5.1.2 Представление графов
Есть два стандартных способа представить граф G = (V, E) как набор списков смежных вершин или как матрицу смежности. Первый обычно предпоч- тительнее, ибо даёт более компактное представление для разреженных (sparse) графов – тех, у которых |Е| много меньше |V|2. Большинство излагаемых нами алгоритмов используют именно это представление. Однако в некоторых ситуаци- ях удобнее пользоваться матрицей смежности – например, для плотных (dense) графов, у которых |Е| сравнимо с |V|2. Матрица смежности позволяет быстро определить, соединены ли две данные вершины ребром.
Представление графа G = (V, Е) в виде списков смежных вершин (adjacency list representation) использует массив Adj из |V| списков – по одному на вершину. Для каждой вершины иV список смежных вершин Adj[u] содержит в произ вольном порядке (указатели на) все смежные с ней вершины (все вершины v, для которых (u, v) Е).
Рисунок 5.3 – Два представления неориентированного графа (списки смежности (б), матрица смежности (в))
Рисунок 5.4 – Два представления ориентированного графа (списки смежности (б), матрица смежности (в))
На рис. 5.3(б) показано представление неориентированного графа рис. 5.3(а) с помощью списков смежных вершин. Аналогичное представление для ориентированного графа рис. 5.4(а) изображено на рис. 5.4(б).
Для ориентированного графа сумма длин всех списков смежных вершин равна общему числу рёбер: ребру (u, v) соответствует элемент v списка Adj[u]. Для неориентированного графа эта сумма равна удвоенному числу рёбер, так как ребро (и, v) порождает элемент в списке смежных вершин как для вер- шины и, так и для v. В обоих случаях количество требуемой памяти есть O(max(V, E)) = O(V + Е).
Списки смежных вершин удобны для хранения графов с весами (weight- ed graphs), в которых каждому ребру приписан некоторый вещественный вес (weight), то есть задана весовая функция (weight function) . В этом случае удобно хранить вес w(и, v) ребра (и, v) Е вместе с вершиной v в списке вершин, смежных с и. Подобным образом можно хранить и другую информацию, связанную с графом.
Недостаток этого представления таков: если мы хотим узнать, есть ли в графе ребро из и в v, приходится просматривать весь список Аdj[u] в поисках v. Этого можно избежать, представив граф в виде матрицы смежности, но тогда потребуется больше памяти.
При использовании матрицы смежности (adjacency matrix) мы нумеруем вершины графа (V, Е) числами 1,2,..., |V| и рассматриваем матрицу А = () размера |V| |V| для которой
На рис. 5.3(в) и 5.4(в) показаны матрицы смежности неориентированного и ориентированного графов рис. 5.3(а) и 5.4(а) соответственно. Матрица смежно- сти требует памяти независимо от количества рёбер в графе.
Для неориентированного графа матрица смежности симметрична относи- тельно главной диагонали (как на рис. 5.3(в)), поскольку (u, v) и (v, u) – это одно и то же ребро. Другими словами, матрица смежности неориентированного графа совпадает со своей транспонированной (transpose). (Транспонированием называется переход от матрицы А = () к матрице , для которой .) Благодаря симметрии достаточно хранить только числа на главной диагонали и выше неё, тем самым мы сокращаем требуемую память почти вдвое.
Как и для списков смежных вершин, хранение весов не составляет проблемы: вес w(u, v) ребра (u, v) можно хранить в матрице на пересечении и-й строки и v-ro столбца. Для отсутствующих рёбер можно записать специальное значение NIL (в некоторых задачах вместо этого пишут 0 или ).
Для небольших графов, когда места в памяти достаточно, матрица смеж- ности бывает удобнее – с ней часто проще работать. Кроме того, если не надо хранить веса, то элементы матрицы смежности представляют собой биты, и их можно размещать по нескольку в одном машинном слове, что даёт заметную экономию памяти.
При решении многих задач, касающихся графов, необходимы эффективные методы систематического обхода вершин и ребер графов. К таким методам относятся:
поиск в глубину;
поиск в ширину.
Эти методы чаще всего рассматриваются на ориентированных графах, но они применимы и для неориентированных, ребра которых считаются двунаправленными.
- Министерство образования Российской Федерации
- Содержание
- 1.2 Скорость роста функций
- 1.3 Анализ алгоритмов; время работы в лучшем, худшем случаях и в среднем
- 1.4 Типы данных, структуры данных и абстрактные типы данных
- 1.5 Динамические множества
- 2 Алгоритмы сортировок
- 2.1 Понятие внутренней и внешней сортировки
- 2.2 Сортировка вставками
- 2.3 Сортировка слиянием
- 2.3.1 Описание алгоритма
- 2.3.2 Анализ времени работы алгоритмов «разделяй и властвуй»
- 2.3.2 Анализ времени работы сортировки слиянием через рекуррентное соотношение
- 2.3.3 Анализ времени работы сортировки слиянием через геометрическую интерпретацию
- 2.4 Пирамидальная сортировка
- 2.4.1 Введение в алгоритм
- 2.4.2 Сохранение основного свойства кучи
- 2.4.3 Построение кучи
- 2.5 Быстрая сортировка
- 2.5.1 Введение в алгоритм
- 2.5.2 Описание
- 2.5.3 Разбиение массива
- 2.5.4 Особенности работы быстрой сортировки
- 2.6 Особенности реализации алгоритмов сортировки; сортировка за линейное время
- 2.6.1 Введение
- 2.6.2 Разрешающее дерево сортировки сравнениями
- 2.7 Цифровая сортировка
- 2.8 Сортировка вычерпыванием
- 2.8.1 Описание алгоритма
- 2.8.2 Вероятностный анализ времени работы сортировки вычерпыванием
- 2.8.3 Анализ времени работы сортировки вычерпыванием через геометрическую интерпретацию
- 2.9 Сортировка подсчетом
- 2.9.1 Описание алгоритма
- 2.9.2 Анализ времени работы
- 3 Элементарные и нелинейные структуры данных
- 3.1 Элементарные структуры: список, стек, очередь, дек
- 3.1.1 Список Линейный однонаправленный список
- Линейный двунаправленный список
- Двунаправленный список с фиктивными элементами
- Циклические списки
- Циклический однонаправленный список
- Циклический двунаправленный список
- 3.1.2 Стек
- 3.1.3 Очередь
- 3.1.3 Дек
- 3.2 Нелинейные структуры данных
- 3.2.1 Представление корневых деревьев в эвм
- Обходы деревьев
- 3.2.2 Двоичные деревья Спецификация двоичных деревьев
- Реализация
- Обходы двоичных деревьев
- 3.2.3 Двоичные деревья поиска Основные операции
- Минимум и максимум
- Следующий и предыдущий элементы
- Добавление и удаление
- Случайные деревья поиска
- Оптимальные деревья поиска
- 4 Хеширование
- 4.1 Введение
- 4.2 Прямая адресация; таблицы с прямой адресацией
- 4.3 Хеш – таблицы; возникновение коллизий и их разрешение
- Разрешение коллизий с помощью цепочек
- Анализ хеширования с цепочками
- 4.4 Способы построения хеш – функций Выбор хорошей хеш-функции
- Ключи как натуральные числа
- Деление с остатком
- Умножение
- Универсальное хеширование
- 4.5 Открытая адресация; способы вычисления последовательности испробованных мест: линейная последовательность проб, квадратичная последовательность проб, двойное хеширование
- Линейная последовательность проб
- 1 / (1 – )
- 5 Основные принципы разработки алгоритмов
- 5.1 Введение в теорию графов
- 5.1.1 Графы
- 5.1.2 Представление графов
- 5.2 Алгоритмы на графах: поиск в ширину, поиск в глубину
- 5.2.1 Поиск в ширину (волновой алгоритм)
- 5.2.2 Анализ поиска в ширину
- 5.2.3 Деревья поиска в ширину
- 5.2.4 Поиск в глубину
- 5.2.5 Анализ поиска в глубину
- 5.2.6 Свойства поиска в глубину
- 5.2.7 Классификация рёбер
- 5.3 Топологическая сортировка, задача о разбиении графа на сильно связанные компоненты
- 5.3.1 Топологическая сортировка
- 5.3.2 Сильно связные компоненты
- 5.4 Алгоритм построения минимального остовного дерева
- 5.4.1 Остовные деревья минимальной стоимости
- 5.4.2 Построение минимального покрывающего дерева
- 5.4.3 Алгоритмы Крускала и Пpимa
- 5.4.4 Алгоритм Крускала
- 5.4.5 Алгоритм Прима
- 5.5 Задача нахождения кратчайших путей на графах; алгоритм Флойда; алгоритм Дейкстры
- 5.5.1 Нахождение кратчайшего пути
- 5.5.2 Алгоритм Дейкстры
- 5.5.3 Алгоритм Флойда
- 5.6 Поиск с возвратом
- 5.6.1 Введение
- 5.6.2 Переборные алгоритмы
- 5.6.3 Метод ветвей и границ
- 5.6.4 Метод альфа-бета отсечения
- 5.6.5 Локальные и глобальные оптимальные решения
- 5.7 Метод декомпозиции ( «Разделяй и властвуй»)
- 5.7.1 «Ханойские башни»
- 5.8 Жадные алгоритмы и динамическое программирование
- 5.8.1 Задача о выборе заявок
- 5.8.2 Дискретная задача о рюкзаке
- 5.8.3 Непрерывная задача о рюкзаке
- 5.8.4 Числа Фибоначчи
- 5.8.5 Задача триангуляции многоугольника
- 5.8.6 Дп, жадный алгоритм или что-то другое?