随笔-240  评论-618  文章-0 

C#数据结构与算法揭秘13

这节,我们来看看一下什么了,来看看图的遍历吧!

首先,搞清楚,图的遍历的基本的含义了。

图的遍历是指从图中的某个顶点出发,按照某种顺序访问图中的每个顶点,使每个顶点被访问一次且仅一次。图的遍历与树的遍历操作功能相似。图的遍历是图的一种基本操作,并且图的许多其他操作都是建立在遍历操作的基础之上的。遍历示意图,如图所示:

然而,图的遍历要比树的遍历复杂得多。这是因为图中的顶点之间是多对多的关系,图中的任何一个顶点都可能和其它的顶点相邻接。所以,在访问了某个顶点之后, 从该顶点出发, 可能沿着某条路径遍历之后, 又回到该顶点上。 例如,在下图中,由于图中存在回路,因此在访问了 A、B、C、D、E之后,沿着边<E,A>为图中顶点的数目。数组中元素的初始值全为 0,表示顶点都没有被访问过,如果顶点vi 被访问,visited[i-1]为 1。

图的遍历有深度优先遍历和广度优先遍历两种方式,它们对图和网都适用。 

首先,介绍了一些优先遍历。

图的深度优先遍历(Depth_First Search)类似于树的先序遍历,是树的先序遍历的推广。

我们先回顾一下树的先序遍历,如图所示:

他先序遍历结果是ABDEFCFG。

那图的图的深度优先遍历,究竟是那样的。

假设初始状态是图中所有顶点未曾被访问过, 则深度优先遍历可从图中某个顶点v出发,访问此顶点,然后依次从v的未被访问的邻接顶点出发深度优先遍历图,直至图中所有和v路径相通的顶点都被遍历过。若此时图中尚有未被访问的顶点,则另选图中一个未被访问的顶点作为起始点,重复上述过程,直到图中所有顶点都被访问到为止。

下图(a)所示的无向图的深度优先遍历的过程如下图(b)所示。假设从顶点 v1出发,在访问了顶点 v1之后,选择邻接顶点 v2,因为 v2未被访问过,所以从 v2出发进行深度优先遍历。依次类推,接着从 v4、v8、v5出发进行深度优先遍历。当访问了 v5之后,由于 v5的邻接顶点 v2和 v8都已被访问,所以遍历退回到 v8。由于同样的理由,遍历继续退回到 v4、v2 直到 v1。由于 v1 的另一个邻接顶点 v3未被访问,所以又从 v3开始进行深度优先遍历,这样得到该图的深度优先遍历的顶点序列v1→v2→v4→v8→v5→v3→v6→v7。

显然,这是一个递归的过程。下面以无向图的邻接表存储结构为例来实现图的深度优先遍历算法。在类中增设了一个整型数组的成员字段visited,它的初始值全为 0, 表示图中所有的顶点都没有被访问过。 如果顶点vi被访问, visited[i-1]为1。并且,把该算法作为无向图的邻接表类 GraphAdjList<T>的成员方法。

由于增设了成员字段 visited,所以在类的构造器中添加以下代码。

public GraphAdjList(Node<T>[] nodes)
{

adjList = new VexNode<T>[nodes.Length];
for (int i = 0; i < nodes.Length; ++i )
{
adjList[i].Data = nodes[i];
adjList[i].FirstAdj = null;
}

//以下为添加的代码

//所有的结点,都没有访问过。 都赋值为0
visited = new int[adjList.Length];
for (int i = 0; i < visited.Length; ++i)
{
visited[i] = 0;
}
}

由于,他是循环遍历,他的时间的复杂度是O(n).

无向图的深度优先遍历算法的实现如下:   
public void DFS()
{
for (int i = 0; i < visited.Length; ++i)
{
if (visited[i] == 0)
{
DFSAL(i);
}
}
}

//从某个顶点出发进行深度优先遍历
public void DFSAL(int i)
{
visited[i] = 1;
adjListNode<T> p = adjList[i].FirstAdj;

while (p != null)
{
if (visited[p.Adjvex] == 0)
{
DFSAL(p.Adjvex);
}

p = p.Next;
}
}

分析上面的算法,在遍历图时,对图中每个顶点至多调用一次DFS方法,因为一旦某个顶点被标记成已被访问,就不再从它出发进行遍历。因此,遍历图的过程实质上是对每个顶点查找其邻接顶点的过程。 其时间复杂度取决于所采用的存储结构。当图采用邻接矩阵作为存储结构时,查找每个顶点的邻接顶点的时间复杂度为O(n2),其中,n为图的顶点数。而以邻接表作为图的存储结构时,查找邻接顶点的时间复杂度为O(e),其中,e为图中边或弧的数目。因此,当以邻接表作为存储结构时,深度优先遍历图的时间复杂度为O(n+e)。具体情况,如图所示:

下面介绍广度遍历。

图的广度优先遍历(Breadth_First Search)类似于树的层序遍历。 我们回顾一下树的层次遍历,如图所示:

树的层次遍历结果为ABCDEFG。

那图的光序遍历为

假设从图中的某个顶点 v 出发,访问了 v 之后,依次访问 v 的各个未曾访问的邻接顶点。然后分别从这些邻接顶点出发依次访问它们的邻接顶点,并使“先被访问的顶点的邻接顶点”先于“后被访问的顶点的邻接顶点”被访问,直至图中所有已被访问的顶点的邻接顶点都被访问。若此时图中尚有顶点未被访问,则另选图中未被访问的顶点作为起点,重复上述过程,直到图中所有的顶点都被访问为止。换句话说,广度优先遍历图的过程是以某个顶点 v 作为起始点,由近至远,依次访问和 v 有路径相通且路径长度为 1,2,…的顶点。

图(a)所示的无向图的广度优先遍历的过程如图(b)所示。假设从顶点 v1开始进行广度优先遍历,首先访问顶点 v1和它的邻接顶点 v2和 v3,然后依次访问 v2 的邻接顶点 v4 和 v5,以及 v3 的邻接顶点 v6 和 v7,最后访问 v4b的邻接顶点 v8。由于这些顶点的邻接顶点都已被访问,并且图中所有顶点都已被访问,由此完成了图的遍历,得到的顶点访问序列为:v1→v2→v3→v4→v5→v6→v7→v8,其遍历过程如下图(b)所示。


和深度优先遍历类似,在广度优先遍历中也需要一个访问标记数组,我们采用与深度优先遍历同样的数组。并且,为了顺序访问路径长度为 1,2,…的顶点,需在算法中附设一个队列来存储已被访问的路径长度为 1,2,…的顶点。 以邻接表作为存储结构的无向图的广度优先遍历算法的实现如下, 队列是循环顺序队列。

public void BFS()
{
for (int i = 0; i < visited.Length; ++i)
{

//所有结点的都没有遍历
if (visited[i] == 0)
{
BFSAL(i);
}
}
}

//从某个顶点出发进行广度优先遍历
public void BFSAL(int i)
{
visited[i] = 1;
CSeqQueue<int> cq = new CSeqQueue<int>(visited.Length);

while (!cq.IsEmpty())
{
int k = cq.Out();
adjListNode<T> p = adjList[k].FirstAdj;

while (p != null)
{
if (visited[p.Adjvex] == 0)
{
visited[p.Adjvex] = 1;
cq.In(p.Adjvex);
}

p = p.Next;
}
}
}

算法的复杂度是O(n2),具体情况,如图所示:

 

cq.In(i);

分析上面的算法,每个顶点至多入队列一次。遍历图的过程实质上是通过边或弧查找邻接顶点的过程,因此,广度优先遍历算法的时间复杂度与深度优先遍历相同,两者的不同之处在于对顶点的访问顺序不同。

这就是图的遍历,极其算法的实现,下届,我们讨论图的应用。

 

 

 

posted on 2012-11-09 12:54 laozhu1124 阅读(...) 评论(...) 编辑 收藏

淘宝免费计数器