链式前向星(最通俗易懂的讲解)

链式前向新:用于存储图的 边集 数组

前言

当我们存储图的时候,往往会使用 邻接矩阵 或是 邻接表。

邻接矩阵 好写,但太浪费空间,节点一多就存不下;

邻接表 效率高,但涉及指 ,不好写容易出错;用 vector 又可能超时。

链式前向星 就是一个相对中庸的存储方式,虽然说,链式前向星 使用并不广泛,但在需要使用复杂 邻接表 时,这就是一个较好的选择。

链式前向星 其实就是 静态建立的邻接表,时间复杂度为O(m),空间复杂度也为O(m)。


思想

对于下图:

图1

输入为:

5 7

1 2 3

2 3 1

1 3 4

1 5 3

4 1 5

4 5 1

3 4 2

我们将起点都是 from 的边串在一起,用 head[from] 存储头节点(见图2,下图为最终形式)

图2

具体插入操作与链表相似 (见图3)

图3


代码与运行结果

里有注释,慢慢理解

cpp 复制代码
#include <iostream>
#include <cstring>

using namespace std;

const int N = 2e2 + 5, M = 1e3 + 5;

int n, m, cnt; //n个点,m条边
struct Edge {
	int to, value, next;
	//终点,边权,同起点的上一条边的编号
} edge[M]; //边集
int head[N]; //head[i] 表示以 i 为起点的第一条边在边集数组的位置(编号)

void add_edge(int from, int to, int value) { //u起点,v终点,w边权
	edge[++ cnt] = {to, value, head[from]}, head[from] = cnt;
	// 赋终点权值 并且将新的节点赋在头上	更新头
}

int main() {
	cin >> n >> m;

	/* 初始化 */
	cnt = 0;
	memset(head, -1, sizeof head);

	/* 加边 */
	for (int i = 1; i <= m; i ++) { //输入m条边
		int a, b, c;
		cin >> a >> b >> c;
		add_edge(a, b, c);
	}

	/* 遍历 */
	for (int i = 1; i <= n; i ++) {
		cout << ">" << i << "\n";
		bool hase = false;
		for (int j = head[i]; j != -1; j = edge[j].next) //遍历以i为起点的边
			cout << i << " " << edge[j].to << " " << edge[j].value << "\n", hase = true;
		if (!hase)
			cout << "nothing\n"; //第i个节点没有出去的边
	}
	return 0;
}
/*
5 7
1 2 3
2 3 1
1 3 4
1 5 3
4 1 5
4 5 1
3 4 2
*/

可以注意到 head 的初始值为 -1

这使得 head[i] 中第一个边的 next 为 -1,这正作为链的结尾(见图3

所以当 访问指针 ( j ) 为 -1 时,就代表访问结束了

运行结果参考

图4

(从 图2~4 和 代码中,我们都可以发现 链式前向星 是按输入倒着存的)


结语

个人觉得 链式前向星 和 邻接表 是几乎一样的,只不过 前者 是静态的,后者 是动态的

相关推荐
ValhallaCoder2 小时前
hot100-栈
数据结构·python·算法·
WW_千谷山4_sch6 小时前
洛谷B3688:[语言月赛202212]旋转排列(新解法:deque双端队列)
数据结构·c++·算法
Zachery Pole6 小时前
【代码随想录】二叉树
算法
漂流瓶jz6 小时前
UVA-11214 守卫棋盘 题解答案代码 算法竞赛入门经典第二版
c++·算法·dfs·aoapc·算法竞赛入门经典·迭代加深搜索·八皇后
浮生09197 小时前
DHUOJ 基础 88 89 90
算法
v_for_van7 小时前
力扣刷题记录7(无算法背景,纯C语言)
c语言·算法·leetcode
先做个垃圾出来………7 小时前
3640. 三段式数组 II
数据结构·算法
tankeven9 小时前
HJ93 数组分组
c++·算法
Σίσυφος19009 小时前
LM 在 PnP(EPnP / P3P)的应用
算法
陈天伟教授9 小时前
人工智能应用- 人工智能交叉:01. 破解蛋白质结构之谜
人工智能·神经网络·算法·机器学习·推荐算法