当前位置: 首页 > news >正文

图(Java语言实现)

一、图的概念

顶点(Vertex):图中的数据元素,我们称之为顶点,图至少有一个顶点(非空有穷集合)。
边(Edge):顶点之间的关系用边表示。

1.图(Graph)

图 G顶点集 V边集 E 组成,记为 G = ( V , E ) G = (V, E) G=(V,E) ,其中V(G)表示图G中顶点的有限非空集; E ( G ) E(G) E(G) 表示图 G 中顶点之间的关系(边)集合。若 V = { v 1 , v 2 , … , v n } V = \{ v_1 , v_2 , … , v_n \} V={v1,v2,,vn},则用 ∣ V ∣ | V | V 表示图 G 中顶点的个数,也称图G的阶(Order) E = { ( u , v ) ∣ u ∈ V , v ∈ V } E = \{ (u, v) | u \in V, v \in V \} E={(u,v)uV,vV},用 ∣ E ∣ | E | E表示图 G 中的条数

注意:线性表可以是空表,树可以是空树,但图不可以是空,即V一定是非空集

在这里插入图片描述
上图所示为一张图(Graph),元素A、B、C、D、E、F分别为图的顶点(Vertex),两个元素之间的关系(连线)成为图的边(Edge)。

上面的图可以表示为:

G = ( V , E ) G = (V , E ) G=(V,E)
V = { A , B , C , D , E , F } V = \{A, B, C, D, E, F\} V={A,B,C,D,E,F}
E = { ( A , B ) , ( A , C ) , ( A , D ) , ( B , E ) , ( B , F ) , ( C , E ) , ( D , F ) } E =\{ (A, B), (A, C), (A, D), (B, E), (B, F), (C, E), (D, F) \} E={(A,B),(A,C),(A,D),(B,E),(B,F),(C,E),(D,F)}
图的阶数 ∣ V ∣ = 6 | V |=6 V=6
图的边的条数 ∣ E ∣ = 7 | E |=7 E=7

2.无向图(Undirected Graph)与有向图(Directed Graph)

(1)无向图(Undirected Graph)

E无向边(简称)的有限集合时,则图 G无向图。边是顶点的无序时,记为 ( v , w ) (v, w) (v,w) ( w , v ) (w, v) (w,v) ,因为 ( v , w ) = ( w , v ) (v, w) = (w, v) (v,w)=(w,v) ,其中vw是顶点。可以说顶点 w 和顶点 v 互为邻接点。边 $(v, w) $依附于顶点 wv ,或者说边 ( v , w ) (v, w) (v,w) 和顶点 vw 相关联。

简单来说,边没有方向的图就是无向图
在这里插入图片描述
上图可表示为:

G u = ( V u , E u ) G_u = (V_u , E_u ) Gu=(Vu,Eu)
V u = { A , B , C , D , E } V_u = \{A, B, C, D, E\} Vu={A,B,C,D,E}
E u = { ( A , B ) , ( B , D ) , ( B , E ) , ( C , D ) , ( C , E ) , ( D , E ) } E_u = \{(A, B), (B, D), (B, E), (C, D), (C, E), (D, E)\} Eu={(A,B),(B,D),(B,E),(C,D),(C,E),(D,E)}

(2)有向图(Directed Graph)

E有向边(也称弧(Arcs))的有限集合时,则图 G有向图。弧是顶点的有序对,记为 < v , w > <v, w> <v,w> ,其中 vw 是顶点, v 称为弧尾, w 称为弧头, < v , w > <v, w> <v,w> 称为从顶点v到顶点w的弧,也称v邻接到 w ,或 w 邻接自 v < v , w > ≠ < w , v > <v, w> ≠ <w, v> <v,w>=<w,v>

简单来说,边有方向的图就是有向图
在这里插入图片描述
上图可表示为:
G d = ( V d , E d ) G_d = (V_d , E_d ) Gd=(Vd,Ed)
V d = { A , B , C , D , E } V_d = \{A, B, C, D, E\} Vd={A,B,C,D,E}
E d = { < A , B > , < A , C > , < A , D > , < A , E > , < B , A > , < B , C > , < B , E > , < C , D > } E_d = \{<A, B>, <A, C>, <A, D>, <A, E>, <B, A>, <B, C>, <B, E>, <C, D>\} Ed={<A,B>,<A,C>,<A,D>,<A,E>,<B,A>,<B,C>,<B,E>,<C,D>}

3. 简单图(Simple Graph)与多重图(Multi Graph)

(1)简单图(Simple Graph)

不存在重复边并且不存在顶点到自身的边的图称为简单图

在这里插入图片描述

(2)多重图(Multi Graph)

允许两个结点之间的边数多于一条,又允许顶点通过同一条边和自己关联的图多重图。
在这里插入图片描述

4. 顶点的度(Degree)

度(Degree):顶点v的度是指依附于该顶点的边的条数,记为TD(v)。
入度(Indegree):入度是有向图中以顶点 v终点的有向边的数目,记为ID(v);
出度(Outdegree):出度是有向图中以顶点 v起点的有向边的数目,记为OD(v)。

在有向图中,顶点 v等于其入度出度,即
T D ( v ) = I D ( v ) + O D ( v ) TD(v) = ID(v) + OD(v) TD(v)=ID(v)+OD(v)

度在有向图和无向图中都存在,而入度和出度只存在于无向图中。

5. 描述顶点关系的几个概念

  • 路径(path):顶点 vp 到顶点 vq 之间的一条路径是指顶点序列 { v p , v i 1 , v i 2 , . . . , v i m − 1 , v i m , v q } \{v_p, v_{i1}, v_{i2},... ,v_{im-1},v_{im},v_q\} {vp,vi1,vi2,...,vim1,vim,vq}

  • 回路(circuit):第一个顶点和最后一个顶点相同的路径称为回路或环。

  • 简单路径(Simple Path):在路径序列中,顶点不重复出现的路径称为简单路径。

  • 简单回路(Simple Circuith):除第一个顶点和最后一个顶点外,其余顶点不重复出现的回路称为简单回路或环(Cycle)。

  • 路径长度(Path Length):路径上边的数目。

  • 点到点的距离(Distance):从顶点 u 出发到顶点v的最短路径若存在,则此路径的长度称为从 uv 的距离。若从 uv 根本不存在路径,则记该距离为无穷(∞)。

  • 连通(connected):无向图中,若从顶点 v 到顶点 w 有路径存在,则称 vw 是连通的

  • 强连通(Strongly Connected):有向图中,若从顶点 v 到顶点 w 和从顶点 w 到顶点 v 之间都有路径,则称这两个顶点是强连通。

  • 弱连通(Weakly Connected):若一张有向图的边替换为无向边后,所得到的图称为原图的基图。如果一个有向图的基图是连通图,则称原来这张有向图是弱连通。

6.连通图(Connected Graph)与强连通图(Strongly Connected Graph)

连通图(Connected Graph):若图 G 中任意两个顶点都是连通的,则称图 G 为连通图,否则称为非连通图。
强连通图(Strongly Connected Graph):若有向图中任何一对顶点都是强连通的,则称此图为强连通图。
弱连通图(Weakly Connected Graph):将有向图的所有的有向边替换为无向边,所得到的图称为原图的基图。如果一个有向图的基图是连通图,则有向图是弱连通图。

7. 子图(SubGraph)与生成子图(Spanning SubGraph)

设有两个图 G = ( V , E ) G = (V, E) G=(V,E) G ′ = ( V ′ , E ′ ) G' = (V', E') G=(V,E),若 V ′ V' V V V V 的子集,且 E ′ E' E E E E 的子集,则称 G ′ G' G G G G子图

若有满足 V ( G ′ ) = V ( G ) V(G') = V(G) V(G)=V(G)的子图 G ′ G' G,则称其为 G生成子图

在这里插入图片描述

8. 连通分量(Connected Component)

连通分量(Connected Component):无向图中的极大连通子图称为连通分量。
强连通分量(Strongly Connected Component):有向图中极大强连通子图称为强连通分量。
弱连通分量(Weakly Connected Component):将有向图的所有的有向边替换为无向边,所得到的图称为原图的基图。一个有向图的基图的极大连通子图称为弱连通分量。
在这里插入图片描述

连通分量

在这里插入图片描述

强连通分量

8.生成树(Spanning Tree)和生成森林(Spanning Forest)

如果连通图的一个子图是一棵包含的所有顶点的树,则该子图称为G的生成树(SpanningTree)。
在这里插入图片描述
生成树的结果不是唯一的,如图展示的是一张连通图的两个生成树。

生成森林:在非连通图中,连通分量的生成树构成了非连通图的生成森林(Spanning Forest)。
在这里插入图片描述
如图展示的是一张非连通图的生成森林。

9.边的权值(Weight)

  • 边的权(Weight):在一个图中,每条边都可以标上具有某种含义的数值,该数值称为该边的权值。
  • 带权图(Weighted Graph):边上带有权值的图称为带权图,也称网(NetWork)。
  • 带权路径长度(Weighted Path Length):当图是带权图时,一条路径上所有边的权值之和,称为该路径的带权路径长度

二、图的存储

1.邻接矩阵存储

2.邻接表存储

3.十字链表存储(存储有向图)

4.邻接多重表存储(存储无向图)

http://www.lryc.cn/news/461341.html

相关文章:

  • GPT 生成绘画_Java语言例子_超详细
  • 华为OD机试 - 小朋友分组最少调整次数 - 贪心算法(Python/JS/C/C++ 2024 E卷 100分)
  • 数字农业与遥感监测平台
  • 2023年12月中国电子学会青少年软件编程(Python)等级考试试卷(一级)答案 + 解析
  • 【优选算法】——双指针(下篇)!
  • C#中函数重载的说明
  • 图论day56|广度优先搜索理论基础 、bfs与dfs的对比(思维导图)、 99.岛屿数量(卡码网)、100.岛屿的最大面积(卡码网)
  • 源码编译方式安装htppd软件
  • MES制造执行系统原型图动端 Axure原型 交互设计 Axure实战项目
  • flutter 仿淘宝推荐二级分类效果
  • 报错 - LangChain AgentExecutor - ‘function‘ object has no attribute ‘get‘
  • 【DIY小记】通过降低电压和Process Lasso工具优化CPU超频表现
  • 3、Docker搭建MQTT及Spring Boot 3.x集成MQTT
  • 六种定时任务记录
  • Dos下编译环境搭建和C运行程序生成
  • 【MySQL】入门篇—SQL基础:数据查询语言(DQL):复杂的SELECT语句
  • Appium环境搭建、Appium连接真机
  • 【X线源】关于滨松MCS2软件的说明
  • 【深度学习代码调试2】环境配置篇(中) -- 列出conda环境中所有env的pytorch版本
  • C语言运算符和表达式
  • RetinaNet 分类头和回归头的网络结构分析
  • app测试有哪些内容?广东深圳软件测试机构推荐
  • 新乡医学院第一附属医院启动巨额医疗设备整体维保招标
  • Linux——综合实用操作
  • 一个Idea:爆改 T480
  • 网络编程(21)——通过beast库快速实现http服务器
  • Logback
  • Sub - Adjacent Transformer — 对AT的有趣改进
  • 『Mysql集群』Mysql高可用集群之主从复制 (一)
  • PHP获取图片属性(size, width, 和 height)的函数