图的逆邻接表存储结构

⑴ 图的存储结构——所存储的信息有哪些

一、邻接矩阵存储方法

邻接矩阵是表示顶点之间相邻关系的矩阵。

设G=(V，E)是具有n（n＞0）个顶点的图，顶点的顺序依次为0～n-1，则G的邻接矩阵A是n阶方阵，其定义如下：

（1）如果G是无向图，则：

A[i][j]=1：若(i,j)∈E(G) 0:其他

（2）如果G是有向图，则：

A[i][j]=1：若<i,j>∈E(G) 0:其他

（3）如果G是带权无向图，则：

A[i][j]= wij ：若i≠j且(i,j)∈E(G) 0：i=j ∞：其他

（4）如果G是带权有向图，则：

A[i][j]= wij ：若i≠j且<i,j>∈E(G) 0：i=j∞：其他

注意：带权图和不带权图表示的元素类型不同。

带权图（不论有向还是无向图）A[i][j]用double表示，不带权图（不论有向还是无向图）A[i][j]用int表示。

用一维数组G[ ]存储有4个顶点的无向图如：G[ ] = { 0, 1, 0, 1, 1, 0, 0, 0, 1, 0 }

则顶点2和顶点0之间是有边的。

如：

邻接矩阵的特点如下：

（1）图的邻接矩阵表示是唯一的。

（2）无向图的邻接矩阵一定是一个对称矩阵。因此，按照压缩存储的思想，在具体存放邻接矩阵时只需存放上（或下）三角形阵的元素即可。

（3）不带权的有向图的邻接矩阵一般来说是一个稀疏矩阵。因此，当图的顶点较多时，可以采用三元组表的方法存储邻接矩阵。

（4）对于无向图，邻接矩阵的第i行（或第i列）非零元素（或非∞元素）的个数正好是第i个顶点的度。

（5）对于有向图，邻接矩阵的第i行（或第i列）非零元素（或非∞元素）的个数正好是第i个顶点的出度（或入度）。

（6）用邻接矩阵方法存储图，很容易确定图中任意两个顶点之间是否有边相连。但是，要确定图中有多少条边，则必须按行、按列对每个元素进行检测，所花费的时间代价很大。这是用邻接矩阵存储图的局限性。

邻接矩阵的数据类型定义如下：

#define MAXV <最大顶点个数>

typedef struct

{ int no; //顶点编号

InfoType info; //顶点其他信息

} VertexType; //顶点类型

typedef struct //图的定义

{ int edges[MAXV][MAXV]; //邻接矩阵

int n，e; //顶点数，弧数

VertexType vexs[MAXV]; //存放顶点信息

} MGraph; //图的邻接矩阵表示类型

二、 邻接表存储方法

图的邻接表存储方法是一种顺序分配与链式分配相结合的存储方法。

在邻接表中，对图中每个顶点建立一个单链表，第i个单链表中的节点表示依附于顶点i的边（对有向图是以顶点i为尾的边）。每个单链表上附设一个表头节点。

其中，表节点由三个域组成，adjvex指示与顶点i邻接的点在图中的位置，nextarc指示下一条边或弧的节点，info存储与边或弧相关的信息，如权值等。

表头节点由两个域组成，data存储顶点i的名称或其他信息，firstarc指向链表中第一个节点。

typedef struct ANode

{ int adjvex; //该边的终点编号

struct ANode *nextarc; //指向下一条边的指针

InfoType info; //该边的相关信息

} ArcNode; //边表节点类型

typedef struct Vnode

{ Vertex data; //顶点信息

ArcNode *firstarc; //指向第一条边

} VNode; //邻接表头节点类型

typedef VNode AdjList[MAXV]; //AdjList是邻接表类型

typedef struct

{ AdjList adjlist; //邻接表

int n,e; //图中顶点数n和边数e

} ALGraph; //完整的图邻接表类型

邻接表的特点如下：

（1）邻接表表示不唯一。这是因为在每个顶点对应的单链表中，各边节点的链接次序可以是任意的，取决于建立邻接表的算法以及边的输入次序。

（2）对于有n个顶点和e条边的无向图，其邻接表有n个顶点节点和2e个边节点。显然，在总的边数小于n(n-1)/2的情况下，邻接表比邻接矩阵要节省空间。

（3）对于无向图，邻接表的顶点i对应的第i个链表的边节点数目正好是顶点i的度。

（4）对于有向图，邻接表的顶点i对应的第i个链表的边节点数目仅仅是顶点i的出度。其入度为邻接表中所有adjvex域值为i的边节点数目。

例， 给定一个具有n个节点的无向图的邻接矩阵和邻接表。

（1）设计一个将邻接矩阵转换为邻接表的算法；

（2）设计一个将邻接表转换为邻接矩阵的算法；

（3）分析上述两个算法的时间复杂度。

解：

（1）在邻接矩阵上查找值不为0的元素，找到这样的元素后创建一个表节点并在邻接表对应的单链表中采用前插法插入该节点。

void MatToList(MGraph g，ALGraph *&G)

//将邻接矩阵g转换成邻接表G

{ int i，j，n=g.n; ArcNode *p; //n为顶点数

G=(ALGraph *)malloc(sizeof(ALGraph));

for (i=0;i<n;i++) //给所有头节点的指针域置初值

G->adjlist[i].firstarc=NULL;

for (i=0;i<n;i++) //检查邻接矩阵中每个元素

for (j=n-1;j>=0;j--)

if (g.edges[i][j]!=0)

{ p=(ArcNode *)malloc(sizeof(ArcNode));

//创建节点*p

p->adjvex=j;

p->nextarc=G->adjlist[i].firstarc;

//将*p链到链表头

G->adjlist[i].firstarc=p;

}

G->n=n;G->e=g.e;

}

（2）在邻接表上查找相邻节点，找到后修改相应邻接矩阵元素的值。

void ListToMat(ALGraph *G，MGraph &g)

{ int i，j，n=G->n;ArcNode *p;

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

{ p=G->adjlist[i].firstarc;

while (p!=NULL)

{ g.edges[i][p->adjvex]=1;

p=p->nextarc;

}

}

g.n=n;g.e=G->e;

}

（3）算法1的时间复杂度均为O(n2)。算法2的时间复杂度为O(n+e)，其中e为图的边数。

⑵ 请教变成数据结构大神题目。 算法设计:以邻接表为储存结构，编写一个算法求有向图中每个顶点的入度。

邻接表还是逆邻接表？如果是逆邻接表，每个顶点出发邻接表的链表中的结点个数就是入度
如果是邻接表过程如下：
有一个辅助数组，大小就是顶点数量，所有元素初值都为0
从头到尾遍历每个顶点出发的邻接表的结点，只要当前结点的数据是几（也就是第几个结点被有向弧进入了），这个下标的辅助数组元素加1，等所有的邻接表的小链表遍历完了，这个辅助数组中各个下标的数字就是该顶点的入度

⑶ 有向图的邻接表存储如图所示，请画出其邻接矩阵存储结构

有向图的邻接表存储如图所示，其邻接矩阵存储如图：

⑷ 如何用邻接表存储图结构

我看不太懂这个程序，不过我有些过图的邻接表表示，看对你有没有帮助吧。
#include <iostream>
#include <fstream>
#include <vector>

typedef int QElemTyep;
#include "queue.h"
using namespace std;
typedef int Status;
#define MAX_VERTEX_NUM 30 //图的最大顶点数
enum BOOL {False,True};
BOOL visited[MAX_VERTEX_NUM]; //全局变量--访问标志数组

typedef struct ArcNode{
//弧结点
int adjvex; //该弧所指向的顶点的位置
struct ArcNode *nextarc; //指向下一条弧的指针
InfoType *info; //保存边的信息，可以简单的改为 int w;
}ArcNode;
typedef struct VNode{
VertexType data;
ArcNode *firstarc;
}VNode,AdjList[MAX_VERTEX_NUM];

class Graph{
public: AdjList vertices; //记录顶点信息，指向第一条依附该顶点的弧的指针
int vexnum,arcnum; //图的当前顶点和弧数
int GraphKind; //图的种类，0---无向图，1---有向图
Graph(int vexnum,int arcnum,int kind)
{
this->vexnum=vexnum;
this->arcnum=arcnum;
this->GraphKind=kind;
}
};
void CreateGraph(Graph &G,VertexType *V,ArcType *VR){
//构造邻接表结构的图G

int i;
ArcNode *s;
for(i=1;i<=G.vexnum;i++) //初始化指针数组
{
G.vertices[i].data=V[i];
G.vertices[i].firstarc=NULL;
}
for(i=1;i<=G.arcnum;i++)
{
s=(ArcNode *)malloc(sizeof(ArcNode)); //生成一个弧结点
s->nextarc=G.vertices[VR[i].start].firstarc; //插入到邻接表中
s->adjvex=VR[i].end;
G.vertices[VR[i].start].firstarc=s;

if(G.GraphKind==0) {
//若是无向图，再插入到终点的弧链中
s=(ArcNode *)malloc(sizeof(ArcNode));
s->nextarc=G.vertices[VR[i].end].firstarc;
s->adjvex=VR[i].start;
G.vertices[VR[i].end].firstarc=s;
}
}
}

⑸ 面试准备之【数据结构】1——图

共有：邻接表，邻接矩阵

有向图独有：十字链表，边集数组  

无向图独有：邻接多重表  

一个一维数组存储图中顶点信息，一个二维数组（称为邻接矩阵）存储图中的边或弧的信息。

设图G有n个顶点，则邻接矩阵是一个nxn的方阵，定义为：Arc[i][j]=1,若<vi,vj>∈E或<vi,vj>∈E,反之等于0。

可以看出，无向图的邻接矩阵是对称矩阵，要想知道某个顶点的度，其实就是这个顶点vi在邻接矩阵中第i行（或第i列）的元素之和。

在有向图的邻接矩阵中，某个顶点的出（入）度是这个顶点vi在邻接矩阵中第i 行（列）的元素之和；

        我们发现，当图中的边数相对于顶点较少时，邻接矩阵是对存储空间的极大浪费。我们可以考虑对边或弧使用链式存储的方式来避免空间浪费的问题。回忆树结构的孩子表示法，将结点存入数组，并对结点的孩子进行链式存储，不管有多少孩子，也不会存在空间浪费问题。

邻接表的创建过程如下：

1）  图中顶点用一个一维数组存储，当然也可以用单链表来存储，不过用数组可以较容易的读取顶点信息，更加方便。另外，对于顶点数组中，每个数据元素还需要存储指向第一个邻接点的指针，以便于查找该顶点的边信息。

2）  图中每个顶点vi的所有邻接点构成一个线性表，由于邻接点的个数不定，所以用单链表存储，无向图称为顶点vi的边表，有向图则称为以vi为弧尾的出边表。

从图中我们知道，顶点表的各个结点由data和firstedge两个域表示，data是数据域，存储顶点的信息。

firstedge是指针域，指向边表的第一个结点，即此顶点的第一个邻接点。

边表结点由adjvex和next两个域组成。adjvex是邻接点域，存储某顶点的邻接点在顶点表中的下标，next则存储指

向边表中下一个结点的指针，比如v1顶点与v0、v2互为邻接点，则在v1的边表中，adjvex分别为v0的0和v2的2.

如果想知道某个顶点的度，就去查找这个顶点的边表中结点的各数。

若要判断顶点vi和vj是否存在边，只需要测试顶点vi的边表adjvex中是否存在结点vj的下标就行了。

若求顶点的所有邻接点，其实就是对此顶点的边表进行遍历，得到的adjvex域对应的顶点就是邻接点。

有向图的邻接表中顶点vi的边表是指以vi 为弧尾 的弧来存储的，这样很容易就可以得到每个顶点的出度。

有时为了便于确定顶点的入度或以顶点为弧头的弧，可以建立一个有向图的逆邻接表，即对每个顶点vi都建立

一个链接为vi为弧头的表。如下图所示：

此时我们很容易就可以算出某个顶点的入度或出度是多少，判断两顶点是否存在弧也很容易实现。

对于带权值的网图，可以在边表结点定义中再增加一个weight的数据域，存储权值信息即可

对于有向图来说，邻接表是有缺陷的。关心了出度问题，想了解入度就必须要遍历整个图才能知道。反之，逆邻接表解决了入度

却不了解出度的情况。有没有可能把邻接表和逆邻接表结合起来呢？

答案是肯定的，就是把它们整合在一起。这种存储有向图的方法是：十字链表（Orthogonal List）.

我们重新定义顶点表结点结构为：   

|    data    |     firstin   |    firstout    |

其中firstin表示入边表头指针，指向该顶点的入边表中第一个结点，firstout表示出边表头指针，指向该顶点的出边表中的第一个结点。

重新定义的 边表 结点结构如下表：

|    tailvex    |    headvex    |    headlink    |    taillink    |

其中tailvex是指弧起点在顶点表的下标，headvex是指弧终点在顶点表中的下标，headlink是指入边表指针域，指向终点（弧头）相同的

下一条边，taillink是指出边表指针域，指向起点（弧尾）相同的下一条边。如果是带权值的网，还可以再增加一个weight域来存储权值。

如下图表示的十字链表：

顶点表依然是存入一个一维数组{v0,v1,v2,v3},以顶点v0来说，firstout指向的是出边表中的第一个结点v3。所以v0边表结点的headvex=3,

而tailvex其实就是当前顶点v0的下标0，由于v0只有一个出边顶点，所以headlink和taillink都是空。

这里虚线箭头的含义，其实就是逆邻接表的表示。对于v0来说，它有两条入边，分别来自顶点v1和v2。因此v0的firstin指向顶点v1的边表

结点中headvex为0的结点，虚线（1），接着由入边结点的headlink指向下一个入边顶点v2，虚线（2）。

对于顶点v1,它有一个入边顶点v2，2个出边顶点v0和v2，所以它的firstin指向顶点v2的边表结点中headvex为1的结点，虚线（3）.

十字链表的好处就是因为把邻接表和逆邻接表整合在了一起，这样既容易找到以vi为尾的弧，也容易找到以vi为头的弧，因而容易求得

顶点的出度和入度。除了结构复杂一点外，其实创建图算法的时间复杂度和邻接表是相同的，因此很好的应用在有向图中。

十字链表主要是针对有向图的存储结构进行了优化，那么对于无向图的邻接表，有没有问题呢？如果我们在无向图的应用中，关注的重点是顶点，那么邻接表是不错的选择，但如果我们更关注边的操作，比如对已访问过的边做标记，删除某一条边等操作，那就意味着需要找到这条边的两个边表结点进行操作。如下图，若要删除(v0,v2)这条边，需要对邻接表结构中右边表的两个结点进行删除，显然这是比较繁琐的。

因此，我们也仿照十字链表的方式，对边表结点的结构进行一些改造，重新定义的边表结点结构如下表：

|    ivex    |     ilink    |     jvex    |     jlink    |

其中ivex和jvex是指某条边依附的两个顶点在顶点表中的下标。ilink指向依附顶点ivex的下一条边，jlink指向依附顶点jvex的下一条边。

这就是邻接多重表结构。如上图有4个顶点和5条边，先将边表结点画出来。由于是无向图，所以ivex，jvex正反过来都可以，为了绘图

方便，都将ivex值设置的与一旁的顶点下标相同。

下面开始连线，首先连线的（1）（2）（3）（4）是将顶点的firstedge指向一条边，顶点下标要与ivex的值相同。接着，由于顶点v0的(v0,v1)边的

邻边有(v0,v3)和(v0,v2)。因此（5）（6）的连线就是满足指向下一条依附于顶点v0的边的目标，注意ilink指向的结点的jvex（ivex）一定要与它本身

的jvex（ivex）的值相同。同理，连线（7）就是指（v1,v0）这条边，它是相当于顶点v1指向（v1,v2）边后的下一条。v2有三条边依附，所以（3）之后就有

了（8）（9）。连线（10）就是顶点v3在连线（4）之后的下一条边。左图一共有5条边，所以右图有10条连线，完全符合预期。

邻接多重表与邻接表的差别， 仅仅是在于同一条边在邻接表中用两个边表结点表示，而在邻接多重表中只有一个结点 。这样对边的操作就方便

多了，若要删除左图的(v0,v2)这条边，只需要将右图的（6）（9）的链接指向改为^即可。

---- 边集数组是由两个一维数组构成。一个是存储顶点的信息；另一个是存储边的信息，这个边数组每个数据元素由一条边的起点下标（begin）、终点下标（end）和权（weight）组成。

如上图所示，边集数组关注的是边的集合，在边集数组中要查找一个顶点的度需要扫描整个边数组，效率并不高。因此它更适合对边依次

进行处理的操作，而不适合对顶点相关的操作

路径长度：路径上各活动持续时间的总和（即路径上所有权之和）。

完成工程的最短时间：从工程开始点（源点）到完成点（汇点）的最长路径称为完成工程的最短时间。

关键路径：路径长度最长的路径称为关键路径。

二分图是一类特殊的图，又称为双分图、二部图、偶图。二分图的顶点可以分成两个互斥的独立集 U 和 V 的图，使得所有边都是连结一个 U 中的点和一个 V 中的点。顶点集 U、V 被称为是图的两个部分。等价的，二分图可以被定义成图中所有的环都有偶数个顶点。可以将 U 和 V 当做一个着色：U 中所有顶点为蓝色，V 中所有顶点着绿色，每条边的两个端点的颜色不同，符合图着色问题的要求。相反的，非二分图无法被二着色

完全二分图 是一种特殊的二分图，可以把图中的顶点分成两个集合，使得第一个集合中的所有顶点都与第二个集合中的所有顶点相连。

欧拉图是指通过图（无向图或有向图）中所有边且每边仅通过一次通路，相应的回路称为欧拉回路。具有欧拉回路的图称为欧拉图（Euler Graph），具有欧拉通路而无欧拉回路的图称为半欧拉图。欧拉证明了如下定理： 一个非空连通图是欧拉图当且仅当它的每个顶点的度数都是偶数。 由此可得如下结论：一个连通图有欧拉迹当它至多有两个度数是奇数的顶点。

AOE网Activity On Edge Network：在现代化管理中，人们常用有向图来描述和分析一项工程的计划和实施过程，一个工程常被分为多个小的子工程，这些子工程被称为活动（Activity)，在带权有向图中若以顶点表示事件，有向边表示活动，边上的权值表示该活动持续的时间，这样的图简称为AOE网。

图的存储结构-邻接助阵和邻接表  https://blog.csdn.net/dongyanxia1000/article/details/53582186

图的存储结构-十字链表和邻接多重表 https://blog.csdn.net/dongyanxia1000/article/details/53584496

⑹ 邻接表存储时，空间复杂度O( n+e)，还是O(n)

O(n+e)，取n次最小权，每次取完会进行n次更新。如果能达到o（n+e），就不需要O(n)。

在有向图中，描述每个点向别的节点连的边（点a->点b这种情况）。在无向图中，描述每个点所有的边。与邻接表相对应的存图方式叫做边集表，这种方法用一个容器存储所有的边。

对于有向图，vi的邻接表中每个表结点都对应于以vi为始点射出的一条边。因此，将有向图的邻接表称为出边表。

(6)图的逆邻接表存储结构扩展阅读：

n个顶点e条边的有向图，它的邻接表表示中有n个顶点表结点和e个边表结点。（因为有向图是单向的）

在有向图中，为图中每个顶点vi建立一个入边表的方法称逆邻接表表示法。入边表中的每个表结点均对应一条以vi为终点(即射入vi)的边。

n个顶点e条边的有向图，它的逆邻接表表示中有n个顶点表结点和e个边表结点。

⑺ [数据结构]已知无向图的邻接表，求所有的连通分量

图的邻接表存储方法跟树的孩子链表示法相类似，是一种顺序分配和链式分配相结合的存储结构。如这个表头结点所对应的顶点存在相邻顶点，则把相邻顶点依次存放于表头结点所指向的单向链表中。如词条概念图所示，表结点存放的是邻接顶点在数组中的索引。对于无向图来说，使用邻接表进行存储也会出现数据冗余，表头结点A所指链表中存在一个指向C的表结点的同时，表头结点C所指链表也会存在一个指向A的表结点。

邻接表是图的一种最主要存储结构,用来描述图上的每一个点。对图的每个顶点建立一个容器(n个顶点建立n个容器)，第i个容器中的结点包含顶点Vi的所有邻接顶点。实际上我们常用的邻接矩阵就是一种未离散化每个点的边集的邻接表。

在有向图中，描述每个点向别的节点连的边(点a->点b这种情况)。

在无向图中，描述每个点所有的边(点a-点b这种情况)

与邻接表相对应的存图方式叫做边集表，这种方法用一个容器存储所有的边。

工业上有很多非常好的图库的实现,例如C++的boost graph库.如果可以，尽量用这些库，这样可以大大提高你的效率。

表示法
注意:

n个顶点e条边的无向图的邻接表表示中有n个顶点表结点和2e个边表结点。(换句话说，每条边(i,j)在邻接表 中出现两次:一次在关于i的邻接表中，另一次在关于j的邻接表中)

有向图
对于有向图，vi的邻接表中每个表结点都对应于以vi为始点射出的一条边。因此，将有向图的邻接表称为出边表。

【例】有向图G6如下图所示，其中顶点v1的邻接表上两个表结点中的顶点序号分别为0和4，它们分别表示从v1射出的两条边(简称为v1的出边):<v1，v0>和<v1，v4>。

注意:

n个顶点e条边的有向图，它的邻接表表示中有n个顶点表结点和e个边表结点。(因为有向图是单向的)

逆邻接表
在有向图中，为图中每个顶点vi建立一个入边表的方法称逆邻接表表示法。

入边表中的每个表结点均对应一条以vi为终点(即射入vi)的边。

注意:

n个顶点e条边的有向图，它的逆邻接表表示中有n个顶点表结点和e个边表结点。