数据结构和算法之如何建立图

简介: 小白BG.1 邻接矩阵表示的图结点的结构typedef struct GNode *PtrToGNode;//PtrToGNode是指向GNode的一个指针struct GNode{int Nv;//顶点数int Ne;//边数WeightType G[MaxVertexNum][MaxVertexNum];DataType Data[MaxVertexNum];//存顶点的数据};typedef PtrToGNode MGraph;//以邻接矩阵存储的图类型。定义为指向节点的指针。因为要用到的时候一个指针远远比一整个图来的快捷小白BG.2 邻接矩阵表示的图——初始化 初

小白BG.1 邻接矩阵表示的图结点的结构

typedef struct GNode *PtrToGNode;//PtrToGNode是指向GNode的一个指针

struct GNode{

int Nv;//顶点数

int Ne;//边数

WeightType G[MaxVertexNum][MaxVertexNum];

DataType Data[MaxVertexNum];//存顶点的数据

};

typedef PtrToGNode MGraph;//以邻接矩阵存储的图类型。定义为指向节点的指针。因为要用到的时候

一个指针远远比一整个图来的快捷

小白BG.2 邻接矩阵表示的图——初始化

初始化一个有VertexNum个顶点但没有边的图

typedef int Vertex;//用顶点下标表示顶点,为整型

MGraph CreateGraph(int VertexNum)//VertexNum这个顶点数真的是整数,

{

Vertex V , W;//我们在说V跟W的时候不是在说整数,而是顶点

MGraph Graph;

Graph = (MGraph)malloc(sizeof(struct GNode));

Graph->Nv = VertexNum;

Graph->Ne = 0;

//注意:这里默认顶点编号从0开始,到(Graph->Nv - 1)

for(V=0;V<Graph->Nv;V++)

for((W=0;W<Graph->Nv;W++))

Graph->G[V][M] = 0;//或者INFINITY,表示这两个顶点之间是没有边的

return Graph

}

小白BG.3 邻接矩阵表示的图——插入边

typedef struct ENode *PtrToENode;

struct ENode{

Vertex V1,V2;//有向边<V1,V2>,V1V2两个顶点一个出发点一个终点

WeightType Weight;//权重,有权图才需要。权重的类型是WeightType

};

typedef PtrToENode Edge;

void InsertEdge(MGraph Graph,Edge E)

{

//插入边<V1,V2>,这是一条边

Graph->G[E->V1][E->V2] = E->Weight;

//无向图的话还需要一条边(一共两条),<V2,V1>

Graph->G[E->V2][E->V1] = E->Weight;

}

小白BG.4 邻接矩阵表示的图——建立图

完整的建立一个MGraph

输入格式

1. Nv Ne

2. V1 V2 Weight

3. ......

MGraph BuildGraph()

{

MGraph Graph;

scanf("%d",&Nv);

Graph = CreateGraph(Nv);

//读入边数

scanf("%d",&(Graph->Ne));

if(Graph -> Ne = 0){//有边就还需要经过这里,没有边直接结束

E = (Edge)malloc(sizeof(struct ENode));//临时存一下边

for(i = 0; i < Graph->Ne; i++){

scanf("%d %d %d",&E->V1,&E->V2,&E->Weight);

InsertEdge(Graph,E);

}

}

//如果顶点有数据的话,读入数据

for(V=0;V<Graph->Nv;V++)

scanf("%c",&(Graph->Data[V]));

return Graph;

}

简易建法

int G[MAXN][MAXN],Nv,Ne;//声明为全局变量

void BuildGraph()

{

int i,j,v1,v2,w;

scanf("%d",&Nv);

//CreateGraph

for(i=0;i<Nv;i++)

for(j=0;j<Nv;j++)

G[i][j] = 0;//或INFINITY,把矩阵所有元素先初始化为0或者无穷大

scanf("%d",&Ne);

for(i = 0;i < Ne; i++){

scanf("%d %d %d",&v1,&v2,&w);

//InsertEdge

G[v1][v2] = w;

G[v2][v1] = w;

}

}

小白BG.5 邻接表表示的图结点的结构

邻接表:G[N]为指针数组,对应矩阵每一行一个链表,只存非0元素

typedef struct GNode *PtrToGNode;

struct GNode {

int Nv;//顶点数

int Ne;//边数

AdjList G;//邻接表

};

typedef PtrToGNode LGraph;

//以邻接表方式存储的图类型

//AdjList是自己定义的

typedef struct Vnode{

PtrToAdjVNode FirstEdge;

DataType Data;//存顶点的数据

}AdjList[MaxVertexNum];//AdjList是邻接表类型

typedef struct AdjVNode *PtrToAdjVNode;

struct AdjVNode{

Vertex AdjV;//邻接点下标,定义为整型

WeightType Weight;//边权重

PtrToAdjVNode Next;

};

小白BG.6 邻接表表示的图——建立图

初始化一个有VertexNum个顶点但没有边的图

typedef int Vertex;//用顶点下标表示顶点,为整型

LGraph CreateGraph(int VertexNum)

{

Vertex V,W;

LGraph Graph;

Graph = (LGraph)malloc(sizeof(struct GNode));

Graph->Nv = VertexNum;

Graph->Ne = 0;

//没有边的意思是每个顶点跟着的那个链表都是空的

//注意:这里默认顶点编号从0开始,到(Graph->Nv - 1)

for(V=0;V<Graph->Nv;V++)

Graph->G[V].FirstEdge = NULL;

return Graph;

}

void InsertEdge(LGraph Graph,Edge E)

{

PtrToAdjVNode NewNode;

//-------------------插入边<V1,V2>------------------------------

//为V2建立新的邻接点

NewNode = (PtrToAdjVNode)malloc(sizeof(struct AdjNode));

NewNode->AdjV = E->V2;

NewNode->Weight = E->Weight

//将V2插入到V1的表头

NewNode->Next = Graph->G[E->V1].FirstEdge;

Graph->G[E->V1].FirstEdge = NewNode;

//-------------------若是无向图,还需插入边<V2,V1>------------------

//为V1建立新的邻接点

NewNode = (PtrToAdjVNode)malloc(sizeof(struct AdjNode));

NewNode->AdjV = E->V1;

NewNode->Weight = E->Weight

//将V2插入到V1的表头

NewNode->Next = Graph->G[E->V2].FirstEdge;

Graph->G[E->V2].FirstEdge = NewNode;

}

相关文章
|
2月前
|
算法 数据处理 C语言
C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
68 1
|
2月前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
161 4
|
12天前
|
存储 算法 测试技术
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
36 2
|
28天前
|
存储 运维 监控
探索局域网电脑监控软件:Python算法与数据结构的巧妙结合
在数字化时代,局域网电脑监控软件成为企业管理和IT运维的重要工具,确保数据安全和网络稳定。本文探讨其背后的关键技术——Python中的算法与数据结构,如字典用于高效存储设备信息,以及数据收集、异常检测和聚合算法提升监控效率。通过Python代码示例,展示了如何实现基本监控功能,帮助读者理解其工作原理并激发技术兴趣。
57 20
|
2月前
|
存储 算法 搜索推荐
Python 中数据结构和算法的关系
数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
|
2月前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
2月前
|
算法
数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
131 23
|
2月前
|
算法
数据结构之蜜蜂算法
蜜蜂算法是一种受蜜蜂觅食行为启发的优化算法,通过模拟蜜蜂的群体智能来解决优化问题。本文介绍了蜜蜂算法的基本原理、数据结构设计、核心代码实现及算法优缺点。算法通过迭代更新蜜蜂位置,逐步优化适应度,最终找到问题的最优解。代码实现了单链表结构,用于管理蜜蜂节点,并通过适应度计算、节点移动等操作实现算法的核心功能。蜜蜂算法具有全局寻优能力强、参数设置简单等优点,但也存在对初始化参数敏感、计算复杂度高等缺点。
75 20
|
2月前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
81 1
|
2月前
|
机器学习/深度学习 算法 C++
数据结构之鲸鱼算法
鲸鱼算法(Whale Optimization Algorithm,WOA)是由伊朗研究员Seyedali Mirjalili于2016年提出的一种基于群体智能的全局优化算法,灵感源自鲸鱼捕食时的群体协作行为。该算法通过模拟鲸鱼的围捕猎物和喷出气泡网的行为,结合全局搜索和局部搜索策略,有效解决了复杂问题的优化需求。其应用广泛,涵盖函数优化、机器学习、图像处理等领域。鲸鱼算法以其简单直观的特点,成为初学者友好型的优化工具,但同时也存在参数敏感、可能陷入局部最优等问题。提供的C++代码示例展示了算法的基本实现和运行过程。
79 0

热门文章

最新文章