算法设计与分析图与遍历算法

第三章 图与遍历算法§1 图的基本概念和术语无向图(undirected graph)Euler 图无向图，简称图，是一个用线（边）连接在一起的节点（顶点）的集合。

严格地说，图是一个三元组G=( V, E, I ), 其中，V 是顶点的集合，E 是边的集合，而I 是关联关系，它指明了E 中的每条边与V 中的每个顶点之间的关联关系：每条边必定连接两个而且只有两个顶点，它们称为该边的端点。

连接顶点v 的边的条数称为v 的度，记做d(v). 图G=( V, E, I )中顶点的度与边数有如下关系||2)(E v d Vv =∑∈ （3.1.1）由公式（1）可知，图中奇度顶点的个数一定是偶数。

没有重边的图称为简单图，n 阶完全图是指具有n 个顶点而且每两个顶点之间都有边连接的简单图，这样的图的边数为n(n-1)/2.以下是1－4阶的完全图：另一类特殊的图是偶图（也叫二分图），它的顶点集分成两部分V 1，V 2，同一部分的顶点之间不相连（没有边连接）。

一个偶图设图G 的顶点集是V={v 1, v 2, …,v n }，边集是E={e 1, e 2, …,e m }，则顶点与顶点之间的邻接关系、顶点与边之间的邻接关系可以列表如下：v 1 v 2 … v nv 1 a 11 a 12 … a 1n 邻接矩阵 v 2 a 21 a 22 … a 2n A=(a ij )n ×n 。

。

。

… 。

。

。

。

… 。

。

。

。

… 。

v n a n1 a n2 … a nn其中⎩⎨⎧=otherwise adjacent are v and v if a j i ij 01e 1 e 2 … e mv 1 c 11 c 12 … c 1m 关联矩阵 v 2 c 21 c 22 … c 2m M=(c ij )n ×m 。

。

。

… 。

。

。

。

… 。

。

。

。

… 。

v n c n1 c n2 … c nmK 1 V 1V 2其中⎩⎨⎧=otherwisee of po end the of one is v if c ji ij 01ints图3-1-1一个具有7 个顶点的图图3-1的邻接矩阵为A ，关联矩阵是M ：⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡=0110000101000011010000010000000000100000010000110A ⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡=1100000101000001110000001000000011000000110000101M图的另一个重要概念是路径，途径、迹、路。

途径：顶点与边交叉出现的序列v 0 e 1 v 1 e 2 v 2 ··· e l v l (3.1.2) 其中e i 的端点是v i －1和v i 。

迹是指边不重复的途径，而顶点不重复的途径称为路。

路是要求最严的。

一条途径：1e 1v 2e 10v 4e 5v 3e 9v 1e 1v 2e 2v 8 一条迹：1e 1v 2e 10v 4e 5v 3e 9v 1e 4v 7 一条路： 1e 1v 2e 10v 4e 5v 3e 8v 5e 12v 7图3-1-2 立方体 H起点和终点重合的途径称为闭途径，起点和终点重合的迹称为闭迹，顶点不7重复的闭迹称为圈。

没有圈的图称为森林。

如果存在一条以u 为起点、v 为终点的途径，则说顶点u 可达顶点v 。

如果图G 中任何两个顶点之间都是可达的，则说图G 是连通。

如果图G 不是连通的，则其必能分成几个连通分支。

图3-2是连通的，而图3-1不是连通的，它有两个连通分支。

不含圈的连通图称为树，森林的连通分支是树，也就是说，森林是由树组成的。

森林即是不含圈的图。

适当去掉连通图中的一些边后，会得到一个不含圈、而且包含所有顶点的连通图，它是一棵树，称为原图的生成树。

生成树是其所在的图中边数最少的连通生成子图，因此，具有n 个顶点的连通图的边数至少是 n-1 .不连通图没有生成树，但有生成森林。

如果不连通图G 有k 个连通分支，则G 的边数至少是n-k.定理3.1.1 如果G 是具有n 个顶点、m 条边的图，下列结论成立： 1． 若G 是树， 则m = n-1；2． 若G 是连通图，而且满足m = n-1，则G 是树； 3． 若G 不包含圈，而且满足m = n-1，则G 是树； 4． 若G 是由k 棵树构成的森林，则m = n-k ；5． 若G 有k 个连通分支，而且满足m = n-k ，则G 是森林。

有向图图3-1-3 一个有向图及其双向连通分支单向 单向街道1街道3街道2大街1 大街2描述单行道系统就不能用无向图，因为它不能指明各条路的方向。

所谓有向图实际上是在无向图的基础上进一步指定各条边的方向。

在有向图中，顶点v 的出度是指由顶点v出发的有向边的条数，记做d＋(v)；而入度则是指向顶点v 的有向边的条数, 记做d-(v)。

此外也有顶点度的概念，它是该顶点的出度与入度的和: d(v)=d＋(v)+d-(v)。

在有向图中，许多概念都可以通过无向图的相关概念加“有向”二字得到，如有向边、有向途径、有向迹、有向路、有向圈，等等。

有向图和无向图可以相互转化：将一个无向图的每条边都规定方向后，即得到有向图，其称为原无向图的一个定向图；将一个有向图的各条有向边的方向去掉，即得到一个无向图，其称为原有向图的基础图。

有向图中也有一些概念不能由无向图通过简单地附加“有向”一词而得到。

如，连通，有向图D说是连通的是指其基础图是连通的。

如果D中任意两个顶点都是可达的，则说有向图D是双向连通的（或叫强连通）。

这里，顶点u可达顶点v是指存在一条以u为起点、v为终点的有向路。

这里的起点、终点不能互为替换。

有向图3-3就是连通的，但不是双向连通的，因为从任何顶点出发，都没有到达顶点3的有向途径。

不是双向连通的有向图可以分解成几个双向连通分支。

图3-3共有5个双向连通分支，分别用不同的颜色标出。

加权图与网络一般的加权图是指对图的每条边e赋予一个实数值W(e)。

如架设连接各城镇的交通路网，需考虑各段线路的修建费用；在运输网络中要考虑网络各段线路的容量，等等。

图3-1－4 一个交通路网网络是一个这样的加权有向图，其指明了收点集和发点集，在图3-5中分别用粉色和黄色标出。

其余的顶点称为内点（绿色）。

图3-1－5 网络§2 图的遍历(搜索)算法二叉树的遍历一棵完全的二叉树一棵完整的二叉树对于二叉树的搜索按照子树的根的优先访问次序分为：先跟次序搜索、中根次序搜索和后跟次序搜索三种方式，如下图所示。

二叉树的中根次序遍历算法伪代码InOder(T) // T是一棵二叉树，T的每个顶点有三个信息段：//Lchild,Data,Rchildif T≠0 thenInOrder(Lchild(T));Visit(T);InOrder(Rchild(T));endifendInOrder二叉树的先根次序遍历算法伪代码PreOder(T) // T是一棵二叉树，T的每个顶点有三个信息段：//Lchild,Data,Rchildif T≠0 thenVisit(T);PreOrder(Lchild(T));PreOrder(Rchild(T));endifendPreOrder二叉树的后根次序遍历算法伪代码PostOder(T) // T是一棵二叉树，T的每个顶点有三个信息段： //Lchild,Data,Rchildif T≠0 thenPostOrder(Lchild(T));PostOrder(Rchild(T));Visit(T);endifendPostOrder 一般树的遍历算法我们可以将二叉树的父与子之间的关系推广到树上，这样每个父亲的儿子可以有许多个，而且可以排出顺序。

于是，关于二叉树的三种遍历算法完全可以移置到一般的树上来。

树的先根次序遍历算法：i.若T为空，则返回；ii.访问T的根；iii.按树的先根次序遍历T的第一棵子树；iv.按树的先根次序依次遍历T的其余子树。

树的中根次序遍历算法：v.若T为空，则返回；vi.按树的中根次序遍历T的第一棵子树；vii.访问T的根；viii.按树的中根次序依次遍历T的其余子树。

树的后根次序遍历算法：ix.若T为空，则返回；x.按树的先根次序遍历T的第一棵子树；xi.按树的先根次序依次遍历T的其余子树。

xii.访问T的根；一般图的遍历无论是二叉树还是一般的树，由于其不含有圈，所以属于同根的各个子树之间是相互独立的（树中去掉一点以及与之关联的所有边后，出现若干棵树，均称之为以这点为根的子树）。

因此遍历过程是对各个子树的分别遍历和对根遍历以及把这些遍历有机地组合起来。

一般的图没有这种独立性，所以上述方法不能施行。

但是，上述方法的思想可以借鉴，于是产生了深度优先搜索方法和宽度优先搜索方法。

问题：在一个给定的图G=(V,E)中是否存在一条起于顶点v而终于顶点u 的路径？确定与某一起点v有路相通的所有顶点。

1。

宽度优先搜索算法（BFS）开始：起点v和一个空的待访队列Q。

从顶点v开始访问，并将v标记为已访问的顶点。

然后顺序（这个顺序通常是图的顶点存储顺序）搜索邻接于顶点v的未被访问的顶点，并把这些顶点依次放在待访队列Q的尾部。

用队列Q的首元素u替换v（并从队列Q中去掉首元素u），重复以上过程，直到队列Q空为止。

图的宽度优先搜索算法伪代码BFS(v) //宽度优先搜索G，从顶点v开始执行// 所有已搜索的顶点i都标记为Visited(i)=1.//Visited的初始分量值全为01. Visited(v)=1;2. Q=[];//将Q初始化为只含有一个元素v的队列3. while Q非空 do4. u=DelHead(Q);5. for 邻接于u的所有顶点w do6. if Visited(w)=0 then7. AddQ(w,Q); //将w放于队列Q之尾8. Visited(w)=1;9. endif10. endfor11. endwhile12. end BFS这里调用了两个函数：AddQ(w,Q)是将w放于队列Q之尾；DelHead(Q)是从队列Q取第一个顶点，并将其从Q中删除。

定理3.2.1图G的宽度优先搜索算法能够访问G中由v可能到达的所有顶点。

如果记t(ν,e)和s(ν,e)为算法BFS在任意一个具有ν个顶点和ε条边的图G上所花的最大时间和最大空间。

则t(ν,ε)=Θ(ν+ε), s(ν,ε)=Θ(ν) 当G由邻接链表表示时；t(ν,ε)=Θ(ν2), s(ν,ε)=Θ(ν) 当G由邻接矩阵表示时；证明略。