我的软考之路（五）——数据结构与算法（3）之图

图跟树一样，也是非线性结构，咋看起来有点复杂，其实它很简单。树具有层次关系，上层元素可以与下一个多个元素连接，但是只能和上层的一个元素连接。在图结构中，节点间的连接是任意的，任何一个元素都可以与其他元素连接。

图相对而言很简单，我们只介绍的图的遍历和最小生成树，现在我们开始。

遍历

1.概念

从图中某一个顶点出发，访问图中的每一个结点，并要求只能访问一次，不能重复访问。

2.方法

（1）广度优先遍历

基本思想：首先访问顶点，再访问顶点的全部未访问的邻结点，再访问邻结点的所有结点即可（类似树的层次遍历）。

广度优先遍历：V1，V2，V3，V4，V5，V6或V1，V4，V3，V2，V6，V5

（2）深度优先遍历

基本思想：首先访问顶点，再访问顶点的每个邻结点，从该点继续深度优先遍历（类似于树的前序遍历）

深度优先遍历：V1，V2，V5，V3，V6，V4或V1，V4，V6，V3，V5，V2

总结，图的广度优先遍历和深度优先遍历的结果并不唯一。

最小生成树

（1）普里姆（Prim）算法
基本思想：选一个顶点开始，查找与顶点相邻且代价（边值）最小的边的另一个顶点，直到最后。
例如：V1作为顶点，V1->V3->V6->V4，V3->V2->V5，连接图中所有的结点即可。
（2）克鲁斯卡尔（Kruskal）算法
基本思想：选择图中最小的边，直到所有结点都连通。
例如：第一小边：V1->V3，第二小边：V4->V6，第三小边：V2-V5，第四小边：V3->V6，第五小边：V3->V2，此时所有的结点都连到了一起。
（3）算法对比
普里姆算法更加注重的是结点，点与点之间距离最短的优先；克鲁斯卡尔算法更加注重的是边，将边排序，最小边排在前面，最大边排在后面。