数据结构与算法-图的遍历与连通性

1图的遍历与连通性从已给的连通图中某一顶点出发，沿着一些边访遍图中所有的顶点，且使每个顶点仅被访问一次，就叫做图的遍历

(GraphTraversal)。图中可能存在回路，且图的任一顶点都可能与其它顶点相通，在访问完某个顶点之后可能会沿着某些边又回到了曾经访问过的顶点。为了避免重复访问，可设置一个标志顶点是否被访问过的辅助数组visited[]。数据结构与算法-图的遍历与连通性全文共43页，当前为第1页。数据结构与算法-图的遍历与连通性全文共43页，当前为第2页。数据结构与算法-图的遍历与连通性全文共43页，当前为第3页。4DFS

在访问图中某一起始顶点v

后,由

v

出发,访问它的任一邻接顶点

w1;再从w1出发,访问与w1邻接但还没有访问过的顶点w2;然后再从w2出发,进行类似的访问,…如此进行下去,直至到达所有的邻接顶点都被访问过的顶点u为止。接着,退回一步,退到前一次刚访问过的顶点,看是否还有其它没有被访问的邻接顶点。如果有,则访问此顶点,之后再从此顶点出发,进行与前述类似的访问;如果没有,就再退回一步进行搜索。重复上述过程,直到连通图中所有顶点都被访问过为止。数据结构与算法-图的遍历与连通性全文共43页，当前为第4页。5图的深度优先搜索算法template<classT,classE>voidDFS(Graph<T,E>&G,constT&v){//从顶点v出发对图G进行深度优先遍历的主过程

inti,loc,n=G.NumberOfVertices();//顶点个数

bool*visited=newbool[n];//创建辅助数组

for(i=0;i<n;i++)visited

[i]=false;

//辅助数组visited初始化

loc=G.getVertexPos(v);

DFS(G,loc,visited);//从顶点0开始深度优先搜索

delete[]visited;//释放visited}数据结构与算法-图的遍历与连通性全文共43页，当前为第5页。6template<classT,classE>voidDFS(Graph<T,E>&G,intv,boolvisited[]){cout<<G.getValue(v)<<'';//访问顶点v

visited[v]=true; //作访问标记

intw=G.getFirstNeighbor(v);//第一个邻接顶点

while(w>=0){ //若邻接顶点w存在

if(!visited[w])DFS(G,w,visited);

//若w未访问过,递归访问顶点w

w=G.getNextNeighbor(v,w);//下一个邻接顶点

}}数据结构与算法-图的遍历与连通性全文共43页，当前为第6页。7广度优先搜索BFS

(BreadthFirstSearch)广度优先搜索的示例广度优先搜索过程广度优先生成树ACDEGBFIHACDEGBFH123456789123456789I数据结构与算法-图的遍历与连通性全文共43页，当前为第7页。8BFS在访问了起始顶点v之后,由v出发,依次访问v的各个未被访问过的邻接顶点w1,w2,…,wt,然后再顺序访问w1,w2,…,wt的所有还未被访问过的邻接顶点。再从这些访问过的顶点出发，再访问它们的所有还未被访问过的邻接顶点，…如此做下去，直到图中所有顶点都被访问到为止。广度优先搜索是一种分层的搜索过程,每向前走一步可能访问一批顶点,不像深度优先搜索那样有往回退的情况。因此,广度优先搜索不是一个递归的过程。数据结构与算法-图的遍历与连通性全文共43页，当前为第8页。9为了实现逐层访问,算法中使用了一个队列,以记忆正在访问的这一层和上一层的顶点,以便于向下一层访问。为避免重复访问,需要一个辅助数组visited[]，给被访问过的顶点加标记。template<classT,classE>voidBFS(Graph<T,E>&G,constT&v){inti,w,n=G.NumberOfVertices();

//图中顶点个数图的广度优先搜索算法数据结构与算法-图的遍历与连通性全文共43页，当前为第9页。10

bool*visited=newbool[n];

for(i=0;i<n;i++)visited[i]=false;intloc=G.getVertexPos(v); //取顶点号

cout<<G.getValue(loc)<<'';//访问顶点v

visited[loc]=true; //做已访问标记

Queue<int>Q;Q.EnQueue(loc);

//顶点进队列,实现分层访问

while(!Q.IsEmpty()){//循环,访问所有结点

Q.DeQueue(loc);

w=G.getFirstNeighbor(loc);//第一个邻接顶点

while(w>=0){ //若邻接顶点w存在

if(!visited[w]){ //若未访问过数据结构与算法-图的遍历与连通性全文共43页，当前为第10页。11cout<<G.getValue(w)<<'';//访问

visited[w]=true;

Q.EnQueue(w); //顶点w进队列

}

w=G.getNextNeighbor(loc,w);

//找顶点loc的下一个邻接顶点

}} //外层循环，判队列空否

delete[]visited;}数据结构与算法-图的遍历与连通性全文共43页，当前为第11页。12连通分量(Connectedcomponent)当无向图为非连通图时，从图中某一顶点出发，利用深度优先搜索算法或广度优先搜索算法不可能遍历到图中的所有顶点，只能访问到该顶点所在最大连通子图（连通分量）的所有顶点。若从无向图每一连通分量中的一个顶点出发进行遍历,可求得无向图的所有连通分量。例如，对于非连通的无向图，所有连通分量的生成树组成了非连通图的生成森林。数据结构与算法-图的遍历与连通性全文共43页，当前为第12页。13ACDEBFGOIHJNMLK非连通无向图AHKCDEIBFOGJNML非连通图的连通分量数据结构与算法-图的遍历与连通性全文共43页，当前为第13页。14确定连通分量的算法template<classT,classE>voidComponents(Graph<T,E>&G){//通过DFS，找出无向图的所有连通分量

inti,n=G.NumberOfVertices();//图中顶点个数

bool*visited=newbool[n]; //访问标记数组

for(i=0;i<n;i++)visited[i]=false;for(i=0;i<n;i++)

//扫描所有顶点

if(!visited[i]){ //若没有访问过

DFS(G,i,visited); //访问

OutputNewComponent();//输出连通分量

} 数据结构与算法-图的遍历与连通性全文共43页，当前为第14页。15delete[]visited;}例：以深度优先搜索方法从顶点出发遍历图,建立深度优先生成森林。A有向图深度优先生成森林ABCDEFGABDECFG数据结构与算法-图的遍历与连通性全文共43页，当前为第15页。16最小生成树

(minimumcostspanningtree)使用不同的遍历图的方法，可以得到不同的生成树；从不同的顶点出发，也可能得到不同的生成树。按照生成树的定义，n

个顶点的连通网络的生成树有n

个顶点、n-1条边。构造最小生成树：假设有一个网络，用以表示n

个城市之间架设通信线路，边上的权值代表架设通信线路的成本。如何架设才能使线路架设的成本达到最小？数据结构与算法-图的遍历与连通性全文共43页，当前为第16页。17构造最小生成树的准则必须使用且仅使用该网络中的n-1条边来联结网络中的n

个顶点；不能使用产生回路的边；各边上的权值的总和达到最小。北京天津南京上海广州西安成都昆明武汉34764158312419253822221931394450数据结构与算法-图的遍历与连通性全文共43页，当前为第17页。18北京天津南京上海广州西安成都昆明武汉76241922221931北京天津南京上海广州西安成都昆明武汉34764158312419253822221931394450数据结构与算法-图的遍历与连通性全文共43页，当前为第18页。19克鲁斯卡尔(Kruskal)算法克鲁斯卡尔算法的基本思想： 设有一个有n个顶点的连通网络N={V,E},最初先构造一个只有n个顶点,没有边的非连通图T={V,},图中每个顶点自成一个连通分量。当在E中选到一条具有最小权值的边时,若该边的两个顶点落在不同的连通分量上，则将此边加入到T中;否则将此边舍去，重新选择一条权值最小的边。如此重复下去,直到所有顶点在同一个连通分量上为止。数据结构与算法-图的遍历与连通性全文共43页，当前为第19页。20Kruskal算法的伪代码描述

T=; //T是最小生成树的边集合

//E是带权无向图的边集合

while(T包含的边少于n-1&&E不空){

从E中选一条具有最小代价的边(v,w);

从E中删去(v,w);

如果(v,w)加到T中后不会产生回路,则将

(v,w)加入T;否则放弃(v,w); } if(T中包含的边少于n-1条)cout<<"不是最小生成树"<<endl;数据结构与算法-图的遍历与连通性全文共43页，当前为第20页。21算法的框架利用最小堆(MinHeap)和并查集(DisjointSets)来实现克鲁斯卡尔算法。首先,利用最小堆来存放E中的所有的边,堆中每个结点的格式为在构造最小生成树过程中,利用并查集的运算检查依附一条边的两顶点tail、head

是否在同一连通分量(即并查集的同一个子集合)上,是则舍去这条边；否则将此边加入T,同时将这两个顶点放在同一个连通分量上。边的两个顶点位置边的权值

tailheadcost

数据结构与算法-图的遍历与连通性全文共43页，当前为第21页。22随着各边逐步加入到最小生成树的边集合中,各连通分量也在逐步合并,直到形成一个连通分量为止。10504613228102514242216181250461325046132原图(a)(b)构造最小生成树的过程数据结构与算法-图的遍历与连通性全文共43页，当前为第22页。231012504613228102514242216181250461325046132101412原图(c)(d)504613210141612(e)(f)(g)504613210142216125046121025142216123数据结构与算法-图的遍历与连通性全文共43页，当前为第23页。24在求解最小生成树时，可以用邻接矩阵存储图，也可以用邻接表存储图。算法中使用图的抽象基类的操作，无需考虑图及其操作的具体实现。数据结构与算法-图的遍历与连通性全文共43页，当前为第24页。25出堆顺序

(0,5,10)

选中

(2,3,12)

选中

(1,6,14)

选中

(1,2,16)

选中(3,6,18)舍弃

(3,4,22)

选中(4,6,24)舍弃(4,5,25)

选中并查集原图-2-2-2-2-1-1-1-1-1-1-1-1-1-1-1-102-1-1-10-2200000123456-21-11-2-1-421-2-51211-711211F5046132281025142422161812(0,5,10)(2,3,12)(1,6,14)(1,2,16)(3,4,22)(4,5,25)数据结构与算法-图的遍历与连通性全文共43页，当前为第25页。26普里姆(Prim)算法普里姆算法的基本思想：从连通网络N={V,E}中的某一顶点u0

出发,选择与它关联的具有最小权值的边(u0,v),将其顶点加入到生成树顶点集合U中。 以后每一步从一个顶点在集合U中,而另一个顶点不在集合U中的各条边中选择权值最小的边(u,v),把它的顶点加入到集合U中。如此继续下去,直到网络中的所有顶点都加入到生成树顶点集合U中为止。数据结构与算法-图的遍历与连通性全文共43页，当前为第26页。27普里姆(Prim)的伪代码描述

选定构造最小生成树的出发顶点u0;

Vmst

={u0}，Emst=; while(Vmst包含的顶点少于n&&E不空){

从E中选一条边(u,v),

uVmst∩vV-Vmst,且具有最小代价(cost);

令Vmst

=Vmst∪{v},Emst=Emst∪{(u,v)};

将新选出的边从E中剔除：E=E-{(u,v)}; } if(Vmst包含的顶点少于n)cout<<"不是最小生成树"<<endl;数据结构与算法-图的遍历与连通性全文共43页，当前为第27页。28252510504613228102514242216185046132504613210原图(a)

(b)504613210(c)(d)(e)(f)50461321022125046121025142216123252212数据结构与算法-图的遍历与连通性全文共43页，当前为第28页。29例子50461322810251424221618125046132281025142422161812H={(0,5,10),(0,1,28)}ed=(0,5,10)Vmst={t,f,f,f,f,f,f}Vmst={t,f,f,f,f,t,f}数据结构与算法-图的遍历与连通性全文共43页，当前为第29页。305046132281025142422161812H={(5,4,25),(0,1,28)}ed=(5,4,25)Vmst={t,f,f,f,f,t,f}Vmst={t,f,f,f,t,

t,f}5046132281025142422161812H={(4,3,22),(4,6,24),(0,1,28)}ed=(4,3,22)Vmst={t,f,f,f,t,

t,f}Vmst={t,f,f,t,

t,

t,f}数据结构与算法-图的遍历与连通性全文共43页，当前为第30页。315046132281025142422161812H={(3,2,12),(3,6,18),(4,6,24),(0,1,28)}ed=(3,2,12)Vmst={t,f,f,t,

t,

t,f}Vmst={t,f,t,

t,

t,

t,f}5046132281025142422161812H={(2,1,16),(3,6,18),(4,6,24),(0,1,28)}ed=(2,1,16)Vmst={t,f,t,

t,

t,

t,f}Vmst={t,

t,

t,

t,

t,

t,f}数据结构与算法-图的遍历与连通性全文共43页，当前为第31页。325046132281025142422161812H={(1,6,14),(3,6,18),(4,6,24),(0,1,28)}ed=(1,6,14)Vmst={t,t,

t,

t,

t,

t,f}Vmst={t,

t,

t,

t,

t,

t,

t}最小生成树中边集合里存入的各条边为：

(0,5,10),(5,4,25),(4,3,22), (3,2,12),(2,1,16),(1,6,14)数据结构与算法-图的遍历与连通性全文共43页，当前为第32页。33Prim算法适用于边稠密的网络。Kruskal算法不仅适合于边稠密的情形，也适合于边稀疏的情形。注意：当各边有相同权值时，由于选择的随意性，产生的生成树可能不唯一。数据结构与算法-图的遍历与连通性全文共43页，当前为第33页。34最短路径(ShortestPath)最短路径问题：在图中，从某一顶点（称为源点）到另一顶点（称为终点）的路径可能不止一条，如何找到一条路径使得沿此路径上各边上的权值总和达到最小。问题解法

边上权值非负情形的单源最短路径问题

—Dijkstra算法

(仅讲此算法)

边上权值为任意值的单源最短路径问题

—Bellman和Ford算法

(不讲)所有顶点之间的最短路径

—Floyd算法

(不讲)数据结构与算法-图的遍历与连通性全文共43页，当前为第34页。35边上权值非负情形的

单源最短路径问题问题的提法：给定一个带权有向图D与源点v，求从v到D中其他顶点的最短路径。限定各边上的权值大于或等于0。为求得这些最短路径,Dijkstra提出按路径长度的递增次序,逐步产生最短路径的算法。首先求出长度最短的一条最短路径，再参照它求出长度次短的一条最短路径，依次类推，直到从顶点v到其它各顶点的最短路径全部求出为止。数据结构与算法-图的遍历与连通性全文共43页，当前为第35页。艾兹格·W·迪杰斯特拉EdsgerWybeDijkstra，生于1930年5月11日，卒于2002年8月6日，荷兰人。计算机科学家，毕业并就职于荷兰Leiden大学，早年钻研物理及数学，而后转为计算科学。曾在1972年获得过素有计算机科学界的诺贝尔奖之称的图灵奖。数据结构与算法-图的遍历与连通性全文共43页，当前为第36页。37Dijkstra逐步求解的过程源点终点最短路径路径长度v0

v1

v2

v3

v4

10432101003050206010(v0,v1)—(v0,v3)(v0,v4)1030100,60,90(v0,v1,v2)(v0,v3,v4)(v0,v3,v2),50,60(v0,v3,v2,v4)数据结构与算法-图的遍历与连通性全文共43页，当前为第37页。38引入辅助数组dist。它的每一个分量dist[i]表示当前找到的从源点v0到终点

vi的最短路径的长度。初始状态：若从v0到顶点vi有边,则dist[i]为该边的权值；若从v0到顶点vi无边,则dist[i]为。假设S是已求得的最短路径的终点的集合，则可证明：下一条最短路径必然是从v0出发，中间只经过S中的顶点便可到达的那些顶点vx(vxV-S)的路径中的一条。每次求得一条最短路径后,其终点vk加入集合S，然后对所有的vi

V-S，修改其dist[i]值。数据结构与算法-图的遍历与连通性全文共43页，当前为第38页。39Dijkstra算法可描述如下：①

初始化：S{v0};

dist[j]Edge[0][j],

j=1,2,…,n-1;//n为图中顶点个数②

求出最短路径的长度：

dist[k]min{dist[i]},iV-S;

SS∪{k};③

修改：

dist[i]min{dist[i],dist[k]+Edge[k][i]},

对于每一个

iV-S

;④

判断：若

S=V,则算法结束，否则转②。数据结构与算法-图的遍历与连通性全文共43页，当前为第39页。40计算从单个顶点到其他各顶点

最短路径的算法voidShortestPath(Graph<T,E>&G,Tv,

Edist[],intpath[]){//Graph是一个带权有向图。dist[j],0≤j<n,是当前//求到的从顶点v到顶点j的最短路径长度,path[j],//0≤j<n,存放求到的最短路径。

intn=G.NumberOfVertices();bool*S=newbool[n]; //最短路径顶点集

inti,j,k;Ew,min;for(