图的存储--邻接表法
//“顶点”
typedef struct VNode{
VertexType data; //顶点信息
ArcNode *first; //第一条边/弧
}VNode,AdjList[MaxVertexNum];
//用邻接表存储的图
typedef struct{
AdjList data; //顶点信息
int vexnum,arcnum;
}ALGraph;
//“边/弧 ”
typedef struct ArcNode{
int adjvex; //边/弧指向哪个节点
struct ArcNode *next;//指向下一条弧的指针
//InfoType info; //边权值
}ArcNode;
图的广度优先遍历--BFS算法
//图的广度优先算法--BFS算法
bool visited[MAX_VERTEX_NUM]//访问标记数组
void BFSTraverse(Graph G){ //对图G进行广度优先算法
for(i=0;i<G.vexnum;++i)
visited[i]=FALSE; //访问标记数组初始化
InitQueue(Q); //初始化辅助队列Q
for(i=0;i<G.vexnum;++i) //从0号顶点开始遍历
if(!visited[i]) //对每个连同分量调用一次BFS
BFS(G,i); //vi未访问过，从vi开始BFS
}
// 广度优先遍历 通过辅助队列实现
void BFS(Graph G,int v){ //从顶点v出发，广度优先遍历图G
visit(v); //访问初始顶点v
visited[v]=TRUE; //对v做已访问标记
EnQueue(Q,v); //顶点v入队列Q
while(!isEmpty(Q)){
DeQueue(Q,v); //顶点v出队列
for(w=FirstNeighbor(G,v);w>=0;w=NextNeighbor(G,v,w))//检测v所有的邻接点
if(!visited[w]){ //w为v的尚未访问的邻接顶点
visit(w); //访问顶点w
visited[w]=TRUE; //对w做已访问标记
EnQueue(Q,w);//顶点w入队列
}//if
}//while
} 
图的深度优先遍历-DFS算法
//图的深度优先遍历算法 通过栈实现
bool visited[MAX_VERTEX_NUM]//访问标记数组
void DFSTraverse(Graph G){ //对图G进行深度优先算法
for(i=0;i<G.vexnum;++i)
visited[i]=FALSE; //访问标记数组初始化
for(i=0;i<G.vexnum;++i) //从0号顶点开始遍历
if(!visited[i]) //对每个连同分量调用一次BFS
DFS(G,i); //vi未访问过，从vi开始BFS
}
void DFS(Graph G,int v){ //从顶点v出发，深度优先遍历图G
visit(v);
visited[v]=TRUE;
for(w=FirseNeighbor(G,v);w>=0;w=NextNeighbor(G,v,w))
if(!visited[w]){ //w为v尚未访问的邻接节点
DFS(G,W);
}
}
Prim算法实现最小生成树
#include <stdio.h>
#include <limits.h> // 提供 INT_MAX 的定义
#define INF INT_MAX // 定义无穷大值
#define V 5 // 图中的顶点数量
// 函数：找到未加入MST的顶点中键值最小的顶点
int minKey(int key[], int mstSet[]) {
int min = INF, minIndex; // 初始化最小值为无穷大
// 遍历所有顶点
for (int v = 0; v < V; v++) {
// 如果顶点未加入MST且当前键值小于最小值，则更新最小值和最小值索引
if (!mstSet[v] && key[v] < min) {
min = key[v];
minIndex = v;
}
}
return minIndex; // 返回键值最小的顶点索引
}
// 函数：打印构造的MST
void printMST(int parent[], int graph[V][V]) {
printf("Edge \tWeight\n"); // 打印表头
// 遍历所有顶点（从1开始，因为0是根节点，没有父节点）
for (int i = 1; i < V; i++) {
// 打印边和权重
printf("%d - %d \t%d \n", parent[i], i, graph[i][parent[i]]);
}
}
// 函数：使用Prim算法构造并打印MST
void primMST(int graph[V][V]) {
int parent[V]; // 用于存储MST的数组
int key[V]; // 用于存储每个顶点的键值，键值代表该顶点到MST的最小距离
int mstSet[V]; // 布尔数组，用于跟踪顶点是否已加入MST
// 初始化所有键值为无穷大，所有顶点都未加入MST
for (int i = 0; i < V; i++) {
key[i] = INF;
mstSet[i] = 0;
}
key[0] = 0; // 将第一个顶点的键值设为0，以便从它开始构建MST
parent[0] = -1; // 第一个顶点没有父节点
// 构建MST，需要V-1条边
for (int count = 0; count < V - 1; count++) {
// 找到键值最小且未加入MST的顶点
int u = minKey(key, mstSet);
mstSet[u] = 1; // 将该顶点加入MST
// 更新相邻顶点的键值
for (int v = 0; v < V; v++) {
// 如果存在边，且顶点v未加入MST，且边的权重小于当前键值
if (graph[u][v] && !mstSet[v] && graph[u][v] < key[v]) {
parent[v] = u; // 更新父节点
key[v] = graph[u][v]; // 更新键值
}
}
}
// 打印构造的MST
printMST(parent, graph);
}
int main() {
// 定义一个图的邻接矩阵表示
int graph[V][V] = {
{0, 2, 0, 6, 0},
{2, 0, 3, 8, 5},
{0, 3, 0, 0, 7},
{6, 8, 0, 0, 9},
{0, 5, 7, 9, 0}
};
// 调用Prim算法函数
primMST(graph);
return 0;
}Kruskal算法实现最小生成树
#include <stdio.h>
#include <stdlib.h>
#define MAX_EDGES 100 // 定义最大边数
// 定义边的结构体
typedef struct {
int u, v, weight; // 边的两个顶点和权重
} Edge;
// 定义图的结构体
typedef struct {
int V, E; // 顶点数和边数
Edge edges[MAX_EDGES]; // 存储所有边
} Graph;
// 定义并查集的结构体
typedef struct {
int parent[MAX_EDGES]; // 父节点数组
int rank[MAX_EDGES]; // 秩数组，用于优化合并操作
} DisjointSet;
// 创建图的函数
Graph* createGraph(int V, int E) {
Graph* graph = (Graph*)malloc(sizeof(Graph)); // 分配内存
graph->V = V; // 设置顶点数
graph->E = E; // 设置边数
return graph; // 返回图的指针
}
// 查找函数，用于并查集
int find(DisjointSet* ds, int i) {
if (ds->parent[i] != i) { // 如果当前节点不是根节点
ds->parent[i] = find(ds, ds->parent[i]); // 路径压缩，递归查找根节点
}
return ds->parent[i]; // 返回根节点
}
// 合并函数，用于并查集
void unionSets(DisjointSet* ds, int x, int y) {
x = find(ds, x); // 找到x的根节点
y = find(ds, y); // 找到y的根节点
if (ds->rank[x] < ds->rank[y]) { // 如果x的秩小于y的秩
ds->parent[x] = y; // 将x的根节点设置为y的根节点
} else if (ds->rank[x] > ds->rank[y]) { // 如果x的秩大于y的秩
ds->parent[y] = x; // 将y的根节点设置为x的根节点
} else { // 如果秩相等
ds->parent[y] = x; // 将y的根节点设置为x的根节点
ds->rank[x]++; // 增加x的秩
}
}
// 比较函数，用于qsort排序
int compare(const void* a, const void* b) {
Edge* edge1 = (Edge*)a; // 将void指针转换为Edge指针
Edge* edge2 = (Edge*)b; // 将void指针转换为Edge指针
return edge1->weight - edge2->weight; // 按权重升序排序
}
// Kruskal算法实现
void kruskalMST(Graph* graph) {
DisjointSet ds; // 创建并查集
int V = graph->V; // 获取顶点数
int E = graph->E; // 获取边数
// 初始化并查集
for (int i = 0; i < V; i++) {
ds.parent[i] = i; // 每个节点的父节点初始化为自身
ds.rank[i] = 0; // 每个节点的秩初始化为0
}
// 按边的权重排序
qsort(graph->edges, E, sizeof(Edge), compare);
int e = 0; // 已选择的边数
int i = 0; // 当前处理的边的索引
// 构建最小生成树
while (e < V - 1) { // 最小生成树需要V-1条边
Edge nextEdge = graph->edges[i++]; // 获取当前边
int x = find(&ds, nextEdge.u); // 找到边的一个顶点的根节点
int y = find(&ds, nextEdge.v); // 找到边的另一个顶点的根节点
if (x != y) { // 如果两个顶点不在同一个集合中
printf("%d - %d : %d\n", nextEdge.u, nextEdge.v, nextEdge.weight); // 输出边
unionSets(&ds, x, y); // 合并两个集合
e++; // 增加已选择的边数
}
}
}
int main() {
int V = 4; // 顶点数
int E = 5; // 边数
Graph* graph = createGraph(V, E); // 创建图
// 添加边
graph->edges[0].u = 0;
graph->edges[0].v = 1;
graph->edges[0].weight = 10;
graph->edges[1].u = 0;
graph->edges[1].v = 2;
graph->edges[1].weight = 6;
graph->edges[2].u = 0;
graph->edges[2].v = 3;
graph->edges[2].weight = 5;
graph->edges[3].u = 1;
graph->edges[3].v = 3;
graph->edges[3].weight = 15;
graph->edges[4].u = 2;
graph->edges[4].v = 3;
graph->edges[4].weight = 4;
// 调用Kruskal算法
kruskalMST(graph);
return 0;
}BFS算法解决无权图的单源最短路径问题
#include <stdio.h>
#include <stdlib.h>
#include <stdbool.h>
#include <limits.h> // 用于 INT_MAX
#define MAX_VERTEX_NUM 20 // 假设图的最大顶点数
// 邻接表的边表节点
typedef struct ArcNode {
int adjvex; // 邻接点域，存储该顶点对应的下标
struct ArcNode *next; // 链域，指向下一个邻接点
} ArcNode;
// 邻接表的表头节点
typedef struct VNode {
int data; // 顶点信息
ArcNode *first; // 边表头指针
} VNode, ALGraph[MAX_VERTEX_NUM];
// 队列结构
typedef struct {
int data[MAX_VERTEX_NUM];
int front, rear;
} Queue;
// 初始化队列
void InitQueue(Queue *Q) {
Q->front = Q->rear = 0;
}
// 队列是否为空
bool IsEmpty(Queue *Q) {
return Q->front == Q->rear;
}
// 入队操作
void EnQueue(Queue *Q, int v) {
Q->data[Q->rear++] = v;
}
// 出队操作
int DeQueue(Queue *Q) {
return Q->data[Q->front++];
}
// 创建邻接表的边表节点
ArcNode* CreateArcNode(int adjvex) {
ArcNode *newNode = (ArcNode *)malloc(sizeof(ArcNode));
newNode->adjvex = adjvex;
newNode->next = NULL;
return newNode;
}
// 广度优先搜索求单源最短路径
void BFS_ShortestPath(ALGraph G, int source, int dist[]) {
bool visited[MAX_VERTEX_NUM] = {false}; // 访问标记数组
Queue Q;
InitQueue(&Q);
EnQueue(&Q, source);
visited[source] = true;
dist[source] = 0; // 源点到自身的距离为0
while (!IsEmpty(&Q)) {
int v = DeQueue(&Q);
ArcNode *p = G[v].first;
while (p != NULL) {
int w = p->adjvex;
if (!visited[w]) {
visited[w] = true;
dist[w] = dist[v] + 1; // 源点到w的距离等于源点到v的距离加1
EnQueue(&Q, w);
}
p = p->next;
}
}
}
int main() {
ALGraph G; // 邻接表
int n; // 顶点数
int e; // 边数
int source; // 源点
// 输入顶点数和边数
printf("Enter number of vertices and edges: ");
scanf("%d %d", &n, &e);
// 初始化邻接表
for (int i = 0; i < n; ++i) {
G[i].data = i;
G[i].first = NULL;
}
// 输入边
printf("Enter edges (u v):\n");
for (int i = 0; i < e; ++i) {
int u, v;
scanf("%d %d", &u, &v);
ArcNode *newNode = CreateArcNode(v);
newNode->next = G[u].first;
G[u].first = newNode;
}
// 输入源点
printf("Enter source vertex: ");
scanf("%d", &source);
// 初始化距离数组
int dist[MAX_VERTEX_NUM];
for (int i = 0; i < n; ++i) {
dist[i] = INT_MAX; // 初始化为无穷大
}
// 调用BFS求单源最短路径
BFS_ShortestPath(G, source, dist);
// 输出结果
printf("Shortest distances from source vertex %d:\n", source);
for (int i = 0; i < n; ++i) {
if (dist[i] != INT_MAX) {
printf("Vertex %d: %d\n", i, dist[i]);
} else {
printf("Vertex %d: unreachable\n", i);
}
}
return 0;
}代码二书上代码
//BFS算法解决单源最短路径问题
void BFS_MIN_Distance(Graph G,int u){
//d[i]表示从u到i节点的最短路径
for(i=0;i<G.vexnum;++i)
d[i]=INT_MAX;//初始化路径长度,即到所有的节点距离都是无穷 INT_MAX表示无穷
visited[u]=TRUE;d[u]=0; //初始化源点
EnQueue(Q,u);
while(!isEmpty(Q)){ //BFS
DeQueue(Q,u); //对头元素u出队列
for(w=FirstNeighbor(G,u);w>=0;w=NextNeighbor(G,u,w))//检测v所有的邻接点
if(!visited[w]){ //w为u的尚未访问的邻接顶点
visited[w]=TRUE; //对w做已访问标记
d[w]=d[u]+1; //路径长度+1
EnQueue(Q,w);//顶点w入队列
}//if
}//while
} 
Dijkstra算法求单源最短路径问题
#include <stdio.h> // 包含标准输入输出库
#include <stdlib.h> // 包含标准库函数
#include <limits.h> // 包含INT_MAX等宏定义
#define V 5 // 定义图中顶点的数量
// 找到距离源点最近的未处理顶点
int minDistance(int dist[], int sptSet[], int n) {
int min = INT_MAX, min_index; // 初始化最小距离为INT_MAX，用于比较
for (int v = 0; v < n; v++) { // 遍历所有顶点
if (sptSet[v] == 0 && dist[v] <= min) { // 如果顶点未处理且当前距离小于等于最小值
min = dist[v]; // 更新最小距离
min_index = v; // 更新最小距离对应的顶点索引
}
}
return min_index; // 返回距离源点最近的未处理顶点的索引
}
// 打印最短路径结果
void printSolution(int dist[], int n) {
printf("Vertex\t Distance from Source\n"); // 打印表头
for (int i = 0; i < n; i++) { // 遍历所有顶点
printf("%d \t\t %d\n", i, dist[i]); // 打印顶点编号和到源点的最短距离
}
}
// Dijkstra算法实现
void dijkstra(int graph[V][V], int src) {
int dist[V]; // 保存从源点到每个顶点的最短路径
int sptSet[V]; // 保存每个顶点是否已经被处理（最短路径集合）
// 初始化所有距离为无穷大，sptSet[]为false
for (int i = 0; i < V; i++) {
dist[i] = INT_MAX; // 初始距离设为无穷大
sptSet[i] = 0; // 初始时所有顶点都未处理
}
// 源点到自身的距离是0
dist[src] = 0; // 源点到自身的距离为0
for (int count = 0; count < V - 1; count++) { // 迭代V-1次，找到所有顶点的最短路径
// 选择距离源点最近的未处理顶点
int u = minDistance(dist, sptSet, V); // 调用minDistance函数找到最近的顶点
sptSet[u] = 1; // 标记该顶点已处理
// 更新相邻顶点的距离
for (int v = 0; v < V; v++) { // 遍历所有顶点
// 如果顶点v未处理，且u到v有边，且u到v的路径长度小于当前已知的最短路径
if (!sptSet[v] && graph[u][v] && dist[u] != INT_MAX && dist[u] + graph[u][v] < dist[v]) {
dist[v] = dist[u] + graph[u][v]; // 更新v的最短路径
}
}
}
printSolution(dist, V); // 打印最终的最短路径结果
}
int main() {
/* 假设图的邻接矩阵如下：
例图是一个有向图，顶点编号为0到4
0 -- 4 --> 1
| ^
8 |
| 1
v |
2 -- 2 --> 3 -- 7 --> 4
3 6
^ |
| |
7 --------*/
int graph[V][V] = {{ 0, 4, 0, 0, 0 }, // 邻接矩阵表示图的边权重
{ 0, 0, 8, 0, 0 },
{ 0, 0, 0, 2, 0 },
{ 0, 0, 0, 0, 7 },
{ 0, 0, 0, 0, 0 }};
dijkstra(graph, 0); // 从顶点0开始计算最短路径
return 0; // 程序结束
}
Floyd算法解决单源最短路径问题
#include <stdio.h>
#include <limits.h> // 包含INT_MAX等宏定义
#define V 5 // 定义图中顶点的数量
// 打印最短路径矩阵
void printSolution(int dist[][V]) {
printf("The following matrix shows the shortest distances between every pair of vertices:\n");
for (int i = 0; i < V; i++) {
for (int j = 0; j < V; j++) {
if (dist[i][j] == INT_MAX) // 如果距离为INT_MAX，表示没有路径
printf("%7s", "INF");
else
printf("%7d", dist[i][j]); // 打印距离
}
printf("\n");
}
}
// Floyd算法实现
void floydWarshall(int graph[][V]) {
int dist[V][V]; // 创建一个二维数组dist，用于存储最短路径
// 初始化dist矩阵为图的邻接矩阵
for (int i = 0; i < V; i++)
for (int j = 0; j < V; j++)
dist[i][j] = graph[i][j];
// 动态规划求解所有顶点对之间的最短路径
for (int k = 0; k < V; k++) { // k表示中间顶点
for (int i = 0; i < V; i++) { // i表示源顶点
for (int j = 0; j < V; j++) { // j表示目标顶点
// 如果i到j通过k的路径更短，则更新dist[i][j]
if (dist[i][k] + dist[k][j] < dist[i][j])
dist[i][j] = dist[i][k] + dist[k][j];
}
}
}
// 打印最终的最短路径矩阵
printSolution(dist);
}
int main() {
/* 假设图的邻接矩阵如下：
例图是一个有向图，顶点编号为0到4
0 -- 5 --> 1
| ^
8 |
| 2
v |
2 -- 3 --> 3 -- 4 --> 4
3 6
^ |
| |
7 --------*/
int graph[V][V] = { { 0, 5, INT_MAX, 8, INT_MAX },
{ INT_MAX, 0, 2, INT_MAX, INT_MAX },
{ INT_MAX, INT_MAX, 0, 3, 4 },
{ INT_MAX, INT_MAX, INT_MAX, 0, 6 },
{ 7, INT_MAX, INT_MAX, INT_MAX, 0 } };
// 调用Floyd算法
floydWarshall(graph);
return 0; // 程序结束
}
总结
逆拓扑排序的实现（DFS算法）
//逆拓扑排序的实现（DFS算法）
void DFSTraverse(Graph G){ //对图G进行深度优先遍历
for(v=0;v<G.vexnum;++v)
visited[v]=false;//初始化已访问标记数据
for(v=0;v<G.vexnum;++v)//本代码从0开始遍历
if(!visited[v])
DFS(G,v);
}
void DFS(Graph G,int v){ //从顶点v出发，深度优先遍历图G
visited[v]=true; //设已访问标记
for(w=FirstNeighbor(G,v);w>=0;w=NextNeighbor(G,v,w))
if(!visited[w]){ //w为u的尚未访问的邻接节点
DFS(G,w);
}
print(v);
//在所有邻接顶点都被访问后，打印顶点 v。
//这一步实现了逆拓扑排序，因为顶点 v 在其所有邻接顶点之后被打印。
} 
拓扑排序的实现
//拓扑排序的实现
bool TopologicalSort(Graph G){
InitStack(S); //初始化栈，存储入度为0的顶点
for(int i=0;i<G.vexnum;i++)
if(indegree[i]==0)
Push(S,i); //将所有入度为0的顶点进栈
int count=0; //计数，记录当前已经输出的顶点数
while(!IsEmpty(S)){ //栈不空，则存在入度为0的顶点
Pop(S,i);//栈顶元素出栈
print[count++]=i;//输出顶点i
for(p=G.vertices[i].firstarc;p;p=p->nextarc){
//将所有i指向的顶点的入度减1，并且将入度减为0的顶点压入栈 S
v=p->adjvex;
if(!(--indegree[v]))
Push(S,v);//入度为0，则入栈
}
} //while
if(count<G.vexnum)
return false;//排序失败，有向图中有回路
else
return true;//拓扑排序成功
}