今天来分享一下图，这是一种比较复杂的非线性数据结构，之所以复杂是因为他们的数据元素之间的关系是任意的，而不像树那样 被几个性质定理框住了，元素之间的关系还是比较明显的，图的使用范围很广的，比如网络爬虫，求最短路径等等，不过大家也不要胆怯，
越是复杂的东西越能体现我们码农的核心竞争力。
既然要学习图，得要遵守一下图的游戏规则。
一： 概念
图是由“顶点”的集合和“边”的集合组成。记作：G=（V,E)；
<1> 无向图
就是“图”中的边没有方向，那么（V1,V2)这条边自然跟（V2，V1）是等价的，无向图的表示一般用”圆括号“。
<2> 有向图
“图“中的边有方向，自然<V1,V2>这条边跟<V2,V1>不是等价的，有向图的表示一般用"尖括号"表示。
<3> 邻接点
一条边上的两个顶点叫做邻接点，比如（V1，V2），（V1，V3），（V1，V5），只是在有向图中有一个“入边，出边“的
概念，比如V3的入边为V5，V3的出边为V2，V1，V4。
<4> 顶点的度
这个跟“树”中的度的意思一样。不过有向图中也分为“入度”和“出度”两种，这个相信大家懂的。
<5> 完全图
每两个顶点都存在一条边，这是一种完美的表现，自然可以求出边的数量。
无向图：edges=n(n-1)/2;
有向图：edges=n(n-1); //因为有向图是有边的，所以必须在原来的基础上"X2"。
<6> 子图
如果G1的所有顶点和边都在G2中，则G1是G2的子图，具体不说了。
<7> 路径，路径长度和回路（这些概念还是比较重要的）
路径： 如果Vm到Vn之间存在一个顶点序列。则表示Vm到Vn是一条路径。
路径长度： 一条路径中“边的数量”。
简单路径： 若一条路径上顶点不重复出现，则是简单路径。
回路： 若路径的第一个顶点和最后一个顶点相同，则是回路。
简单回路： 第一个顶点和最后一个顶点相同，其它各顶点都不重复的回路则是简单回路。
<8> 连通图和连通分量（针对无向图而言的）
连通图： 无向图中，任意两个顶点都是连通的则是连通图，比如V1，V2，V4之间。
连通分量： 无向图的极大连通子图就是连通分量，一般”连通分量“就是”图“本身，除非是“非连通图”，
如下图就是两个连通分量。
<9> 强连通图和强连通分量（针对有向图而言）
这里主要注意的是“方向性“，V4可以到V3，但是V3无法到V4，所以不能称为强连通图。
<10> 网
边上带有”权值“的图被称为网。很有意思啊，呵呵。
二：存储
图的存储常用的是”邻接矩阵”和“邻接表”。
邻接矩阵： 手法是采用两个数组，一个一维数组用来保存顶点信息，一个二维数组来用保存边的信息，
缺点就是比较耗费空间。
邻接表： 改进后的“邻接矩阵”，缺点是不方便判断两个顶点之间是否有边，但是相比节省空间。
三： 创建图
这里我们就用邻接矩阵来保存图，一般的操作也就是：①创建，②遍历
复制代码 代码如下:
#region 邻接矩阵的结构图
/// <summary>
/// 邻接矩阵的结构图
/// </summary>
public class MatrixGraph
{
//保存顶点信息
public string[] vertex;
//保存边信息
public int[,] edges;
//深搜和广搜的遍历标志
public bool[] isTrav;
//顶点数量
public int vertexNum;
//边数量
public int edgeNum;
//图类型
public int graphType;
/// <summary>
/// 存储容量的初始化
/// </summary>
/// <param name="vertexNum"></param>
/// <param name="edgeNum"></param>
/// <param name="graphType"></param>
public MatrixGraph(int vertexNum, int edgeNum, int graphType)
{
this.vertexNum = vertexNum;
this.edgeNum = edgeNum;
this.graphType = graphType;
vertex = new string[vertexNum];
edges = new int[vertexNum, vertexNum];
isTrav = new bool[vertexNum];
}
}
#endregion
<1> 创建图很简单，让用户输入一些“边，点，权值"来构建一下图
复制代码 代码如下:
#region 图的创建
/// <summary>
/// 图的创建
/// </summary>
/// <param name="g"></param>
public MatrixGraph CreateMatrixGraph()
{
Console.WriteLine("请输入创建图的顶点个数，边个数，是否为无向图(0,1来表示)，已逗号隔开。");
var initData = Console.ReadLine().Split(',').Select(i => int.Parse(i)).ToList();
MatrixGraph graph = new MatrixGraph(initData[0], initData[1], initData[2]);
Console.WriteLine("请输入各顶点信息：");
for (int i = 0; i < graph.vertexNum; i++)
{
Console.Write("\n第" + (i + 1) + "个顶点为:");
var single = Console.ReadLine();
//顶点信息加入集合中
graph.vertex[i] = single;
}
Console.WriteLine("\n请输入构成两个顶点的边和权值，以逗号隔开。\n");
for (int i = 0; i < graph.edgeNum; i++)
{
Console.Write("第" + (i + 1) + "条边:\t");
initData = Console.ReadLine().Split(',').Select(j => int.Parse(j)).ToList();
int start = initData[0];
int end = initData[1];
int weight = initData[2];
//给矩阵指定坐标位置赋值
graph.edges[start - 1, end - 1] = weight;
//如果是无向图，则数据呈“二，四”象限对称
if (graph.graphType == 1)
{
graph.edges[end - 1, start - 1] = weight;
}
}
return graph;
}
#endregion
<2>广度优先
针对下面的“图型结构”，我们如何广度优先呢？其实我们只要深刻理解"广搜“给我们定义的条条框框就行了。 为了避免同一个顶点在遍历时被多
次访问，可以将”顶点的下标”存放在sTrav[]的bool数组，用来标识是否已经访问过该节点。
第一步：首先我们从isTrav数组中选出一个未被访问的节点，如V1。
第二步：访问V1的邻接点V2，V3，V5，并将这三个节点标记为true。
第三步：第二步结束后，我们开始访问V2的邻接点V1，V3，但是他们都是被访问过的。
第四步：我们从第二步结束的V3出发访问他的邻接点V2，V1，V5，V4，还好V4是未被访问的，此时标记一下。
第五步：我们访问V5的邻接点V1，V3，V4，不过都是已经访问过的。
第六步：有的图中通过一个顶点的“广度优先”不能遍历所有的顶点，此时我们重复（1-5）的步骤就可以最终完成广度优先遍历。
复制代码 代码如下:
#region 广度优先
/// <summary>
/// 广度优先
/// </summary>
/// <param name="graph"></param>
public void BFSTraverse(MatrixGraph graph)
{
//访问标记默认初始化
for (int i = 0; i < graph.vertexNum; i++)
{
graph.isTrav[i] = false;
}
//遍历每个顶点
for (int i = 0; i < graph.vertexNum; i++)
{
//广度遍历未访问过的顶点
if (!graph.isTrav[i])
{
BFSM(ref graph, i);
}
}
}
/// <summary>
/// 广度遍历具体算法
/// </summary>
/// <param name="graph"></param>
public void BFSM(ref MatrixGraph graph, int vertex)
{
//这里就用系统的队列
Queue<int> queue = new Queue<int>();
//先把顶点入队
queue.Enqueue(vertex);
//标记此顶点已经被访问
graph.isTrav[vertex] = true;
//输出顶点
Console.Write(" ->" + graph.vertex[vertex]);
//广度遍历顶点的邻接点
while (queue.Count != 0)
{
var temp = queue.Dequeue();
//遍历矩阵的横坐标
for (int i = 0; i < graph.vertexNum; i++)
{
if (!graph.isTrav[i] && graph.edges[temp, i] != 0)
{
graph.isTrav[i] = true;
queue.Enqueue(i);
//输出未被访问的顶点
Console.Write(" ->" + graph.vertex[i]);
}
}
}
}
#endregion
<3> 深度优先
同样是这个图，大家看看如何实现深度优先，深度优先就像铁骨铮铮的好汉，遵循“能进则进，不进则退”的原则。
第一步：同样也是从isTrav数组中选出一个未被访问的节点，如V1。
第二步：然后一直访问V1的邻接点，一直到走头无路的时候“回溯”，路线为V1,V2,V3,V4,V5，到V5的时候访问邻接点V1，发现V1是访问过的，
此时一直回溯的访问直到V1。
第三步： 同样有的图中通过一个顶点的“深度优先”不能遍历所有的顶点，此时我们重复（1-2）的步骤就可以最终完成深度优先遍历。
复制代码 代码如下:
#region 深度优先
/// <summary>
/// 深度优先
/// </summary>
/// <param name="graph"></param>
public void DFSTraverse(MatrixGraph graph)
{
//访问标记默认初始化
for (int i = 0; i < graph.vertexNum; i++)
{
graph.isTrav[i] = false;
}
//遍历每个顶点
for (int i = 0; i < graph.vertexNum; i++)
{
//广度遍历未访问过的顶点
if (!graph.isTrav[i])
{
DFSM(ref graph, i);
}
}
}
#region 深度递归的具体算法
/// <summary>
/// 深度递归的具体算法
/// </summary>
/// <param name="graph"></param>
/// <param name="vertex"></param>
public void DFSM(ref MatrixGraph graph, int vertex)
{
Console.Write("->" + graph.vertex[vertex]);
//标记为已访问
graph.isTrav[vertex] = true;
//要遍历的六个点
for (int i = 0; i < graph.vertexNum; i++)
{
if (graph.isTrav[i] == false && graph.edges[vertex, i] != 0)
{
//深度递归
DFSM(ref graph, i);
}
}
}
#endregion
#endregion
最后上一下总的代码
复制代码 代码如下:
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
namespace MatrixGraph
{
public class Program
{
static void Main(string[] args)
{
MatrixGraphManager manager = new MatrixGraphManager();
//创建图
MatrixGraph graph = manager.CreateMatrixGraph();
manager.OutMatrix(graph);
Console.Write("广度递归:\t");
manager.BFSTraverse(graph);
Console.Write("\n深度递归:\t");
manager.DFSTraverse(graph);
Console.ReadLine();
}
}
#region 邻接矩阵的结构图
/// <summary>
/// 邻接矩阵的结构图
/// </summary>
public class MatrixGraph
{
//保存顶点信息
public string[] vertex;
//保存边信息
public int[,] edges;
//深搜和广搜的遍历标志
public bool[] isTrav;
//顶点数量
public int vertexNum;
//边数量
public int edgeNum;
//图类型
public int graphType;
/// <summary>
/// 存储容量的初始化
/// </summary>
/// <param name="vertexNum"></param>
/// <param name="edgeNum"></param>
/// <param name="graphType"></param>
public MatrixGraph(int vertexNum, int edgeNum, int graphType)
{
this.vertexNum = vertexNum;
this.edgeNum = edgeNum;
this.graphType = graphType;
vertex = new string[vertexNum];
edges = new int[vertexNum, vertexNum];
isTrav = new bool[vertexNum];
}
}
#endregion
/// <summary>
/// 图的操作类
/// </summary>
public class MatrixGraphManager
{
#region 图的创建
/// <summary>
/// 图的创建
/// </summary>
/// <param name="g"></param>
public MatrixGraph CreateMatrixGraph()
{
Console.WriteLine("请输入创建图的顶点个数，边个数，是否为无向图(0,1来表示)，已逗号隔开。");
var initData = Console.ReadLine().Split(',').Select(i => int.Parse(i)).ToList();
MatrixGraph graph = new MatrixGraph(initData[0], initData[1], initData[2]);
Console.WriteLine("请输入各顶点信息：");
for (int i = 0; i < graph.vertexNum; i++)
{
Console.Write("\n第" + (i + 1) + "个顶点为:");
var single = Console.ReadLine();
//顶点信息加入集合中
graph.vertex[i] = single;
}
Console.WriteLine("\n请输入构成两个顶点的边和权值，以逗号隔开。\n");
for (int i = 0; i < graph.edgeNum; i++)
{
Console.Write("第" + (i + 1) + "条边:\t");
initData = Console.ReadLine().Split(',').Select(j => int.Parse(j)).ToList();
int start = initData[0];
int end = initData[1];
int weight = initData[2];
//给矩阵指定坐标位置赋值
graph.edges[start - 1, end - 1] = weight;
//如果是无向图，则数据呈“二，四”象限对称
if (graph.graphType == 1)
{
graph.edges[end - 1, start - 1] = weight;
}
}
return graph;
}
#endregion
#region 输出矩阵数据
/// <summary>
/// 输出矩阵数据
/// </summary>
/// <param name="graph"></param>
public void OutMatrix(MatrixGraph graph)
{
for (int i = 0; i < graph.vertexNum; i++)
{
for (int j = 0; j < graph.vertexNum; j++)
{
Console.Write(graph.edges[i, j] + "\t");
}
//换行
Console.WriteLine();
}
}
#endregion
#region 广度优先
/// <summary>
/// 广度优先
/// </summary>
/// <param name="graph"></param>
public void BFSTraverse(MatrixGraph graph)
{
//访问标记默认初始化
for (int i = 0; i < graph.vertexNum; i++)
{
graph.isTrav[i] = false;
}
//遍历每个顶点
for (int i = 0; i < graph.vertexNum; i++)
{
//广度遍历未访问过的顶点
if (!graph.isTrav[i])
{
BFSM(ref graph, i);
}
}
}
/// <summary>
/// 广度遍历具体算法
/// </summary>
/// <param name="graph"></param>
public void BFSM(ref MatrixGraph graph, int vertex)
{
//这里就用系统的队列
Queue<int> queue = new Queue<int>();
//先把顶点入队
queue.Enqueue(vertex);
//标记此顶点已经被访问
graph.isTrav[vertex] = true;
//输出顶点
Console.Write(" ->" + graph.vertex[vertex]);
//广度遍历顶点的邻接点
while (queue.Count != 0)
{
var temp = queue.Dequeue();
//遍历矩阵的横坐标
for (int i = 0; i < graph.vertexNum; i++)
{
if (!graph.isTrav[i] && graph.edges[temp, i] != 0)
{
graph.isTrav[i] = true;
queue.Enqueue(i);
//输出未被访问的顶点
Console.Write(" ->" + graph.vertex[i]);
}
}
}
}
#endregion
#region 深度优先
/// <summary>
/// 深度优先
/// </summary>
/// <param name="graph"></param>
public void DFSTraverse(MatrixGraph graph)
{
//访问标记默认初始化
for (int i = 0; i < graph.vertexNum; i++)
{
graph.isTrav[i] = false;
}
//遍历每个顶点
for (int i = 0; i < graph.vertexNum; i++)
{
//广度遍历未访问过的顶点
if (!graph.isTrav[i])
{
DFSM(ref graph, i);
}
}
}
#region 深度递归的具体算法
/// <summary>
/// 深度递归的具体算法
/// </summary>
/// <param name="graph"></param>
/// <param name="vertex"></param>
public void DFSM(ref MatrixGraph graph, int vertex)
{
Console.Write("->" + graph.vertex[vertex]);
//标记为已访问
graph.isTrav[vertex] = true;
//要遍历的六个点
for (int i = 0; i < graph.vertexNum; i++)
{
if (graph.isTrav[i] == false && graph.edges[vertex, i] != 0)
{
//深度递归
DFSM(ref graph, i);
}
}
}
#endregion
#endregion
}
}
代码中我们构建了如下的“图”。
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！
稳了！魔兽国服回归的3条重磅消息！官宣时间再确认！
昨天有一位朋友在大神群里分享，自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址，com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后，确实是网易的网址，也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情，因为以前都没有出现这样的情况，现在突然提示跳转到国服战网的网址，是不是说明了简体中文客户端已经开始进行更新了呢？
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果（九）》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]