="graph"></param>

/// <param name="vertex"></param>

public void DFSM(ref MatrixGraph graph, int vertex)

{

Console.Write("->" + graph.vertex[vertex]);

//标记为已访问

graph.isTrav[vertex] = true;

//要遍历的六个点

for (int i = 0; i < graph.vertexNum; i++)

{

if (graph.isTrav[i] == false && graph.edges[vertex, i] != 0)

{

//深度递归

DFSM(ref graph, i);

}

}

}

#endregion

#endregion

}

}

代码中我们构建了如下的“图”。

算法系列15天速成 第十四天 图【上】6

算法系列15天速成 第十四天 图【上】7

推荐文章
猜你喜欢
附近的人在看
推荐阅读
拓展阅读
相关阅读
网友关注
最新相关技巧学习
热门相关技巧学习
编程开发子分类