图的存储与遍历C++实现
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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 【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 ...
- 【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 ...
- 【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, ...
- 【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
- [Python] 微信公众号开发 Python3
搭建服务 开通一个阿里云ecs,安装python3及需要的包(参考下方官方文档) 将py文件保存在ecs上,运行 在本地访问阿里云的IP地址 能完成这步说明网络没问题 server.py 1 # -* ...
- nginx负载均衡搭建phpmyadmin加入redis了解session会话原理
myphpadmin项目理解cookie和session 当我们平时上网的时候,在刷新之后或者退出浏览器再次打开浏览器不需要登陆网页了,这就是利用了cookie和session: 环境配置 hostn ...
- OSI 七层参考模型与 TCP/IP 四层协议
OSI 七层参考模型 OSI (Open System Interconnect,开放系统互连参考模型)是由 ISO(国际标准化组织)定义的,它是个灵活的.稳健的和可互操作的模型,并不是协议,常用来分 ...
- nginx 的基础知识(一)
Nginx HTTP 和 反向代理web服务器 epoll 占用少的系统资源.支持更多的并发连接 负载均衡 安装简单.配置灵活 热部署.启动快.不间断服务情况下对软件配置进行升级 反向代理 反向代理 ...
- Nginx实战部署常用功能演示(超详细版),绝对给力~~~
前言 上次分享了一些开发过程中常用的功能,但如果到真实环境中,其实还需要一些额外的配置,比如说跨域.缓存.配置SSL证书.高可用等,老规矩,还是挑几个平时比较常用的进行演示分享.上篇详见Nginx超详 ...
- Linux将一个文件夹或文件夹下的所有内容复制到另一个文件夹
Linux将一个文件夹或文件夹下的所有内容复制到另一个文件夹 1.将一个文件夹下的所有内容复制到另一个文件夹下 cp -r /home/packageA/* /home/cp/packageB ...
- 为Go项目编写Makefile
为Go项目编写Makefile 借助Makefile我们在编译过程中不再需要每次手动输入编译的命令和编译的参数,可以极大简化项目编译过程. make介绍 make是一个构建自动化工具,会在当前目录下寻 ...
- 用命令行开启关闭windows系统服务
#删除服务 sc delete servicename #启动服务 sc start servicename #停止服务 sc stop servicename #查询所有服务的状态 sc ...
- 如何在Python中加速信号处理
如何在Python中加速信号处理 This post is the eighth installment of the series of articles on the RAPIDS ecosyst ...
- RGB-D相机视觉SLAM
RGB-D相机视觉SLAM Dense Visual SLAM for RGB-D Cameras 开源代码地址: vision.in.tum.de/data/software/dvo 摘要 本文提 ...