1、图的存储

  • 设点数为n,边数为m

1.1、二维数组

  • 方法:使用一个二维数组 adj 来存边,其中 adj[u][v] 为 1 表示存在 u到 v的边,为 0 表示不存在。如果是带边权的图,可以在 adj[u][v] 中存储u到v的边的边权。
  • 复杂度:
    • 查询是否存在某条边:\(O(1)\)
    • 遍历一个点的所有出边:\(O(n)\)
    • 遍历整张图:\(O(n^2)\)
    • 空间复杂度:\(O(n^2)\)

1.2、邻接表

  • 方法:使用一个支持动态增加元素的数据结构构成的数组,如 vector< int> adj[n + 1] 来存边,其中 adj[u] 存储的是点u的所有出边的相关信息(终点、边权等);

  • 复杂度:

    • 查询是否存在u到v的边:\(O(d^+(u))\)(如果事先进行了排序就可以使用二分查找做到\(O(log(d^+(u)))\) )。
    • 遍历点u的所有出边:\(O(d^+(u))\)。
    • 遍历整张图:O(n+m)。
    • 空间复杂度:O(m)。

1.3、直接存边

  • 方法:使用一个数组来存边,数组中的每个元素都包含一条边的起点与终点(带边权的图还包含边权)。(或者使用多个数组分别存起点,终点和边权。)
    struct Edge{
    int u,v;//边的端点
    int w;//权重
    }Edges[MAXN];
  • 复杂度:
    • 查询是否存在某条边:\(O(m)\)。
    • 遍历一个点的所有出边:\(O(m)\)。
    • 遍历整张图:\(O(nm)\)。
    • 空间复杂度:\(O(m)\)。
  • 由于直接存边的遍历效率低下,一般不用于遍历图。在Kruskal算法 中,由于需要将边按边权排序,需要直接存边

1.4、链式前向星(本质是用数组模拟链表)

  • 方法:本质是用数组模拟链表,主要有两个数组

    Edges[MAXN] 存储边的信息,包括两个端点、权重、下一条边在Edges中的索引;
    head[MAXN] head[i]为节点i的第一条出边在Edges中的序号;
    在插入边的时候维护一个tot变量记录总计的边的个数
  • 复杂度:

    • 查询是否存在u到v的边:\(O(d^+(u))\)(如果事先进行了排序就可以使用二分查找做到\(O(log(d^+(u)))\) )。
    • 遍历点u的所有出边:\(O(d^+(u))\)。
    • 遍历整张图:O(n+m)。
    • 空间复杂度:O(m)。
  • 代码板子:

    #include<bits/stdc++.h>
    using namespace std;
    const int MAXN = 1e6;
    struct Edge
    {//边结构体
    int u,v;//边的端点;
    int w;//权重
    int nxt;//下一条边在Edge中的索引
    }Edges[MAXN];
    int head[MAXN];//每个节点出边
    int tot;//总的边数,随着边的增加而增加 void init(int n){
    tot=0;
    //初始化head数组
    for(int i=0; i<n; i++)
    head[i]=-1;
    //memset(head,-1,sizeof(head));
    //memset是以字节为单位,初始化内存块
    //字节单位的数组时,可以用memset把每个数组单元初始化成任何你想要的值
    //因为一个int类型的变量占4个字节,而memset是将每一个字节初始化成1,
    //所以一个int类型的变量被初始化成了0x01010101。而这个数是16843009
    //memset初始化int只能初始化0和-1;
    } void addEdge(int u,int v,int w){
    Edges[tot].u=u;
    Edges[tot].v=v;
    Edges[tot].w=w;
    Edges[tot].nxt=head[u];
    head[u] = tot;
    tot++;
    }

2、图的遍历

2.2、dfs(深度优先 depth first search)

  • 基于上述的链式前向星实现
    void dfs(int u) {
    //v 可以是图中的一个顶点
    //也可以是抽象的概念,如 dp 状态等,这一点很难想
    vis[u] = 1; //标记该节点被访问过
    for (int i = head[u]; i; i = Edges[i].nxt) {
    if (!vis[Edges[i].v]) {
    //task to do
    dfs(v);
    }
    }
    }

2.3、bfs(宽度优先 breadth first search)

  • 每次都尝试访问同一层的节点。 如果同一层都访问完了,再访问下一层。这样做BFS 算法找到的路径是从起点开始的最短合法路径。换言之,这条路所包含的边数最小。在 BFS 结束时,每个节点都是通过从起点到该点的最短路径访问的。
  • 基于上述的链式前向星实现:
    void bfs(int u){
    vector<int> d;//记录到达各个节点的最近距离;
    vector<int> p;//记录最短路上的节点
    vector<int> vis(MAXN,0);//0代表节点未被访问过
    queue<int> q;
    q.push(u);
    vis[u]=1;//标记访问
    d[u]=0;
    p[u]=-1;
    while(!q.empty()){
    u=q.front();
    q.pop();
    for(int i=head[u]; i; i=Edges[i].nxt){
    int v = Edges[i].v;//到达的点
    if(!vis[v]){
    q.push(v);
    vis[v]=1;
    d[v]=d[u]+1;
    p[v]=u;//记录前序节点
    //task to do
    }
    }
    }
    }

看到这里的朋友,祝你生活愉快,完事顺意!



图的存储与遍历C++实现的更多相关文章

  1. 图的存储及遍历 深度遍历和广度遍历 C++代码实现

    /*图的存储及遍历*/ #include<iostream> using namespace std; //----------------------------------- //邻接 ...

  2. 数据结构作业——图的存储及遍历(邻接矩阵、邻接表+DFS递归、非递归+BFS)

    邻接矩阵存图 /* * @Author: WZY * @School: HPU * @Date: 2018-11-02 18:35:27 * @Last Modified by: WZY * @Las ...

  3. 图的存储,搜索,遍历,广度优先算法和深度优先算法,最小生成树-Java实现

    1)用邻接矩阵方式进行图的存储.如果一个图有n个节点,则可以用n*n的二维数组来存储图中的各个节点关系. 对上面图中各个节点分别编号,ABCDEF分别设置为012345.那么AB AC AD 关系可以 ...

  4. C++编程练习(9)----“图的存储结构以及图的遍历“(邻接矩阵、深度优先遍历、广度优先遍历)

    图的存储结构 1)邻接矩阵 用两个数组来表示图,一个一维数组存储图中顶点信息,一个二维数组(邻接矩阵)存储图中边或弧的信息. 2)邻接表 3)十字链表 4)邻接多重表 5)边集数组 本文只用代码实现用 ...

  5. 邻接矩阵实现图的存储,DFS,BFS遍历

    图的遍历一般由两者方式:深度优先搜索(DFS),广度优先搜索(BFS),深度优先就是先访问完最深层次的数据元素,而BFS其实就是层次遍历,每一层每一层的遍历. 1.深度优先搜索(DFS) 我一贯习惯有 ...

  6. 【algo&ds】6.图及其存储结构、遍历

    1.什么是图 图表示"多对多"的关系 包含 一组顶点:通常用 V(Vertex)表示顶点集合 一组边:通常用 E(Edge)表示边的集合 边是顶点对:(v,w)∈ E,其中 v,w ...

  7. 【lhyaaa】图的存储&遍历

    呀,图真是一个令人头疼而又很重要的东西.在现实生活中,我们有很多的问题都不能用树来实现,所以烦人啊不伟大的图就出现了—— 图的存储 没有存储哪来的操作,所以存储是最基础的呢. 邻接矩阵 我们对于图的存 ...

  8. 【算法导论】图的深度优先搜索遍历(DFS)

    关于图的存储在上一篇文章中已经讲述,在这里不在赘述.下面我们介绍图的深度优先搜索遍历(DFS). 深度优先搜索遍历实在访问了顶点vi后,访问vi的一个邻接点vj:访问vj之后,又访问vj的一个邻接点, ...

  9. 【算法导论】图的广度优先搜索遍历(BFS)

    图的存储方法:邻接矩阵.邻接表 例如:有一个图如下所示(该图也作为程序的实例): 则上图用邻接矩阵可以表示为: 用邻接表可以表示如下: 邻接矩阵可以很容易的用二维数组表示,下面主要看看怎样构成邻接表: ...

随机推荐

  1. ruby基础(一)

    Ruby基础 1.对象.变量和常量 1.1 对象 在Ruby中表示数据的最基本单位是对象,任何数据都是对象,使用类来表示对象的种类. 一个某个类的对象称作对象的实例. 对象 类 eg 数值 Numer ...

  2. MySQL8 配置远程连接

    引言 MySQL8 默认安装后只有本机能访问,如果需要远程连接 MySQL 将无法访问 查看 root 用户权限 进入 mysql 表 select user,host,plugin from use ...

  3. rpm命令的简介-(转自jb51.net )

    在Linux操作系统中,有一个系统软件包,它的功能类似于Windows里面的"添加/删除程序",但是功能又比"添加/删除程序"强很多,它就是Red Hat Pa ...

  4. JQuery 基础之基本选择器

    1.什么是jQuery选择器: jQuery选择器继承了CSS与Path语言的部分语法,允许通过标签名.属性名或内容对DOM元素进行快速.准确的选择,而不必担心浏览器的兼容性,通过jQuery选择器对 ...

  5. 基于雪花算法生成分布式ID(Java版)

    SnowFlake算法原理介绍 在分布式系统中会将一个业务的系统部署到多台服务器上,用户随机访问其中一台,而之所以引入分布式系统就是为了让整个系统能够承载更大的访问量.诸如订单号这些我们需要它是全局唯 ...

  6. Redis-内存优化(一)

    一.正确使用redis 数据类型 我们先了解下 String 类型的内存空间消耗问题,以及选择节省内存开销的数据类型的解决方案.例如一个图片存储系统,要求这个系统能快速地记录图片 ID 和图片在存储系 ...

  7. CVPR2020论文解读:3D Object Detection三维目标检测

    CVPR2020论文解读:3D Object Detection三维目标检测 PV-RCNN:Point-Voxel Feature Se tAbstraction for 3D Object Det ...

  8. 台积电5nm光刻技术

    台积电5nm光刻技术 在IEEE IEDM会议上,台积电发表了一篇论文,概述了其5nm工艺的初步成果.对于目前使用N7或N7P工艺的客户来说,下一步将会采用此工艺,因为这两种工艺共享了一些设计规则.新 ...

  9. OneFlow 并行特色

    OneFlow 并行特色 在 Consistent 与 Mirrored 视角中,已经知道 OneFlow 提供了 mirrored 与 consistent 两种看待分布式系统的视角,并且提前知道了 ...

  10. MinkowskiEngine多GPU训练

    MinkowskiEngine多GPU训练 目前,MinkowskiEngine通过数据并行化支持Multi-GPU训练.在数据并行化中,有一组微型批处理,这些微型批处理将被送到到网络的一组副本中. ...