数据结构与算法之: 图 第二部分 (八)
图的遍历
深度优先遍历
-
深度优先遍历(Depth First Search),也称为深度优先搜索,简称DFS
-
它的具体思是:无论从哪个定点开始都可以遍历所有顶点
-
现在要遍历这样一个图:
- 我们约定右手原则:在没有碰到重复顶点的情况下,分叉路口始终是向右手边走,没路过一个顶点就做一个记号
- 我们走过的路就是对这颗蓝色的树进行前序遍历!
马踏棋盘算法
-
马踏棋盘问题(又称骑士周游或骑士漫游问题)是算法设计的经典问题之一
-
国际象棋的棋盘为8*8的方格棋盘,现将"马"放在任意指定的方格中,按照"马"走棋的规则将"马"进行移动.要求每个方格只能进入一次,最终使得"马"走遍棋盘64个方格
-
要求用1-64来标注"马"移动的路径
-
最多搜索8^64次
-
一些相关知识点
-
回溯法
思想很简单,就是一条路走到黑,碰壁了再回来一条路走到黑......一般和递归还有深度优先搜索(DFS)可以很好的搭配使用
-
哈密尔顿路径:
哈密尔顿路径是指经过图中的每个顶点,且只经过一次的一条轨迹.如果这条轨迹是一条闭合的路径(从起点出发不重复的遍历所有点后仍能回到起始点),那么这条路径称为哈密尔顿路径
-
Code
#include <stdio.h>
#include <time.h>
#define X 8
#define Y 8
int chess[X][Y];
//找到基于(x,y)位置的下一个可走的位置
int nextxy(int *x,int *y,int count)
{
switch(count)
{
case 0:
if(*x+2 <= X-1 && *y-1 >= 0 && chess[*x+2][*y-1]==0)
{
*x = *x + 2;
*y = *y - 1;
return 1;
}
break;
case 1:
if(*x+2 <= X-1 && *y+1 <= Y-1 && chess[*x+2][*y+1]==0)
{
*x = *x + 2;
*y = *y + 1;
return 1;
}
break;
case 2:
if(*x+1 <= X-1 && *y-2 >= 0 && chess[*x+1][*y-2]==0)
{
*x = *x + 1;
*y = *y - 2;
return 1;
}
break;
case 3:
if(*x+1 <=X-1 && *y+2 <= Y-1 && chess[*x+1][*y+2]==0)
{
*x = *x + 1;
*y = *y + 2;
return 1;
}
break;
case 4:
if(*x-2 >= 0 && *y-1 >= 0 && chess[*x-2][*y-1]==0)
{
*x = *x - 2;
*y = *y - 1;
return 1;
}
break;
case 5:
if(*x-2 >= 0 && *y+1 <= Y-1 && chess[*x-2][*y+1]==0)
{
*x = *x - 2;
*y = *y + 1;
return 1;
}
break;
case 6:
if(*x-1 >= 0 && *y-2 >= 0 && chess[*x-1][*y-2]==0)
{
*x = *x - 1;
*y = *y - 2;
return 1;
}
break;
case 7:
if(*x-1 >= 0 && *y+2 <= Y-1 && chess[*x-1][*y+2]==0)
{
*x = *x - 1;
*y = *y + 2;
return 1;
}
break;
default:
break;
}
return 0;
}
void print()
{
int i,j;
for(i=0;i<X;i++)
{
for(j=0;j<Y;j++)
{
printf("%2d\t",chess[i][j]);
}
printf("\n");
}
printf("\n");
}
//深度优先遍历棋盘
//(x,y)为位置坐标
//tag是标记遍历.每走一次,tag+1
int TravelChessBoard(int x,int y,int tag)
{
int x1 = x,y1 = y, flag = 0, count = 0;
chess[x][y] = tag;
if(X*Y==tag)
{
print();
return 1;
}
//找到马的下一个可走的坐标(x1,y1),如果找到flag=1.否则为0
flag = nextxy(&x1,&y1,count);
while(0==flag && count<7)
{
count++;
flag = nextxy(&x1,&y1,count);
}
while(flag)
{
if(TravelChessBoard(x1,y1,tag+1))
{
return 1;
}
//继续找到马的下一步可走的坐标(x1,y1),如果找到flag=1.否则为0
x1 = x;
y1 = y;
count++;
flag = nextxy(&x1,&y1,count);
while(0==flag && count<7)
{
count++;
flag = nextxy(&x1,&y1,count);
}
}
if(0 == flag)
{
chess[x][y] = 0;
}
return 0;
}
int main()
{
int i,j;
clock_t start,finish;
start = clock();
for(i=0;i<X;i++)
{
for(j=0;j<Y;j++)
{
chess[i][j]=0;
}
}
if(!TravelChessBoard(2,0,1))
{
printf("马踏棋盘是失败!");
}
finish = clock();
printf("\n本次耗时: %f秒\n\n",(double)(finish-start)/CLOCKS_PER_SEC);
return 0;
}
广度优先搜索
-
广度优先遍历(Breadth First Search),又称为广度优先搜索,简称BFS
-
图的广度优先类似于树的层次遍历
- 要实现对图的广度优先遍历,我们可以利用队列来实现
-
邻接矩阵的广度优先遍历思路
从一个顶点开始,将其入队列,将它连接的节点入队列,将它弹出队列,后面依次这样做
//邻接矩阵的广度遍历算法(代码没有验证)
void BFSTraverse(MGraph G)
{
int i,j;
Queue Q;
for(i=0;i<G.numVertexes;i++)
{
visited[i] = FALSE;
}
initQueue(&Q);
for(i=0;i<G.numVertexes;i++)
{
if(!visited[i])
{
printf("%c ",G.vex[i]);
visited[i] = TRUE;
EnQueue(&Q,i);
while(!QueueEmpty(Q))
{
Deque(&Q,&i);
for(j=0;j<G.numVertexes;j++)
{
if(G.art[i][j]==1 && !visited[j])
{
printf("%c ",G.vex[j]);
visited[j] = TRUE;
EnQueue(&Q,j);
}
}
}
}
}
}
最小生成树-普里姆(Prim)算法
void MiniSpanTree_Prim(MGraph G)
{
int min,i,j,k;
int adjvex[MAXVEX]; //保存相关顶点下标
int lowcost[MAXVEX]; //保存相关顶点间边的值
lowcost[0] = 0; //V0作为最小生成树的根开始遍历,权值为0
adjvex[0] = 0; //V0第一个加入
//初始化操作
for(i=1;i<G.numVertexes;i++)
{
lowcost[i] = G.arc[0][i]; //将邻接矩阵第0行所有权值先加入数组
adjvex[[i] = 0; //初始化全部先为V0的下标
}
//真正构造最小生成树的过程
for(i=1;i<G.numVertexes;i++)
{
min = INFINITY; //初始化最小权值为65535等不可能数值
j = 1;
k = 0;
//遍历全部顶点
while(j < G.numVertexes)
{
//找出lowcost数组已存储的最小权值
if(lowcost[j]!=0 && lowcost[j] < min)
{
min = lowcost[j];
k = j; //将发现的最小权值的下标存入k,以待使用
}
j++;
}
//打印当前顶点边中权值最小的边
printf("(%d,%d)",adjvex[k],k);
lowcost[k] = 0; //将当前顶点的权值这只为0,表示此顶点已经完成任务,进行下一个顶点的遍历
//邻接矩阵k行逐个遍历全部顶点
for(j=1;j<G.numVertexes;j++)
{
if(lowcost[j]!=0 && G.arc[k][j]<lowcost[j])
{
lowcost[j] = C.arc[k][j];
adjvex[j] = k;
}
}
}
}
最小生成树-克鲁斯卡尔(Kruskal)算法
- 无论是普里姆算法还是克鲁斯卡尔算法,他们考虑问题的出发点都是:为使生成树上边的权值之和达到最小,则应使生成树中每一条边的权值尽可能的小
* 普里姆算法是以某顶点为起点,逐步找各个顶点上最小权值的边来构建最小生成树的
-
克鲁斯卡尔算法的思想是直接去找最小权值的边来构建生成树
-
边集数组
- Code
int Find(int *parent,int f)
{
while(parent[f] > 0)
{
f = parent[f];
}
return f;
}
void MiniSpanTree_Kruskal(MGraph G)
{
int i,n,m;
Edge edges[MAGEDGE]; //定义边集数组
int parent[MAXVEX]; //定义parent数组用来判断边与边是否形成环路
for(i=0;i<G.numVertexes;i++)
{
parent[i] = 0;
}
for(i=0;i<G.numEdges;i++)
{
n = Find(parent,edges[i].begin);
m = Find(parent,edges[i].end);
if(n!=m) //如果n==m,则形成环路,不满足
{
parent[n] = m; //将此边的结尾顶点放入下标为起点的parent数组中,表示此顶点已经在生成树集合中
printf("(%d,%d) %d ",edges[i].begin,edges[i].end,edges[i].weight);
}
}
}
- 最后的parent数组
- 当一个图边数少时克鲁斯卡尔算法效率会比较高,也就是说对稀疏图有很大优势;当一个图顶点数多时普里姆算法效率会比较高,也就是说对稠密图有很大优势
最短路径-迪杰斯特拉(Dijkstra)算法
-
在网图和非网图中,最短路径的含义是不同的
-
网图是两顶点经过的边上权值之和最少的路径
-
非网图是两顶点之间经过的边数最少的路径
-
其实非网图就是权值都为1的网图
-
-
我们把路径起始的第一个顶点称为源点,最后一个顶点称为终点
-
求v0到v8的最短路径
- 它并不是一下子就求出了v0到v8的最短路径,而是一步步求出它们之间顶点的最短路径,过程中都是基于已经求出的最短路径的基础上,求得更远顶点的最短路径
最短路径-弗洛伊德(Floyd)算法
-
迪杰斯特拉算法的时间复杂度为O(n^2),弗洛伊德算法的时间复杂度为O(n^3)
-
迪杰斯特拉算法求得是一个顶点到所有顶点的最短路径,弗洛伊德算法求得是所有顶点到所有顶点的最短路径
#define MAXEX 9
#define INFINITY 65535
typedef int Pathmatrix[MAXEX][MAXEX];
typedef int ShortestPathTable[MAXEX][MAXEX];
void ShortestPath_Floyd(MGraph G,Pathmatrix *p,ShortestPathTable *D)
{
int v,w,k;
//初始化D和P
for(v=0;v<G.numVertexes;v++)
{
for(w=0;w<G.numVertexes;w++)
{
(*D)[v][w] = G.matrix[v][w];
(*P)[v][w] = w;
}
}
for(k=0;k<G.numVertexes;k++)
{
for(v=0;v<G.numVertexes;v++)
{
for(w=0;w<G.numVertexes;w++)
{
if((*D)[v][w] > (*D)[v][k] + (*D)[k][w])
{
(*D)[v][w] = (*D)[v][k] + (*D)[k][w];
(*P)[v][w] = (*P)[v][k];
}
}
}
}
}
拓扑排序
-
一个有向无环图称为无环图(Directed Acyclic Graph),简称DAG图
-
所有的工程或者某种流程都可以分为若干个小的工程或者阶段,我们称这些小的工程或阶段为"活动"
-
在一个表示工程的有向图中,用顶点表示活动,用弧表示活动之间的优先关系,这样的有向图为顶点表示活动的网,我们称之为AOV网(Active On Vertex Network)
-
AOV网中的弧表示活动之间存在的某种制约关系
-
AOV网不能存在回路!
-
拓扑序列:设G=(V,E)是一个具有n个顶点的有向图,V中的顶点序列V1,V2,......,Vn满足若从顶点Vi到Vj有一条路径,则再顶点序列中顶点vi必在顶点vj之前.则我们称这样的顶点序列为一个拓扑序列
-
拓扑排序:所谓的拓扑排序,其实就是对一个有向图构造拓扑序列的过程
- AOV网图
-
其中一种拓扑序列:1,13,4,8,14,15,5,2,3,10,11,12,7,6,9
-
对AOV网进行拓扑排序的方法和步骤如下:
-
从AOV网中选择一个没有前驱的结点(该节点的入度为0)并且输出它
-
从网中删除该点,并且删除从该点出发的全部有向变
-
重复上述两步,知道剩余网中不再存在没有前驱的顶点为止
-
- code
//边表结点声明
typedef struct EdgeNode
{
int adjvex;
struct EdgeNode *next;
}EdgeNode;
//顶点表结点声明
typedef struct VertexNode
{
int in;
int data;
EdgeNode *firstdege;
}VertexNode,AdjList[MAXVEX];
typedef struct
{
AdjList adjList;
int numVertexes,numEdges;
}graphAdjList,*GraphAdjList;
//拓扑排序算法
//若GL无回路,则输出拓扑排序序列并返回OK,否则返回ERROR
Satus TopologcalSort(GraphAdjList GL)
{
EdgeNode *e;
int i,k,gettop;
int top = 0;//用于栈指针下标索引
int count = 0;//用于统计输出顶点的个数
int *stack; //用于存储入度为0的顶点
stack = (int*)malloc(GL->numVertexes*sizeof(int));
for(i=0;i<GL->numVertexes;i++)
{
if(0==GL->adjList[i].in)
{
stack[++top] = i;
}
}
while(0!=top)
{
gettop = stack[top--];出栈
printf("%d-> ",GL->adjList[gettop].data);
count++;
for(e=GL->adjList[gettop].firstdege;e;e=e->next)
{
k = e->adjvex;
//将k号顶点邻接点的入度置为-1,因为他们的前驱已经消除
//接着判断-1后入度是否为0,如果为0则也入栈
if(!(--GL->adjList[k].in))
{
stack[++top] = k;
}
}
}
if(count<GL->numVertexes)
{
return ERROR;
}
}
-
算法时间复杂度
-
对一个具有n个顶点,e条边的网来说,初始建立入度为零的顶点栈,要检查所有顶点一次,执行时间为O(n)
-
排序中,若AOV网无回路,则每个顶点入,出栈各一次,每个表结点被检查一次,因而执行时间为O(n+e)
-
所以,整个算法的时间复杂度为O(n+e)
-
关键路径
-
AOE网:在一个表示工程的带权有向图中,用顶点表示事件,用又向边表示活动,用边上的权值表示活动的持续时间,这种有向图的表示活动的网,我们称之为AOE网(Activity On Edge Network)
-
我们把AOE网中没有入边的顶点称为始点或源点,没有出边的顶点称为终点或汇点
- AOV没有权值,AOE有权值