. Podstawy Programowania 2. Grafy i ich reprezentacje. Arkadiusz Chrobot. 9 czerwca 2016

Podobne dokumenty
Podstawy Programowania 2 Grafy i ich reprezentacje. Plan. Wstęp. Teoria grafów Graf skierowany. Notatki. Notatki. Notatki. Notatki.

Algorytm DFS Wprowadzenie teoretyczne. Algorytm DFS Wprowadzenie teoretyczne. Algorytm DFS Animacja. Algorytm DFS Animacja. Notatki. Notatki.

. Podstawy Programowania 2. Algorytmy dfs i bfs. Arkadiusz Chrobot. 2 czerwca 2019

G. Wybrane elementy teorii grafów

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów

MATEMATYKA DYSKRETNA - MATERIAŁY DO WYKŁADU GRAFY

Przykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych.

Marek Miszczyński KBO UŁ. Wybrane elementy teorii grafów 1

. Podstawy Programowania 2. Dwukierunkowa lista cykliczna. Arkadiusz Chrobot. 24 kwietnia 2016

. Podstawy Programowania 2. Dwukierunkowa lista liniowa. Arkadiusz Chrobot. 7 kwietnia 2019

. Podstawy Programowania 2. Jednokierunkowa lista liniowa. Arkadiusz Chrobot. 28 marca 2017

Podstawy Programowania 2 Jednokierunkowa lista liniowa. Plan. Jednokierunkowa lista liniowa. Jednokierunkowa lista liniowa. Notatki. Notatki.

Podstawy Programowania 2 Dwukierunkowa lista liniowa. Plan. Wstęp. Implementacja. Notatki. Notatki. Notatki. Notatki.

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV

Matematyczne Podstawy Informatyki

Temat: Dynamiczne przydzielanie i zwalnianie pamięci. Struktura listy operacje wstawiania, wyszukiwania oraz usuwania danych.

TEORIA GRAFÓW I SIECI

Matematyka dyskretna

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

. Podstawy Programowania 2. Algorytmy z nawrotami. Arkadiusz Chrobot. 9 czerwca 2019

Graf. Definicja marca / 1

Wykład 10 Grafy, algorytmy grafowe

Ogólne wiadomości o grafach

Podstawy Programowania 2 Jednokierunkowa lista liniowa i rekurencja. Plan. Wstęp. Założenia. Notatki. Notatki. Notatki. Notatki.

Digraf. 13 maja 2017

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1

Dynamiczny przydział pamięci w języku C. Dynamiczne struktury danych. dr inż. Jarosław Forenc. Metoda 1 (wektor N M-elementowy)

Algorytmiczna teoria grafów

ZASADY PROGRAMOWANIA KOMPUTERÓW

Podstawy programowania skrót z wykładów:

Podstawy Programowania 2 Algorytmy z nawrotami. Plan. Wstęp

Algorytmy z powracaniem

Podstawy Programowania C++

Podstawy programowania. Wykład 7 Tablice wielowymiarowe, SOA, AOS, itp. Krzysztof Banaś Podstawy programowania 1

Wykład 1_2 Algorytmy sortowania tablic Sortowanie bąbelkowe

Sortowanie topologiczne skierowanych grafów acyklicznych

Wyszukiwanie w BST Minimalny i maksymalny klucz. Wyszukiwanie w BST Minimalny klucz. Wyszukiwanie w BST - minimalny klucz Wersja rekurencyjna

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

a) 7 b) 19 c) 21 d) 34

Podstawowe pojęcia dotyczące drzew Podstawowe pojęcia dotyczące grafów Przykłady drzew i grafów

Wskaźniki i dynamiczna alokacja pamięci. Spotkanie 4. Wskaźniki. Dynamiczna alokacja pamięci. Przykłady

. Podstawy Programowania 2. Drzewa bst - część druga. Arkadiusz Chrobot. 12 maja 2019

Niezwykłe tablice Poznane typy danych pozwalają przechowywać pojedyncze liczby. Dzięki tablicom zgromadzimy wiele wartości w jednym miejscu.

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Wskaźniki w C. Anna Gogolińska

Zmienne i struktury dynamiczne

Algorytmiczna teoria grafów

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

METODY I JĘZYKI PROGRAMOWANIA PROGRAMOWANIE STRUKTURALNE. Wykład 02

Programowanie dynamiczne

Lab 9 Podstawy Programowania

Programowanie i struktury danych

Wykład 8: klasy cz. 4

Podstawowe własności grafów. Wykład 3. Własności grafów

Grafy (3): drzewa. Wykłady z matematyki dyskretnej dla informatyków i teleinformatyków. UTP Bydgoszcz

Teoria grafów podstawy. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Tablice (jedno i wielowymiarowe), łańcuchy znaków

Grafem nazywamy strukturę G = (V, E): V zbiór węzłów lub wierzchołków, Grafy dzielimy na grafy skierowane i nieskierowane:

Suma dwóch grafów. Zespolenie dwóch grafów

Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne

Kolorowanie wierzchołków Kolorowanie krawędzi Kolorowanie regionów i map. Wykład 8. Kolorowanie

Podstawy programowania, Poniedziałek , 8-10 Projekt, część 1

Algorytmy i złożoności. Wykład 3. Listy jednokierunkowe

Podstawy programowania. Wykład 6 Wskaźniki. Krzysztof Banaś Podstawy programowania 1

Laboratorium 6: Dynamiczny przydział pamięci. dr inż. Arkadiusz Chrobot dr inż. Grzegorz Łukawski

Temat: Struktury danych do reprezentacji grafów. Wybrane algorytmy grafowe.

1. Algorytmy przeszukiwania. Przeszukiwanie wszerz i w głąb.

Uwagi dotyczące notacji kodu! Moduły. Struktura modułu. Procedury. Opcje modułu (niektóre)

Zapis algorytmów: schematy blokowe i pseudokod 1

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott

TEORETYCZNE PODSTAWY INFORMATYKI

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II

. Podstawy Programowania 2. Drzewa bst - część pierwsza. Arkadiusz Chrobot. 22 maja 2016

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

MACIERZE. Sobiesiak Łukasz Wilczyńska Małgorzata

Podejście zachłanne, a programowanie dynamiczne

KURS MATEMATYKA DYSKRETNA

Matematyczne Podstawy Informatyki

Laboratorium 3: Tablice, tablice znaków i funkcje operujące na ciągach znaków. dr inż. Arkadiusz Chrobot dr inż. Grzegorz Łukawski

Materiał uzupełniający do ćwiczen z przedmiotu: Programowanie w C ++ - ćwiczenia na wskaźnikach

Analiza konstrukcji zawierających wskaźniki. Piotr Błaszyński

Tablice. Monika Wrzosek (IM UG) Podstawy Programowania 96 / 119

Materiał Typy zmiennych Instrukcje warunkowe Pętle Tablice statyczne Wskaźniki Tablice dynamiczne Referencje Funkcje

Pętle. Dodał Administrator niedziela, 14 marzec :27

Obliczenia iteracyjne

Zasady programowania Dokumentacja

. Podstawy Programowania 2. Kolejki i ich zastosowania. Arkadiusz Chrobot. 21 marca 2016

Algorytmy Równoległe i Rozproszone Część V - Model PRAM II

Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych. Ćwiczenie 3 stos Laboratorium Metod i Języków Programowania

TEORIA GRAFÓW I SIECI

Rozwiązywanie układów równań liniowych

6. Wstępne pojęcia teorii grafów

Porównanie algorytmów wyszukiwania najkrótszych ścieżek międz. grafu. Daniel Golubiewski. 22 listopada Instytut Informatyki

typ y y p y z łoż o on o e n - tab a lice c e w iel e owym m ar a o r we, e stru r kt k ury

0. ELEMENTY LOGIKI. ALGEBRA BOOLE A

3. Macierze i Układy Równań Liniowych

Transkrypt:

Podstawy Programowania 2 Grafy i ich reprezentacje Arkadiusz Chrobot Zakład Informatyki 9 czerwca 2016 1 42

Plan 1 Wstęp 2 Teoria grafów 3 Grafy jako struktury danych 4 Zastosowania grafów 2 42

Wstęp Wstęp Grafy są w informatyce strukturami danych stosowanymi w wielu zagadnieniach Zanim zaczęto je stosować w algorytmice, to były one wcześniej obecne w matematyce, gdzie pojęcie grafu wprowadził szwajcarski matematyk Leonard Euler Stało się tak, kiedy rozwiązywał on problem siedmiu mostów w Królewcu, mieście w którym mieszkał i pracował Grafy zapoczątkowały nową dziedzinę matematyki - topologię, a z czasem stały się częścią matematyki dyskretnej Zanim zajmiemy się reprezentacjami i zastosowaniami grafów poznamy kilka pojęć z nimi związanych Niestety, nie istnieje jednolita terminologia dla tego zagadnienia, więc podane definicje w niektórych opracowaniach mogą być nieco inne 3 42

Teoria grafów Teoria grafów Graf skierowany Graf skierowany G jest opisany parą (V, E), gdzie V jest zbiorem skończonym, którego elementy są wierzchołkami grafu G, a E jest relacją binarną w V i E V V Zbiór V nazywany jest krótko zbiorem wierzchołków, natomiast zbiór E nosi nazwę zbioru krawędzi G, a jego elementy nazywa się krawędziami 4 42

Teoria grafów Teoria grafów Graf nieskierowany Graf nieskierowany jest grafem, którego zbiór E jest nieuporządkowany Oznacza to, że krawędź jest zbiorem {u, v}, gdzie u, v V i u v Krawędź oznaczamy używając zapisu (u, v) Zapisy (u, v) i (v, u) oznaczają tę samą krawędź W grafie nieskierowanym nie mogą występować pętle, czyli krawędzie prowadzące do tego samego wierzchołka, z którego się zaczynają 5 42

Teoria grafów Teoria grafów 1 2 1 2 3 4 (a) Graf skierowany 3 4 (b) Graf nieskierowany Przykłady grafów 6 42

Teoria grafów Teoria grafów Rodzaje krawędzi W grafie skierowanym G = (V, E) krawędź (u, v) jest krawędzią wychodzącą z wierzchołka u i wchodzącą do wierzchołka v W grafie nieskierowanym taka krawędź (u, v) jest określana jako incydentna z wierzchołkami u i v 7 42

Teoria grafów Teoria grafów Sąsiedztwo Wierzchołek v jest sąsiedni do wierzchołka u w grafie G = (V, E) jeśli łączy te wierzchołki krawędź (v, u) W grafie skierowanym relacja sąsiedztwa nie musi być symetryczna 8 42

Teoria grafów Teoria grafów Stopień wierzchołka Stopniem wierzchołka w grafie nieskierowanym jest liczba incydentnych z nim krawędzi W grafie skierowanym stopniem wejściowym wierzchołka nazywamy liczbę krawędzi wchodzących do tego wierzchołka, a stopniem wyjściowym liczbę krawędzi z niego wychodzących W grafie skierowanym stopniem wierzchołka jest suma stopnia wejściowego i wyjściowego 9 42

Teoria grafów Teoria grafów Ścieżka Ścieżka (droga) długości k z wierzchołka u do wierzchołka u w grafie G = (V, E) jest ciągiem wierzchołków v 0, v 1, v 2,, v k takich, że u = v 0, u = v k i (v i 1, v i ) E dla i = 1, 2,, k Długość ścieżki jest liczbą krawędzi ścieżki Ścieżka zawiera wierzchołki v 0, v 1, v 2,, v k i krawędzie (v 0, v 1 ), (v 1, v 2 ),, (v k 1, v k ) Jeśli istnieje ścieżka z u do u, to mówimy, że u jest osiągalny z u po ścieżce p Ścieżka jest nazywana ścieżką prostą jeśli wszystkie jej wierzchołki są różne 10 42

Teoria grafów Teoria grafów Cykle Ścieżka v 0, v 1, v 2,, v k tworzy cykl jeśli v 0 = v k Cykl nazywamy cyklem prostym jeśli dodatkowo wszystkie jego wierzchołki są różne Pętla jest cyklem o długości 1 Graf skierowany nieposiadający pętli i krawędzi wielokrotnych (występujących więcej niż raz) nazywamy grafem prostym Graf, który nie zawiera cykli nazywamy grafem acyklicznym 11 42

Teoria grafów Teoria grafów Spójność Graf nieskierowany jest spójny jeśli każda para jego wierzchołków jest połączona ścieżką Graf silnie spójny to taki, w którym każde dwa wierzchołki są osiągalne jeden z drugiego 12 42

Teoria grafów Teoria grafów Izomorfizm Dwa grafy G = (E, V) i G = (V, E ) są izomorficzne jeśli istnieje wzajemnie jednoznaczne odwzorowanie f : v v, takie że jeśli (u, v) E, to (f(u), f(v)) E Z tej własności grafów wynika, że mając graf nieskierowany możemy zastąpić go wersją skierowaną zamieniając każdą nieskierowaną krawędź na dwie przeciwnie skierowane krawędzie Graf skierowany możemy zastąpić wersją nieskierowaną zamieniając każdą krawędź skierowaną krawędzią nieskierowaną i usuwając pętle 13 42

Teoria grafów Teoria grafów Grafy pełne i rzadkie Graf nieskierowany nazywamy grafem pełnym jeśli każda para jego wierzchołków jest połączona krawędzią Liczba krawędzi w takim grafie jest równa ( n 2), gdzie n jest liczbą wierzchołków grafu Graf zawierający małą liczbę krawędzi w stosunku do liczby wierzchołków nazywamy grafem rzadkim 14 42

Grafy jako struktury danych Istnieją dwa podstawowe sposoby reprezentowania w pamięci komputera: za pomocą macierzy sąsiedztwa lub za pomocą listy sąsiedztwa Lista sąsiedztwa może być zaimplementowana jako lista list lub jako tablica wskaźników na listy Macierze sąsiedztwa to dwuwymiarowe tablice tworzone statycznie lub dynamiczne Wiersze i kolumny w takiej macierzy reprezentują wierzchołki grafu Jeśli dwa wierzchołki w grafie łączy krawędź, to na przecięciu odpowiedniego wiersza i odpowiedniej kolumny w macierzy sąsiedztwa znajduje się liczba 1, w przeciwnym razie umieszczana tam jest wartość 0 Następne slajdy przedstawiają graf skierowany oraz nieskierowany i ich reprezentacje za pomocą listy sąsiedztwa oraz macierzy sąsiedztwa 15 42

Reprezentacje grafu nieskierowanego 1 2 3 4 5 0 1 0 0 1 1 0 1 1 1 0 1 0 1 0 0 1 1 0 1 1 1 0 1 0 5 4 1 2 4 2 5 3 3 2 4 2 1 5 3 4 1 2 5 16 42

Reprezentacje grafu nieskierowanego Po lewej stronie poprzedniego slajdu znajduje się ilustracja grafu nieskierowanego W środku znajduje się macierz sąsiedztwa, a po prawej stronie lista sąsiedztwa zrealizowana jako lista list Znaki wewnątrz elementów listy oznaczają pola wskaźnikowe o wartości null Proszę zwrócić uwagę, że macierz sąsiedztwa jest symetryczna względem swojej głównej przekątnej, a więc zachodzi równość A = A T, gdzie A to macierz sąsiedztwa Skoro ta macierz jest równa swojej macierzy transponowanej, to można zaoszczędzić miejsce w pamięci operacyjnej przechowując tylko jej elementy z macierzy trójkątnej górnej 17 42

Reprezentacje grafu skierowanego 1 2 3 4 5 6 0 1 0 1 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 6 6 5 4 4 2 3 6 5 2 5 1 2 4 18 42

Reprezentacje grafu skierowanego Podobnie jak w przypadku grafu nieskierowanego na poprzednim slajdzie przedstawiono kolejno (od lewej do prawej): ilustrację grafu, macierz sąsiedztwa i listę sąsiedztwa Macierz sąsiedztwa jest nadal macierzą kwadratową, ale nie jest już symetryczna Proszę także zwrócić uwagę, że graf posiada jedna krawędź, która jest pętlą Jest ona w macierzy reprezentowana przez jedynkę znajdującą się na przecięciu szóstej kolumny i szóstego wiersza 19 42

Reprezentacje grafów Podsumowanie Statystycznie rzecz ujmując częściej stosowaną reprezentacją grafów w informatyce jest lista sąsiedztwa Jest ona reprezentowana jak lista list lub tablica list Każdy element takiej tablicy lub listy (pionowa lista na ilustracjach z poprzednich slajdów), odpowiada jednemu wierzchołkowi grafu i wskazuje na listę wierzchołków, z którymi sąsiaduje Kolejność wierzchołków na tej ostatniej liście nie ma znaczenia Suma długości wszystkich list sąsiedztwa wynosi w przypadku grafu skierowanego E, a w przypadku grafu nieskierowanego 2 E, gdzie zapis E oznacza liczebność zbioru krawędzi grafu Reprezentacja za pomocą listy sąsiedztwa wymaga zatem O(V + E) pamięci, natomiast macierz sąsiedztwa wymaga Θ(V 2 ) Obie reprezentacje mogą być używane do reprezentowania zarówno grafów z wagami, jak i grafów bez wag W tym ostatnim przypadku można zaoszczędzić pamięć potrzebną na macierz sąsiedztwa zapisując wartość każdego jej elementu na pojedynczym bicie Jest to oszczędność pamięci kosztem czasu wykonania 20 42

Reprezentacje grafów Podsumowanie Macierze sąsiedztwa lepiej się sprawdzają od list w zagadnieniach polegających na ustalaniu, czy istnieje krawędź między wierzchołkami grafu lub (pod warunkiem, że liczba wierzchołków jest niezmienna) na dodawaniu nowych krawędzi do grafu albo usuwaniu istniejących Z kolei listy sąsiedztwa są bardziej przydatne w zagadnieniach związanych z przechodzeniem grafu (większość algorytmów grafowych wykonuje tę czynność) lub znajdywaniem stopnia wierzchołków Również lepiej nadają się one do reprezentowania grafów małych lub rzadkich Macierze sąsiedztwa są nieco lepszym rozwiązaniem, jeśli chcemy reprezentować w pamięci komputera gęste grafy Obie reprezentacje są wymienne, tzn macierz sąsiedztwa może zostać zastąpiona listą sąsiedztwa i odwrotnie Na kolejnych slajdach przedstawiony jest program, który konwertuje macierz sąsiedztwa nieskierowanego grafu, która była zaprezentowana wcześniej na listę sąsiedztwa 21 42

Grafy jako struktury danych Macierz sąsiedztwa i typ bazowy listy sąsiedztwa 1 #include<stdioh> 2 #include<stdlibh> 3 4 typedef int matrix[5][5]; 5 6 const matrix adjacency_matrix = {{0,1,0,0,1}, 7 {1,0,1,1,1}, 8 {0,1,0,1,0}, 9 {0,1,1,0,1}, {1,1,0,1,0}}; 10 11 12 struct vertex 13 { 14 int vertex_number; 15 struct vertex *next, *down; 16 } *start_vertex; 22 42

Grafy jako struktury danych Macierz sąsiedztwa i typ bazowy listy sąsiedztwa W programie będą użyte funkcje z plików nagłówkowych stdioh oraz stdlibh W wierszu nr 4 zdefiniowany jest typ tablicowy dla macierzy (tablica dwuwymiarowa, kwadratowa o 25 elementach) W wierszach 7-10 utworzona jest macierz sąsiedztwa dla grafu nieskierowanego bez wag W wierszach 12-16 zdefiniowano ty bazowy listy sąsiedztwa (listy list) Pole wskaźnikowe down będzie używane do łączenia elementów w listę wszystkich wierzchołków ( lista pionowa ), a pole next do łączenia elementów na listach sąsiedztwa ( listy poziome ) Dodatkowo w wierszu nr 16 zadeklarowana jest zmienna wskaźnikowa, która będzie wskazywała na element reprezentujący wierzchołek startowy (start_vertex) 1 Jest to zmienna globalna, zatem jej wartość początkowa wynosi null 1 Na ilustracji jest to element w lewym górnym rogu 23 42

Grafy jako struktury danych Funkcja create_vertical_list() 1 void create_vertical_list(struct vertex **start_vertex, 2 const matrix adjacency_matrix) 3 { 4 int i; 5 for(i=0; i<sizeof(matrix)sizeof(*adjacency_matrix); i++) { 6 *start_vertex = (struct vertex *) 7 malloc(sizeof(struct vertex)); 8 if(*start_vertex) { 9 (*start_vertex)->vertex_number = i+1; 10 (*start_vertex)->down = (*start_vertex)->next = NULL; 11 start_vertex = &(*start_vertex)->down; 12 } 13 } 14 *start_vertex = NULL; 15 } 24 42

Grafy jako struktury danych Funkcja create_vertical_list() Funkcja create_vertical_list() tworzy listę pionową, czyli listę wszystkich wierzchołków grafu Nie zwraca ona żadnej wartości Jej pierwszy parametr, który jest podwójnym wskaźnikiem będzie przekazany jako pierwszy argument jej wywołania adres zmienne start_vertex Ten parametr będzie również wykorzystywany wewnątrz tej funkcji w innych celach Przez drugi parametr tej funkcji przekazywana jest macierz sąsiedztwa Jest to przekazanie przez stałą, gdyż zawartość tej macierzy nie ulega zmianie Lista pionowa jest tworzona wewnątrz pętli for Liczba iteracji tej pętli jest określona przez liczbę wierzchołków grafu, czyli przez liczbę wierszy macierzy sąsiedztwa, która jest określana za pomocą wyrażenia, w którym rozmiar typu jest dzielony przez rozmiar wiersza (dereferencja wskaźnika na tablicę dwuwymiarową daje dostęp do pojedynczego wiersza tej tablicy) 25 42

Grafy jako struktury danych Funkcja create_vertical_list() W pętli for tej funkcji przydzielana jest pamięć na kolejne elementy listy pionowej Jeśli przydział się kończy sukcesem, to do pola vertex_number elementu wpisywany jest numer wierzchołka (wartość licznika pętli powiększona o jeden, gdyż numeracja wierzchołków zaczyna się od jedynki, a numeracja elementów macierzy do zera) i inicjowane są oba pola wskaźnikowe (wiersz nr 10), a następnie do wskaźnika start_vertex zapisywany jest adres pola wskaźnikowego down tego elementu (wierszy nr 11) Dzięki temu rozwiązaniu nie trzeba osobno oprogramowywać przypadku, gdy tworzony jest pierwszy element listy Po zakończeniu pętli ten wskaźnik wskazuje na pole down ostatniego elementu na liście i za jego pośrednictwem zapisywana jest do niego wartość null (wiersz nr 14) 26 42

Grafy jako struktury danych Funkcja convert_matrix_to_list() 1 struct vertex *convert_matrix_to_list(const matrix adjacency_matrix) 2 { 3 struct vertex *start_vertex = NULL; 4 create_vertical_list(&start_vertex,adjacency_matrix); 5 if(start_vertex) { 6 struct vertex *horizontal_pointer = NULL, *vertical_pointer = NULL; 7 horizontal_pointer = vertical_pointer = start_vertex; 8 int i,j; 9 for(i=0; i<sizeof(matrix)sizeof(*adjacency_matrix); i++) { 10 for(j=0; j<sizeof(matrix)sizeof(*adjacency_matrix); j++) 11 if(adjacency_matrix[i][j]) { 12 struct vertex *new_vertex = (struct vertex *)malloc(sizeof(struct vertex)); 13 if(new_vertex) { 14 new_vertex->vertex_number = j+1; 15 new_vertex->down = new_vertex->next = NULL; 16 horizontal_pointer->next = new_vertex; 17 horizontal_pointer = horizontal_pointer->next; 18 } 19 } 20 vertical_pointer = vertical_pointer->down; 21 horizontal_pointer = vertical_pointer; 22 } 23 } 24 return start_vertex; 25 } 27 42

Grafy jako struktury danych Funkcja convert_matrix_to_list() Funkcja convert_matrix_to_list() dokonuje właściwej konwersji macierzy sąsiedztwa do listy Jako wynik swojego działania zwraca wskaźnik do elementu listy list reprezentującego wierzchołek startowy, a jako argument wywołania przyjmuje przez swój jedyny parametr macierz sąsiedztwa Jest to przekazanie przez stałą Funkcja ta posiada lokalną zmienną wskaźnikową start_vertex, która jest inicjowana wartością null Tworzy ona listę pionową wywołując funkcję create_vertical_list() (wiesz nr 4) Jeśli utworzenie tej listy się powiedzie, co jest sprawdzane w wierszu nr 5, to funkcja rozpoczyna iterację po wszystkich elementach macierzy w dwóch pętlach for Wcześniej zadeklarowane i zainicjowane są wskaźniki horizontal_pointer i vertical_pointer (wiersze nr 6 i 7) Pierwszy będzie wykorzystywany do iterowania po listach poziomych, a drugi po liście pionowej 28 42

Grafy jako struktury danych Funkcja convert_matrix_to_list() Zewnętrzna pętla for iteruje po wierszach macierzy sąsiedztwa, a wewnętrzna po kolumnach Wartość indeksu kolumny powiększona o jeden oznacza numer wierzchołka grafu, z jakim sąsiaduje wierzchołek określany przez wartość indeksu wiersza Wewnątrz zagnieżdżonej pętli for funkcja sprawdza, czy wartość bieżącego elementu macierzy jest różna od zera (wiersz nr 11) Jeśli tak, to tworzony jest nowy element listy list, który będzie reprezentował wierzchołek sąsiadujący (wiersz nr 12) Jeśli jego utworzenie się powiedzie, to do tego elementu zapisywany jest numer tego wierzchołka (wiersz nr 14) i inicjowane są jego pola wskaźnikowe (wiersz nr 15), a następnie ten element dodawany jest do listy sąsiedztwa (listy poziomej ) bieżącego wierzchołka grafu (wiersze 16 i 17) W tej ostatnie czynności wykorzystywany jest wskaźnik horizontal_pointer, który wskazuje na ostatni (początkowo również pierwszy) element listy sąsiedztwa 29 42

Grafy jako struktury danych Funkcja convert_matrix_to_list() Po zakończeniu wszystkich iteracji wewnętrznej pętli for do wskaźnika vertical_pointer zapisywany jest adres kolejnego elementu na pionowej liście, czyli liście wierzchołków grafu (wiersz nr 20) Adres tego samego elementu jest również zapisywany we wskaźniku horizontal_pointer Po zakończeniu iteracji obu pętli zwracany jest przez funkcję adres wierzchołka startowego, po czym kończy ona swoje działanie 30 42

Grafy jako struktury danych Funkcja print_adjacency_list() 1 void print_adjacency_list(struct vertex *start_vertex) 2 { 3 while(start_vertex) { 4 printf("%3d:",start_vertex->vertex_number); 5 struct vertex *horizontal_pointer = start_vertex->next; 6 while(horizontal_pointer) { 7 printf("%3d",horizontal_pointer->vertex_number); 8 horizontal_pointer = horizontal_pointer->next; 9 } 10 start_vertex = start_vertex->down; 11 puts(""); 12 } 13 } 31 42

Grafy jako struktury danych Funkcja print_adjacency_list() Zadaniem funkcji, której kod źródłowy znajduje się na poprzednim slajdzie jest wypisanie zawartości listy sąsiedztwa, w takim porządku jak na ilustracjach znajdujących się na wcześniejszych slajdach Funkcja ta nic nie zwraca, ale przyjmuje przez parametr wskaźnik na element tej listy reprezentujący wierzchołek startowy W jej treści umieszczone są dwie pętle while Zewnętrzna iteruje po liście wierzchołków ( liście pionowej ), a wewnętrzna po listach sąsiedztwa związanych z danymi wierzchołkami (o ile nie są one puste) Warunkiem wykonania pętli zewnętrznej (wiersz nr 3) jest to, że wskaźnik start_vertex nie ma wartości null Jeśli jest on spełniony, to wypisywany jest numer wierzchołka umieszczony w elemencie listy wierzchołków (wiersz nr 4), a następnie deklarowany i inicjowany jest wskaźnik na listę sąsiedztwa (wiersz nr 5) Jeśli jego wartość również jest różna od null, to rozpoczyna się działanie wewnętrznej pętli while (wiersz nr 6) 32 42

Grafy jako struktury danych Funkcja print_adjacency_list() W tej pętli wypisywane są numery wierzchołków umieszczone na liście wierzchołków sąsiadujących (wiersz nr 7) Do poruszania się po niej wykorzystywany jest wskaźnik horizontal_pointer, któremu w kolejnych iteracjach pętli wewnętrznej przypisywany jest adres kolejnych elementów tej listy (wiersz nr 8) Tuż po zakończeni pętli wewnętrznej w pętli zewnętrznej wskaźnikowi start_vertex przypisywany jest adres kolejnego elementu na liście pionowej (wiersz nr 10) i kursor przemieszczany jest do kolejnego wiersza na ekranie (wiersz nr 11) 33 42

Grafy jako struktury danych Funkcja remove_adjacency_list() 1 void remove_adjacency_list(struct vertex **start_vertex) 2 { 3 while(*start_vertex) { 4 struct vertex *horizontal_pointer = (*start_vertex)->next; 5 while(horizontal_pointer) { 6 struct vertex *next_horizontal = 7 horizontal_pointer->next; 8 free(horizontal_pointer); 9 horizontal_pointer = next_horizontal; 10 } 11 struct vertex *next_vertical = (*start_vertex)->down; 12 free(*start_vertex); 13 *start_vertex= next_vertical; 14 } 15 } 34 42

Grafy jako struktury danych Funkcja remove_adjacency_list() Funkcja remove_adjacency_list(), która usuwa listę sąsiedztwa z pamięci komputera ma podobną konstrukcję do funkcji opisywanej poprzednio Podobnie jak print_adjacency_list() nie zwraca ona żadnej wartości, ale ma parametr w postaci podwójnego wskaźnika na listę sąsiedztwa Wewnątrz funkcji również wykonywane są dwie pętle while W pierwszej, jeśli lista sąsiedztwa jest niepusta (wiersz nr 3) to inicjowany jest zadeklarowany w wierszu nr 4 wskaźnik horizontal_pointer Jeśli jego wartość będzie różna od null, to wykonywana jest wewnętrzna pętla while, w której zwalniana jest lista wierzchołków sąsiadujących z wierzchołkiem, który jest reprezentowany przez element bieżąco wskazywany przez wskaźnik start_vertex 35 42

Grafy jako struktury danych Funkcja remove_adjacency_list() Zwalnianie to odbywa się zgodnie z algorytmem znanym z listy jednokierunkowej, tzn najpierw zapamiętywany jest we wskaźniku next_horizontal adres kolejnego elementu na liście wierzchołków sąsiednich (wiersze nr 6 i 7), następnie zwalniany jest element wskazywany przez horizontal_pointer (wiersz nr 8) i temu wskaźnikowi przypisywany jest adres z next_horizontal (wiersz nr 9) Po zwolnieniu całej listy wierzchołków sąsiadujących w pętli zewnętrznej usuwany jest element z listy wszystkich wierzchołków ( listy pionowej ) reprezentujący wierzchołek, z którym te z listy sąsiadowały Sposób zwalniania elementów z listy wszystkich wierzchołków jest taki sam, jak dla listy wierzchołków sąsiadujących Najpierw zapamiętywany jest adres następnego elementu na liście w zmiennej next_vertical (wiersz nr 11) Następnie zwalniana jest pamięć elementu wskazywanego przez start_vertex (wiersz nr 12) i temu wskaźnikowi jest przypisywany adres zapamiętany w next_vertical (wiersz nr 13) 36 42

Grafy jako struktury danych Funkcja remove_adjacency_list() Po zakończeniu obu pętli while lista sąsiedztwa jest całkowicie usunięta z pamięci operacyjnej komputera A wskaźnik na nią ma wartość null 37 42

Grafy jako struktury danych Funkcja main() 1 int main(void) 2 { 3 start_vertex = convert_matrix_to_list(adjacency_matrix); 4 if(start_vertex) { 5 print_adjacency_list(start_vertex); 6 remove_adjacency_list(&start_vertex); 7 } 8 return 0; 9 } 38 42

Grafy jako struktury danych Funkcja main() W funkcji main() programu najpierw na bazie macierzy sąsiedztwa tworzona jest lista sąsiedztwa przy pomocy wywołania funkcji convert_matrix_to_list() (wiersz nr 3) Jeśli ta lista nie jest pusta, co sprawdzane jest w wierszu nr 4, to najpierw wypisywana jest jej zawartość przy pomocy print_adjacency_matrix(), a następnie jest ona usuwana z pamięci komputera przez wywołanie funkcji remove_adjacency_list() Po tej czynności funkcja zwraca wartość 0 i kończy swoje działanie Tym samym kończy się działanie całego programu 39 42

Zastosowania grafów Zastosowania grafów Grafy są prostym formalizmem, który może być stosowany do znajdywania rozwiązań wielu problemów Najczęściej są to zagadnienia w których występuje potrzeba odwzorowania relacji Przykładem może być analiza sieci społecznych (ang social networks) Poza tym grafy stosowane do modelowania układów elektronicznych, topologi układów scalonych VLSI, systemów dróg zarówno lądowych, jak i wodnych oraz powietrznych oraz sieci telekomunikacyjnych Niepodważalną zaletą stosowania grafów w informatyce jest to, że istnieje wiele gotowych i efektywnych algorytmów powiązanych z tymi strukturami danych Więcej na temat tego zagadnienia można przeczytać w książce Wprowadzenie do algorytmów autorstwa T H Cormena, ChE Leisersona i R Rivesta oraz w The Algorithm Design Manual Stevena S Skieny 40 42

Zakończenie Pytania? 41 42

Zakończenie koniec Dziękuję Państwu za uwagę! 42 42