对AOV网进行拓扑排序的基本思路是:从AOV网中选择一个入度为0的顶点输出,然后删去此顶点,并删除以此顶点为尾的弧,继续重复此步骤,直到输出全部顶点或者AOV网中不存在入度为0的顶点为止。
首先我们需要确定一下这个图需要使用的数据结构。前面求最小生成树和最短路径时,我们用的都是邻接矩阵,但由于拓扑排序的过程中,需要删除顶点,显然用邻接表会更加方便。因此我们需要为AOV网建立一个邻接表。考虑到算法过程中始终要查找入度为0的顶点,我们在原来顶点表结点结构中,增加一个入度域in,结构如表7-8-1所示,其中in就是入度的数字。
in | data | firstedge |
---|---|---|
因此对于图7-8-2的第一幅图AOV网,我们可以得到如第二幅图的邻接表数据结构。
在拓扑排序算法中,涉及的结构代码如下。
/* 边表结点 */
typedef struct EdgeNode{
/* 邻接点域,存储该顶点对应的下标 */
int adjvex;
/* 用于存储权值,对于非网图可以不需要 */
int weight;
/* 链域,指向下一个邻接点 */
struct EdgeNode *next;
} EdgeNode;
/* 顶点表结点 */
typedef struct VertexNode{
/* 顶点入度*/
int in;
/* 顶点域,存储顶点信息 */
int data;
/* 边表头指针 */
EdgeNode *firstedge;
} VertexNode, AdjList[MAXVEX];
typedef struct{
AdjList adjList;
/* 图中当前顶点数和边数 */
int numVertexes,numEdges;
} graphAdjList, *GraphAdjList;
在算法中,我还需要辅助的数据结构—栈,用来存储处理过程中入度为0的顶点,目的是为了避免每个查找时都要去遍历顶点表找有没有入度为0的顶点。
现在我们来看代码,并且模拟运行它。
/* 拓扑排序,若GL无回路,则输出拓扑排序序列并返回OK,若有回路返回ERROR */
Status TopologicalSort(GraphAdjList GL){
EdgeNode *e;
int i, k, gettop;
/* 用于栈指针下标 */
int top = 0;
/* 用于统计输出顶点的个数 */
int count = 0;
/* 建栈存储入度为0的顶点 */
int *stack;
stack = (int *)malloc(GL->numVertexes * sizeof(int));
for (i = 0; i < GL->numVertexes; i++)
if (GL->adjList[i].in == 0)
/* 将入度为0的顶点入栈 */
stack[++top] = i;
while (top != 0){
/* 出栈 */
gettop = stack[top--];
/* 打印此顶点 */
printf("%d -> ", GL->adjList[gettop].data);
/* 统计输出顶点数 */
count++;
/* 对此顶点弧表遍历 */
for (e = GL->adjList[gettop].firstedge; e; e = e->next){
k = e->adjvex;
/* 将k号顶点邻接点的入度减1 */
if (!(--GL->adjList[k].in))
/*若为0则入栈,以便于下次循环输出 */
stack[++top] = k;
}
}
/*如果count小于顶点数,说明存在环 */
if (count < GL->numVertexes)
return ERROR;
else
return OK;
}
- 程序开始运行,第3~7行都是变量的定义,其中stack是一个栈,用来存储整型的数字。
- 第8~10行,作了一个循环判断,把入度为0的顶点下标都入栈,从图7-8-3的右图邻接表可知,此时stack应该为:{0,1,3},即v0 、v1 、v3的顶点入度为0,如图7-8-3所示。
- 第12~23行,while循环,当栈中有数据元素时,始终循环。
- 第14~16行,v 3 出栈得到gettop=3。并打印此顶点,然后count加1。
- 第17~22行,循环其实是对v 3 顶点对应的弧链表进行遍历,即图7-8-4中的灰色部分,找到v 3 连接的两个顶点v 2 和v 13 ,并将它们的入度减少一位,此时v 2 和v 13 的in值都为1。它的目的是为了将v 3 顶点上的弧删除。
- 再次循环,第12~23行。此时处理的是顶点v 1 。经过出栈、打印、count=2后,我们对v 1 到v 2 、v 4 、v 8 的弧进行了遍历。并同样减少了它们的入度数,此时v 2 入度为0,于是由第20~21行知,v 2 入栈,如图7-8-5所示。试想,如果没有在顶点表中加入in这个入度数据域,20行的判断就必须要是循环,这显然是要消耗时间的,我们利用空间换取了时间。
- 接下来,就是同样的处理方式了。图7-8-6展示了v 2 v 6 v 0 v 4 v 5 v 8 的打印删除过程,后面还剩几个顶点都类似,就不图示了。
- 最终拓扑排序打印结果为3->1->2->6->0->4->5->8->7->12->9->10->13->11。当然这结果并不是唯一的一种拓扑排序方案。
分析整个算法,对一个具有n个顶点e条弧的AOV网来说,第8~10行扫描顶点表,将入度为0的顶点入栈的时间复杂为O(n),而之后的while循环中,每个顶点进一次栈,出一次栈,入度减1的操作共执行了e次,所以整个算法的时间复杂度为O(n+e)。