图的遍历(Traversing Graph)：从图的某一顶点出发，访遍图中的其余顶点，且每个顶点仅被访问一次。
图的遍历算法是各种图的操作的基础。但图的遍历存在以下特点：
◆ 复杂性：图的任意顶点可能和其余的顶点相邻接，可能在访问了某个顶点后，沿某条路径搜索后又回到原顶点，而有些顶点却还没有被遍历到的情况。
◆ 解决办法：在遍历过程中记下已被访问过的顶点。设置一个辅助向量Visited1…n，其初值为0，一旦访问了顶点vi后，使Visited[i]为1或为访问的次序号。
图的遍历算法有深度优先搜索算法和广度优先搜索算法。
深度优先搜索(Depth First Search–DFS)遍历类似树的先序遍历，是树的先序遍历的推广。
1 算法思想
设初始状态时图中的所有顶点未被访问，则：
⑴ ：从图中某个顶点vi出发，访问vi；然后找到vi的一个邻接顶点vi1 ；
⑵：从vi1出发，深度优先搜索访问和vi1相邻接且未被访问的所有顶点；
⑶：转⑴ ，直到和vi相邻接的所有顶点都被访问为止
⑷：继续选取图中未被访问顶点vj作为起始顶点，转(1)，直到图中所有顶点都被访问为止。
算法实现
由算法思想知，这是一个递归过程。因此，先设计一个从某个顶点(编号)为v0开始深度优先搜索的函数，便于调用。
在遍历整个图时，可以对图中的每一个未访问的顶点执行所定义的函数。
typedef emnu {FALSE , TRUE} BOOLEAN ;
BOOLEAN Visited[MAX_VEX] ;3 结点及其类型定义
#define MAX_VEX 30 /* 最大顶点数 */
typedef char VertexType; /* 顶点类型应由用户定义 */
typedef int EdgeType; /* 边上的权值类型应由用户定义 */
typedef struct EdgeNode /* 边表结点 */
{
int adjvex; /* 邻接点域,存储该顶点对应的下标 */
EdgeType info; /* 用于存储权值,对于非网图可以不需要 */
struct EdgeNode *next; /* 链域,指向下一个邻接点 */
}EdgeNode;
typedef struct VertexNode /* 顶点表结点 */
{
VertexType data; /* 顶点域,存储顶点信息 */
/* int indegree ; //顶点的度, 有向图是入度或出度 (亦可不要) */
EdgeNode *firstarc; /* 边表头指针 */
}VertexNode, AdjList[MAX_VEX];
typedef struct
{
AdjList adjList; //顶点数组（亦成为头结点向量）
int numNodes,numEdges; /* 图中当前顶点数和边数 */
}GraphAdjList;
void DFS( GraphAdjList *GL , int v)
{ EdgeNode *p ;
Visited[v]=TRUE ;
Visit[v] ; /* 置访问标志，访问顶点v */
p=GL->adjList[v].firstarc; /* 链表的第一个结点 */
while (p!=NULL)
{ if (!Visited[p->adjvex])
DFS(GL, p->adjvex) ; // 从v的未访问过的邻接顶点递归调用
p=p->next ;
} }
void DFSTraverse (GraphAdjList *GL)
{ int v ;
for (v=0 ; v<GL->vexnum ; v++)
Visited[v]=FALSE ; /* 访问标志初始化 */
for (v=0 ; v<GL->vexnum ; v++)
if (!Visited[v])
DFS(GL , v);
}
3 算法分析
采用邻接表作为存储结构遍历时，找邻接点所需的时间取决于顶点和边的数量，总时间复杂度为O(n+e) 。
采用邻接矩阵的深度优先递归算法
void DFS(MGraph G, int i)
{ int j;
visited[i] = TRUE;
Visit[v] ;
for(j = 0; j < G.numVertexes; j++)
if(G.arc[i][j] == 1 && !visited[j])
DFS(G, j); /* 对为访问的邻接顶点递归调用 */
}
void DFSTraverse(MGraph G)
{ int i;
for(i = 0; i < G.numVertexes; i++)
visited[i] = FALSE; /* 初始所有顶点状态都是未访问过状态 */
for(i = 0; i < G.numVertexes; i++)
if(!visited[i]) // 对未访问过的顶点调用DFS，若是连通图，只会执行一次
DFS(G, i);
}
广度优先搜索(Breadth First Search–BFS)遍历类似树的按层次遍历的过程。
1 算法思想
设初始状态时图中的所有顶点未被访问，则：
⑴ ：从图中某个顶点vi出发，访问vi；
⑵：访问所有与vi相邻接且未被访问的所有顶点vi1，vi2，…，vim；
⑶：以vi1，vi2， …，vim的次序，以vij(1≦j≦m)依次作为vi ，转⑴；
⑷ ：继续选取图中未被访问顶点vk作为起始顶点，转⑴，直到图中所有顶点都被访问为止。
2 算法实现
为了标记图中顶点是否被访问过，同样需要一个访问标记数组；
在访问vi时，为了依次访问与vi相邻接的各个顶点，需要附加一个队列来保存与vi相邻接的顶点。
bool Visited[MAX_VEX] ;
typedef struct Queue
{ int elem[MAX_VEX] ;
int front , rear ;
}Queue ; /* 定义一个队列保存将要访问顶点 */void BFSTraverse (GraphAdjList *G)
{ 建立空队列并初始化 （Q->front=Q->rear=0）
访问标志初始化 （Visited[i]=false，0≤i< G->vexnum ）
for (i=0 ; i<G->vexnum ; i++)
{ if (!visited[i])
{ visited[i]=true;
访问该顶点；然后将让该顶点入队，
while(!QueueEmpty(Q))
{ DeQueue(&Q,&i);
p = GL->adjList[i].firstedge; //找到当前顶点的边链表头指针 while(p)
{ if(!visited[p->adjvex]) /* 若此顶点未被访问 */
{ visited[p->adjvex]=true;
访问该顶点；然后将让该顶点入队
} //end of if
p = p->next; /* 指针指向下一个邻接点 */
}//end of while
}
}
}
}
广度优先搜索算法和深度优先搜索算法在时间复杂度上是一样的，不同之处仅仅在于顶点访问次序不同。
图的遍历可以系统地访问图中的每个顶点，因此，图的遍历算法是图的最基本、最重要的算法，许多有关图的操作都是在图的遍历基础之上加以变化来实现的。
如果连通图是一个带权图，则其生成树中的边也带权，生成树中所有边的权值之和称为生成树的代价。
最小生成树(Minimum Spanning Tree) ：带权连通图中代价最小的生成树称为最小生成树。
构造最小生成树的算法有许多，最经典的有两种：
普里姆(Prim)算法
克鲁斯卡尔(Kruskal)算法
从连通网N=(U，E)中找最小生成树T=(U，TE) 。
1 算法思想
⑴ 若从顶点v0出发构造，U={v0}，TE={}；
⑵ 先找权值最小的边(u，v)，其中u∈U且v∈V-U，并且子图不构成环，则U= U∪{v}，TE=TE∪{(u，v)} ；
⑶ 重复⑵ ，直到U=V为止。则TE中必有n-1条边， T=(U，TE)就是最小生成树。
2 算法实现说明
设用邻接矩阵(二维数组)表示图，两个顶点之间不存在边的权值为机器允许的最大值。
为便于算法实现，设置一个一维数组closedge[n]，用来保存V- U中各顶点到U中顶点具有权值最小的边。数组元素的类型定义是
struct
{ int adjvex ; /* 权值最小的边所依附于U中的顶点 */
int lowcost ; /* 该边的权值 */
}closedge[MAX_EDGE] ;
如：closedge[j].adjvex=k，表明边(vj, vk)是V-U中顶点vj到U中权值最小的边，而顶点vk是该边所依附的U中的顶点。
closedge[j].lowcost存放该边的权值。
在Prime算法中，图采用邻接矩阵存储，所构造的最小生成树用一维数组存储其n-1条边，每条边的存储结构描述：
typedef struct MSTEdge
{ int vex1, vex2 ; /* 边所依附的图中两个顶点 */
WeightType weight ; /* 边的权值 */
}MSTEdge ;
算法实现（略讲）
#define INFINITY MAX_VAL /* 最大值 */
MSTEdge *Prim_MST(AdjGraph *G , int u)
/* 从第u个顶点开始构造图G的最小生成树 */
{
MSTEdge TE[] ; // 存放最小生成树n-1条边的数组指针
int j , k , v , min ;
for (j=0; j<G->vexnum; j++)
{ closedge[j].adjvex=u ;
closedge[j].lowcost=G->adj[j][u] ；
} /* 初始化数组closedge[n] */
closedge[u].lowcost=0 ; /* 初始时置U={u} */
TE=(MSTEdge *)malloc((G->vexnum-1)*sizeof(MSTEdge)) ;
for (j=0; j<G->vexnum-1; j++)
{ min= INFINITY ;
for (v=0; v<G->vexnum; v++)
if (closedge[v].lowcost!=0&& closedge[v].Lowcost<min)
{ min=closedge[v].lowcost ; k=v ; }
TE[j].vex1=closedge[k].adjvex ;
TE[j].vex2=k ;
TE[j].weight=closedge[k].lowcost ;
closedge[k].lowcost=0 ; /* 将顶点k并入U中 */
for (v=0; v<G->vexnum; v++)
if (G->adj[v][k]<closedge[v]. lowcost)
{ closedge[v].lowcost= G->adj[v][k] ;
closedge[v].adjvex=k ;
} /* 修改数组closedge[n]的各个元素的值 */
}
return(TE) ;
} /* 求最小生成树的Prime算法 */
1 算法思想
算法思想：设连通网N=(V,E)，令最小生成树
初始状态为只有n个顶点而无边的非连通图T=(V,?)，每个顶点自成一个连通分量
在E中选取代价最小的边，若该边依附的顶点落在T中不同的连通分量上，则将此边加入到T中；否则，舍去此边，选取下一条代价最小的边
依此类推，直至T中所有顶点都在同一连通分量上为止
2 算法实现说明
Kruskal算法实现的关键是：当一条边加入到TE的集合后，如何判断是否构成回路?
解决方法：定义一个一维数组Vset[n] ，存放图T中每个顶点所在的连通分量的编号。
Vset[n] ：
◆ 初值：Vset[i]=i，表示每个顶点各自组成一个连通分量，连通分量的编号简单地使用顶点在图中的位置(编号)。
◆ 当往T中增加一条边(vi，vj) 时，先检查Vset[i]和Vset[j]值：
☆ 若Vset[i]=Vset[j]：表明vi和vj处在同一个连通分量中，加入此边会形成回路；
☆ 若Vset[i]≠Vset[j]，则加入此边不会形成回路，将此边加入到生成树的边集中。
◆ 加入一条新边后，将两个不同的连通分量合并：将一个连通分量的编号换成另一个连通分量的编号。
算法分析：设带权连通图有n个顶点，e条边，则算法的主要执行是：
◆ Vset数组初始化：时间复杂度是O(n) ；
◆ 边表按权值排序：若采用堆排序或快速排序，时间复杂度是O(e㏒e) ；
◆ while循环：最大执行频度是O(n)，其中包含修改Vset数组，共执行n-1次，时间复杂度是O(n2) ；
整个算法的时间复杂度是O(e㏒e+n2) 。
原文地址：http://blog.csdn.net/wangzi11322/article/details/45417349
