`
luoweifu
  • 浏览: 63309 次
  • 性别: Icon_minigender_1
  • 来自: 北京
文章分类
社区版块
存档分类
最新评论

图(3)——邻接链表法

 
阅读更多

邻接链表法

基本思想:对图的每个顶点建立一个单链表,存储该顶点所有邻接顶点及其相关信息。每一个单链表设一个表头结点。

i个单链表表示依附于顶点Vi的边(对有向图是以顶点Vi为头或尾的弧)

1结点结构与邻接链表示例

链表中的结点称为表结点,每个结点由三个域组成,如图(a)所示。其中邻接点域(adjvex)指示与顶点Vi邻接的顶点在图中的位置(顶点编号),链域(nextarc)指向下一个与顶点Vi邻接的表结点,数据域(info)存储和边或弧相关的信息,如权值等。对于无权图,如果没有与边相关的其他信息,可省略此域。

每个链表设一个表头结点(称为顶点结点),由两个域组成,如图(b)所示。链域(firstarc)指向链表中的第一个结点,数据域(data)存储顶点名或其他信息。

在图的邻接链表表示中,所有顶点结点用一个向量以顺序结构形式存储,可以随机访问任意顶点的链表,该向量称为表头向量,向量的下标指示顶点的序号。

用邻接链表存储图时,对无向图,其邻接链表是唯一的,如图7-10所示;对有向图,其邻接链表有两种形式,如图7-11所示。

2邻接表法的特点

◆表头向量中每个分量就是一个单链表的头结点,分量个数就是图中的顶点数目;

◆在边或弧稀疏的条件下,用邻接表表示比用邻接矩阵表示节省存储空间;

◆在无向图,顶点Vi的度是第i个链表的结点数;

◆对有向图可以建立正邻接表或逆邻接表。正邻接表是以顶点Vi为出度(即为弧的起点)而建立的邻接表;逆邻接表是以顶点Vi为入度(即为弧的终点)而建立的邻接表;

◆在有向图中,第i个链表中的结点数是顶点Vi的出(或入)度;求入(或出)度,须遍历整个邻接表;

◆在邻接表上容易找出任一顶点的第一个邻接点和下一个邻接点;

3结点及其类型定义

顶点Vererex.java

package datastructure.graph;

import datastructure.list.LinkList;
import datastructure.list.List;
/**
 * 图的顶点
 * @author luoweifu
 *
 */
public class Vertex{
	private Object data;
	private ArcEdge firstArc;
	/**
	 * 构造函数
	 */
	public Vertex() {
		data = null;
		firstArc = null;
	}
	/**
	 * 构造函数
	 * @param data 顶点的数据
	 */
	public Vertex(Object data) {
		this.data = data;
		this.firstArc = null;
	}
	/**
	 * 获得顶点的数据
	 * @return 顶点的数据
	 */
	public Object getData() {
		return data;
	}
	/**
	 * 设置顶点的数据
	 * @param data 顶点的数据
	 */
	public void setData(Object data) {
		this.data = data;
	}
	/**
	 * 获得第一个孤结点
	 * @return
	 */
	public ArcEdge getFirstArc() {
		return firstArc;
	}
	/**
	 * 设置第一个孤结点
	 * @param firstArc
	 */
	public void setFirstArc(ArcEdge firstArc) {
		this.firstArc = firstArc;
	}
	@Override
	public boolean equals(Object obj) {
		Vertex v = (Vertex)obj;
		if(data.equals(v.getData()) )//&&  firstArc.equals(v.getFirstArc())
			return true;
		return false;
	}
	@Override
	public String toString() {
		return data + "  " + firstArc;
	}
	
}

孤结点ArcEdge.java

package datastructure.graph;

/**
* 弧结点定义
* @author luoweifu
*
*/
public class ArcEdge extends Edge{
	private Vertex vertex;
	private ArcEdge prior;
	private ArcEdge next;
	/**
	 * 构造函数
	 */
	public ArcEdge() {
		super();
	}
	/**
	 * 构造函数
	 * @param weight 权值
	 */
	public ArcEdge(double weight) {
		super(weight);
		prior = null;
		next = null;
	}
	/**
	 * 构造函数
	 * @param info 边的信息
	 * @param weight 权值
	 */
	public ArcEdge(Object info, double weight) {
		super(info, weight);
		prior = null;
		next = null;
	}
	/**
	 * 构造函数
	 * @param info 边的信息
	 * @param weight 权值
	 * @param vertex 顶点
	 */
	public ArcEdge(Object info, double weight, Vertex vertex) {
		this(info, weight);
		this.vertex = vertex;
		prior = null;
		next = null;
	}
	/**
	 * 获得顶点数据
	 * @return
	 */
	public Vertex getVertex() {
		return vertex;
	}
	/**
	 * 设置顶点
	 * @param vertex
	 */
	public void setVertex(Vertex vertex) {
		this.vertex = vertex;
	}
	/**
	 * 获得上一个孤结点
	 * @return
	 */
	public ArcEdge getPrior() {
		return prior;
	}
	/**
	 * 设置上一个孤结点
	 * @param prior
	 */
	public void setPrior(ArcEdge prior) {
		this.prior = prior;
	}
	/**
	 * 获得下一个孤结点
	 * @return
	 */
	public ArcEdge getNext() {
		return next;
	}
	/**
	 * 设置下一个孤结点
	 * @param next
	 */
	public void setNext(ArcEdge next) {
		this.next = next;
	}

	@Override
	public int compareTo(Object o) {
		double w2 = ((Edge)o).getWeight();
		if(this.weight< w2)
			return -1;
		else if(this.weight > w2)
			return 1;
		return 0;
	}
	
	@Override
	public boolean equals(Object obj) {
		ArcEdge arc = (ArcEdge)obj;
		if(this.next == arc.next && this.weight == arc.weight)
			return true;
		return false;
	}

	@Override
	public Object getFirstVertex() {
		return prior.vertex.getData();
	}


	@Override
	public Object getSecondVertex() {
		return vertex.getData();
	}
}

邻接链表法表示的图ListGraph.java

package datastructure.graph;

import datastructure.list.ArrayList;
import datastructure.list.List;
import datastructure.queue.ArrayQueue;
import datastructure.queue.Queue;

public class ListGraph implements Graph {
	private List<Vertex> vertexs;
	private int edgeNum; //边的条数 
	private enum Visit{unvisited, visited};
	
	public ListGraph() {
		vertexs = new ArrayList();
	}
	public List getVertexs() {
		return vertexs;
	}
	public ListGraph(Object[] vexs) {
		this();
		for(int i=0; i<vexs.length; i++) {
			vertexs.add(new Vertex(vexs[i]));
		}
	}

	
	private Vertex find(Object v) {
		Vertex vex = new Vertex(v);
		int i = vertexs.indexOf(vex);
		if(i<0) {
			return null;
			//throw new ArrayIndexOutOfBoundsException("顶点" + v + "不存在!");
		}
		return (Vertex)vertexs.get(i);
	}


	@Override
	public void addEdge(Object v1, Object v2, double weight) {
		Vertex vex1 = find(v1);
		Vertex vex2 = find(v2);
		if(vex1 != null && vex2 != null) {
			ArcEdge e = new ArcEdge(null, weight, vex2);
			if(vex1.getFirstArc() == null) {
				vex1.setFirstArc(e);
			} else {
				ArcEdge arc = vex1.getFirstArc();
				while(arc.getNext() != null) {
					arc = arc.getNext();
				}
				arc.setNext(e);
				e.setPrior(arc);
			}
			edgeNum ++;
		} else {
			throw new ArrayIndexOutOfBoundsException("顶点" + v1 + "或" + v2 + "不存在!");
		}
	}


	@Override
	public void addEdge(Object v1, Object v2, Object info, double weight) {
		Vertex vex1 = find(v1);
		Vertex vex2 = find(v2);
		if(vex1 != null && vex2 != null) {
			ArcEdge e = new ArcEdge(info, weight, vex2);
			if(vex1.getFirstArc() == null) {
				vex1.setFirstArc(e);
			} else {
				ArcEdge arc = vex1.getFirstArc();
				while(arc.getNext() != null) {
					arc = arc.getNext();
				}
				arc.setNext(e);
				e.setPrior(arc);
			}
			edgeNum ++;
		} else {
			throw new ArrayIndexOutOfBoundsException("顶点" + v1 + "或" + v2 + "不存在!");
		}
	}


	@Override
	public void addVex(Object v) {
		vertexs.add(new Vertex(v));
	}


	@Override
	public String bfs(Object o) {
		// ----------------该方法还有点问题-------------
		Visit visit[] = new Visit[vertexs.size()];
		for(int i=0; i<vertexs.size(); i++)
			visit[i] = Visit.unvisited;
		StringBuilder sb = new StringBuilder();
		Vertex vex = new Vertex(o);//find(o);
		bfs(vex, visit, sb);
		return sb.toString();
	}


	private void bfs(Vertex vex, Visit[] visit, StringBuilder sb) {
		Queue queue = new ArrayQueue();
		
		int n = vertexs.indexOf(vex);
		sb.append(vex.getData() + "\t");
		visit[n] = Visit.visited;
		
		queue.push(vex);
		while(!queue.isEmpty()) {
			Vertex u = (Vertex) queue.deQueue();
			Vertex v = getFirstVertex(u);
			while(null != v) {
				if(Visit.unvisited == visit[vertexs.indexOf(v)]) {
					sb.append(v.getData() + "\t");
					visit[vertexs.indexOf(v)] = Visit.visited;
					queue.push(v);
				}
				v = getNextVertex(u, v);
			}
		}
	}


	@Override
	public String dfs(Object o) {
		// ----------------该方法还有点问题-------------
		Visit visit[] = new Visit[vertexs.size()];
		for(int i=0; i<vertexs.size(); i++)
			visit[i] = Visit.unvisited;
		StringBuilder sb = new StringBuilder();
		Vertex vex = new Vertex(o);//find(o);
		dfs(vex, visit, sb);
		return sb.toString();
	}


	private void dfs(Vertex vex, Visit[] visit, StringBuilder sb) {
		int n = vertexs.indexOf(vex);
		sb.append(vex.getData() + "\t");
		visit[n] = Visit.visited;
		
		Vertex v = getFirstVertex(vex);
		while(null != v) {
			if(Visit.unvisited == visit[vertexs.indexOf(v)])
				dfs(v, visit, sb);
			v = getNextVertex(vex, v);
		}
	}


	@Override
	public void clear() {
		vertexs.clear();
	}


	@Override
	public int getEdgeSize() {
		return edgeNum;
	}


	@Override
	public Object getFirstVertex(Object v) {
		Vertex vex = find(v);
		return getFirstVertex(vex).getData();
	}
	
	private Vertex getFirstVertex(Vertex v) {
		if(v.getFirstArc() != null && v.getFirstArc().getVertex() != null) 
			return v.getFirstArc().getVertex();
		return null;
	}

	@Override
	public Object getNextVertex(Object v1, Object v2) {
		// ----------------该方法还有点问题-------------
		Vertex vex1 = find(v1);
		Vertex vex2 = find(v2);
		System.out.println("v1:" + v1);
		System.out.println("v2:" + v2);
		System.out.println("vex1:" + vex1);
		System.out.println("vex2:" + vex2);
		return getNextVertex(vex1, vex2);
	}
	/**
	 * ----------------该方法还有点问题-------------
	 * @param vex1
	 * @param vex2
	 * @return
	 */
	private Vertex getNextVertex(Vertex vex1, Vertex vex2) {
		ArcEdge arc = vex1.getFirstArc();
		while(arc.getNext() != null && arc.getVertex()!=vex2) {
			arc = arc.getNext();
		}
		if(arc.getVertex() != null)  {
			//System.out.println(arc.getVertex());
			return arc.getNext().getVertex();
		}
		return null;
	}


	@Override
	public int getVertexSize() {
		return vertexs.size();
	}


	@Override
	public void removeEdge(Object v1, Object v2) {
		Vertex vex1 = find(v1);
		Vertex vex2 = find(v2);
		if(vex1 != null && vex2 != null) {
			ArcEdge arc = vex1.getFirstArc();
			while(arc.getNext() != null && arc.getVertex() != vex2) {
				arc = arc.getNext();
			}
			if(arc.getVertex() == vex2) {
				ArcEdge priEdge = arc.getPrior();
				ArcEdge nextEdge = arc.getNext();
				priEdge.setNext(nextEdge);
				nextEdge.setPrior(priEdge);
				edgeNum --;
			} else {
				throw new ArrayIndexOutOfBoundsException("边" + v1 + "到" + v2 + "不存在!");
			}
		} else {
			throw new ArrayIndexOutOfBoundsException("顶点" + v1 + "或" + v2 + "不存在!");
		}
	}


	@Override
	public void removeVex(Object v) {
		for(int i=0; i<vertexs.size(); i++) {
			Vertex vex1 = (Vertex)(vertexs.get(i));
			ArcEdge arc = vex1.getFirstArc();
			if(arc  != null) {
				while(arc.getNext() != null) {
					if(arc.getVertex().getData() == v) {
						removeEdge(vex1, v);
					}
				}
			}
		}
		Vertex vex = find(v);
		if(vex != null) {
			int i = vertexs.indexOf(vex);
			vertexs.remove(i);
		}
		
	}

	@Override
	public String printGraph() {
			StringBuilder sb = new StringBuilder();
			for(int i=0; i<vertexs.size(); i++) {
				Vertex vex = (Vertex) vertexs.get(i);
				sb.append("\n顶点:" + vex.getData() + "\t");
				ArcEdge arc = vex.getFirstArc();
				if(arc != null) {
					sb.append("孤," + arc.getVertex().getData());
					while(arc.getNext() != null) {
						sb.append("\t" + arc.getNext().getVertex().getData());
						arc = arc.getNext();
					}
				}
			}
		return sb.toString();
	}
}


分享到:
评论

相关推荐

    数据结构——线性链表的实现

    5. **高级数据结构**:如树(二叉链表)、图(邻接表)等,都以链表为基础。 ### 五、链表与数组的比较 1. 存储效率:数组存储空间连续,访问速度快;链表需要额外的指针存储,空间利用率较低。 2. 插入与删除:...

    插入删除节点和边——邻接表和矩阵存储结构

    本文将深入探讨两种常用的图存储结构:邻接表和邻接矩阵,并介绍如何在这两种结构上进行节点和边的插入与删除操作。 ### 邻接表 邻接表是一种节省空间的图存储方式,特别适合于稀疏图(边的数量远小于节点数量的...

    自动机nfa->dfa邻接表实现

    本作业主要探讨如何将NFA转换为DFA,并通过数据结构——邻接表来实现这一过程。 非确定性有限自动机(NFA)是一种允许存在多种转移路径的自动机,它在读取输入符号时可以有多个可能的状态转移。NFA通常用五元组 (Q,...

    湖南大学数据结构实验5邻接表.zip

    在本实验中,我们将深入探讨数据结构中的一个重要概念——邻接表,这是图数据结构的一种高效表示方法。湖南大学的数据结构课程通过实验5来让学生掌握邻接表的实现与应用。下面,我们将详细讨论邻接表及其相关知识,...

    数据结构 图 邻接表

    本主题将深入探讨“图”的一种高效表示方法——邻接表。 邻接表是图数据结构的一种高效实现,特别适用于稀疏图(边的数量远小于顶点数量的平方)。在邻接表中,每个顶点都有一个链表或数组,存储与之相连的所有顶点...

    邻接矩阵和邻接表存储的图的遍历

    本主题将深入探讨两种常见的图存储方式——邻接矩阵和邻接表,以及如何在这两种存储方式下实现深度优先遍历(DFS)和广度优先遍历(BFS)。 首先,邻接矩阵是一种直观的图表示方法,它使用二维数组来存储图中每个...

    数据库课程设计(无向图邻接矩阵存储+邻接表和约瑟夫环的模拟) MFC

    这里,我们采用两种不同的图存储结构——邻接矩阵和邻接表,并结合MFC(Microsoft Foundation Classes)框架来实现。下面将详细讨论这些知识点。 首先,无向图是一种图论中的基本概念,它表示节点之间的相互连接...

    简单的邻接表

    本文将深入探讨一种用于表示图的数据结构——邻接表。邻接表是一种高效且节省空间的图表示方法,尤其适用于稀疏图(边的数量远小于顶点数量的平方)。 首先,我们需要了解图的基本概念。图是由顶点(或节点)和边...

    数据结构图的邻接矩阵,邻接表存储表示,图的深度优先搜索遍历,广度优先搜索遍历

    本主题主要涵盖了三种关键概念:邻接矩阵、邻接表以及图的两种遍历方法——深度优先搜索(DFS)和广度优先搜索(BFS)。 首先,邻接矩阵是一种表示图的数据结构,它是一个二维数组,其中的每个元素代表图中对应节点...

    图的邻接表及遍历

    通过以上分析可以看出,这段代码不仅实现了图的基本存储结构——邻接表,还提供了两种重要的图遍历算法:深度优先搜索和广度优先搜索,以及一个队列辅助结构。这些基础知识对于理解和实现图的相关算法非常有帮助。

    数据结构实验---图的储存与遍历.doc

    在实验"数据结构实验---图的储存与遍历.doc"中,主要探讨了图的两种常见存储方法——邻接矩阵和邻接表,以及如何在这两种存储方式下实现深度优先遍历(DFS)和广度优先遍历(BFS)。 邻接矩阵是表示图的一种直观方法,...

    哈密顿回路 回溯法——C++代码

    在这个哈密顿回路的回溯法实现中,首先需要定义图的数据结构,通常可以使用邻接矩阵或邻接表来表示。然后,定义一个函数用于递归地探索所有可能的路径。该函数会从一个未访问过的顶点开始,标记它为已访问,然后尝试...

    数据结构——图的基本操作.doc

    `LGraph`由邻接链表数组和顶点、边数量构成,每个顶点(`VNode`)有一个链表(`Arode`),链表中的每个元素记录了相邻顶点的位置和指向下一个弧的指针。 程序主要包含六个函数: 1. **主函数 `main()`**:初始化图...

    数据结构-3期(KC002) 无向图的邻接表建立.docx

    本篇文档涉及的是数据结构中的一个重要概念——无向图的邻接表建立,这在图形算法和网络模型等领域有着广泛的应用。 无向图是一种图的类型,其中任意两个顶点之间的边没有方向性,即如果有一条边连接A和B,那么也...

    数据结构实验报告

    数据结构实验报告主要探讨了两种不同的图存储方法——邻接矩阵和邻接表,并通过实践加深了对这两种方法的理解。实验旨在通过实现深度优先遍历(DFS)算法,来理解和应用这些数据结构。 1. 邻接矩阵是图的一种直观...

    C++版数据结构关键路径代码通过邻接表及栈实现

    在本篇文章中,我们将深入探讨一种特定的图算法——关键路径法(Critical Path Method, CPM),并了解如何使用邻接表和栈来实现这一算法。 #### 邻接表与栈的运用 邻接表是一种存储图的高效方式,它对于无向图或有...

    图的搜索,数据结构有关系矩阵和边链表两种,

    本文将详细介绍两种常见的图的搜索算法——深度优先搜索(DFS)和广度优先搜索(BFS),以及与之相关的数据结构:边链表和关系矩阵。 **深度优先搜索(DFS)**是一种用于遍历或搜索树或图的算法。DFS策略是尽可能深...

    数据结构-图的相关代码

    以上就是关于“数据结构-图的相关代码”所涉及的知识点,包括图的两种常见表示法——数组表示法和邻接表表示法,以及有向图的邻接矩阵表示法和图的两种遍历方法。这些概念在解决实际问题,如网络路由、社交网络分析...

    数据结构实验报告-图.doc

    总之,本实验报告不仅让我们掌握了图的两种基本表示方法——邻接矩阵和邻接表的原理与实现,而且加深了对图这种数据结构的理解,为进一步探索图论及其实用问题提供了有力的工具和方法。通过对比分析实验结果,我们...

Global site tag (gtag.js) - Google Analytics