第九周项目3-稀疏矩阵的三元组表示的实现及应用(1)

稀疏矩阵三元组表示
本文介绍了一种使用三元组表示稀疏矩阵的方法,并提供了具体的算法实现,包括创建三元组表示、元素赋值、输出三元组以及矩阵转置等功能。
部署运行你感兴趣的模型镜像
copyright (c) 2016,烟台大学计算机学院 
 
All rights reserved. 
 
文件名称:1.cpp 
 
作者:孟令康
 
完成日期:2016年9月12日 
 
版本号:v1.0 
 
问题描述:(1)建立稀疏矩阵三元组表示的算法库,包括:  
           ① 头文tup.h,定义数据类型,声明函数;  
           ② 源文件tup.cpp,实现稀疏矩阵三元组表示的基本运算,主要算法包括: 
            void CreatMat(TSMatrix &t,ElemType A[M][N]);  //从一个二维稀疏矩阵创建其三元组表示 
            bool Value(TSMatrix &t,ElemType x,int i,int j);  //三元组元素赋值 
            bool Assign(TSMatrix t,ElemType &x,int i,int j);  //将指定位置的元素值赋给变量 
            void DispMat(TSMatrix t); //输出三元组 
            void TranTat(TSMatrix t,TSMatrix &tb);//矩阵转置 
            ③ 设计main函数,测试上面实现的算法  

输入描述:测试数据。 

程序输出:三元组对应操作的输出。 

代码

main.cpp:

#include <stdio.h>
#include"tup.h"  
int main()  
{  
    TSMatrix t,tb;  
    int x,y=10;  
    int A[6][7]=  
    {  
        {0,0,1,0,0,0,0},  
        {0,2,0,0,0,0,0},  
        {3,0,0,0,0,0,0},  
        {0,0,0,5,0,0,0},  
        {0,0,0,0,6,0,0},  
        {0,0,0,0,0,7,4}  
    };  
    CreatMat(t,A);  
    printf("b:\n");  
    DispMat(t);  
    if (Assign(t,x,2,5)==true)  //调用时返回true  
        printf("Assign(t,x,2,5)=>x=%d\n",x);  
    else  //调用时返回false  
        printf("Assign(t,x,2,5)=>参数错误\n");  
    Value(t,y,2,5);  
    printf("执行Value(t,10,2,5)\n");  
    if (Assign(t,x,2,5)==true)  //调用时返回true  
        printf("Assign(t,x,2,5)=>x=%d\n",x);  
    else  //调用时返回false  
        printf("Assign(t,x,2,5)=>参数错误\n");  
    printf("b:\n");  
    DispMat(t);  
    TranTat(t,tb);  
    printf("矩阵转置tb:\n");  
    DispMat(tb);  
    return 0;  
}  

tup.h:

#include "stdio.h"  
#define M 6  
#define N 7  
#define MaxSize  100         //矩阵中非零元素最多个数  
typedef int ElemType;  
typedef struct  
{  
    int r;                  //行号  
    int c;                  //列号  
    ElemType d;             //元素值  
} TupNode;                  //三元组定义  
  
typedef struct  
{  
    int rows;               //行数  
    int cols;               //列数  
    int nums;               //非零元素个数  
    TupNode data[MaxSize];  
} TSMatrix;                 //三元组顺序表定义  
void CreatMat(TSMatrix &t,ElemType A[M][N]);  //从一个二维稀疏矩阵创建其三元组表示  
bool Value(TSMatrix &t,ElemType x,int i,int j);  //三元组元素赋值  
bool Assign(TSMatrix t,ElemType &x,int i,int j); //将指定位置的元素值赋给变量  
void DispMat(TSMatrix t);//输出三元组  
void TranTat(TSMatrix t,TSMatrix &tb);//矩阵转置  
tup.cpp:

#include <stdio.h>
#include"tup.h"  
//TSMatrix储存行的个数、列的个数、及非0的个数、tupnode数组(包含每个元素的row,col和实际值)  
  
void CreatMat(TSMatrix &t,ElemType A[M][N])//从一个二维稀疏矩阵创建其三元组表示  
{  
    int i=0,j=0;  
    t.cols=N;  
    t.rows=M;  
    t.nums=0;  
    while(i<M)  
    {  
        while(j<N)  
        {  
            if(A[i][j]!=0)  
            {  
                t.data[t.nums].d=A[i][j];  
                t.data[t.nums].r=i;  
                t.data[t.nums].c=j;  
                t.nums++;  
            }  
            j++;  
        }  
        j=0;  
        i++;  
    }  
}  
  
bool Value(TSMatrix &t,ElemType x,int i,int j)  
{  
    if(i>t.rows||j>t.cols)  
    {  
        return false;  
    }  
  
    int k=0,k1;  
    while(k<t.nums&&i>t.data[k].r)  
    {  
        k++;  
    }  
    while(k<t.nums&&i==t.data[k].r&&j>t.data[k].c)  
    {  
        k++;  
    }  
     if (t.data[k].r==i && t.data[k].c==j)   //存在这样的元素  
        t.data[k].d=x;  
    else  
    {  
        k1=t.nums-1;  
        while(k<=k1)  
        {  
            t.data[k1+1].r=t.data[k1].r;  
            t.data[k1+1].c=t.data[k1].c;  
            t.data[k1+1].d=t.data[k1].d;  
            k1--;  
        }  
        t.data[k].r=i;  
        t.data[k].c=j;  
        t.data[k].d=x;  
        t.nums++;  
        return true;  
    }  
}  
//三元组元素赋值  
bool Assign(TSMatrix t,ElemType &x,int i,int j)  
{  
    if(i>t.rows||j>t.cols)  
    {  
        return false;  
    }  
  
    int k=0;  
    while(k<t.nums&&i>t.data[k].r&&j>t.data[k].c)  
    {  
        if(t.data[k].r==i&&t.data[k].c==j)  
        {  
              
            break;  
        }  
        k++;  
  
    }  
    if(t.data[k].r==i&&t.data[k].c==j)  
    {  
        x=t.data[k].d;  
    }  
    else x=0;  
    return true;  
  
} //将指定位置的元素值赋给变量  
void DispMat(TSMatrix t)  
{  
    int i;  
    if (t.nums<=0)          //没有非零元素时返回  
        return;  
    printf("\t%d\t%d\t%d\n",t.rows,t.cols,t.nums);  
    printf("\t------------------\n");  
    for (i=0; i<t.nums; i++)  
        printf("\t%d\t%d\t%d\n",t.data[i].r,t.data[i].c,t.data[i].d);  
  
  
}//输出三元组  
void TranTat(TSMatrix t,TSMatrix &tb)       //矩阵转置  
{  
    int p,q=0,v;                    //q为tb.data的下标  
    tb.rows=t.cols;  
    tb.cols=t.rows;  
    tb.nums=t.nums;  
    if (t.nums!=0)                  //当存在非零元素时执行转置  
    {  
        for (v=0; v<t.cols; v++)        //tb.data[q]中的记录以c域的次序排列  
            for (p=0; p<t.nums; p++)    //p为t.data的下标  
                if (t.data[p].c==v)  
                {  
                    tb.data[q].r=t.data[p].c;  
                    tb.data[q].c=t.data[p].r;  
                    tb.data[q].d=t.data[p].d;  
                    q++;  
                }  
    }  
}  
运行结果:


知识点总结:

       稀疏矩阵的三元组表示。

学习心得:

       用数组完成稀疏矩阵的三元组表示。

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
<think>好的,用户让我介绍稀疏矩阵三元组转置。我需要先回忆下相关的知识,确保自己理解正确。首先,稀疏矩阵是指大部分元素为零的矩阵,为了节省存储空间,通常会用三元组的形式来表示,也就是记录每个非零元素的行号、列号和值。转置操作就是把矩阵的行和列交换,所以对于三元组来说,原本的行号变成列号,列号变成行号,但值不变。不过,直接交换行和列可能不会保持原来的行优先顺序,所以需要考虑如何高效地进行转置。 接下来,我应该分步骤解释转置的过程。首先,可能需要解释三元组存储的结构,比如每个元素包括row、col、value。然后,转置后的矩阵需要每个元素的row和col交换,但如何保持新的行顺序呢?因为原矩阵是按行优先存储的,转置后的矩阵应该按列优先,也就是行号从小到大排列。这时候,可能需要用到某种排序方法,比如先按列号排序原三元组,然后交换行列,或者使用快速转置算法,避免显式排序。 然后,我需要考虑两种方法:普通转置和快速转置。普通转置可能涉及遍历原矩阵的每列,将对应列的元素放到转置后的行中,但这样时间复杂度可能较高,尤其是当列数很多的时候。而快速转置算法则通过预先统计每列的非零元素数量,确定转置后每行的起始位置,从而次性放置元素,提高效率。 在解释过程中,要注意使用例子来说明。例如,给出个原始的三元组,展示转置后的结果,并说明步骤。同时,比较不同方法的时间复杂度,普通转置是O(cols*elements),而快速转置是O(cols + elements),更适合大规模数据。 另外,需要提醒用户注意实现时的细节,比如索引是从0还是1开始,以及如何处理相同行列的情况,确保转置后的矩阵正确无误。可能还需要提到稀疏矩阵转置的应用场景,比如在数值计算、图像处理等领域,节省存储和计算资源。 最后,要确保回答结构清晰,按照用户的要求分步骤说明,使用中文,数学公式用正确的LaTeX格式,行内公式用$...$,独立公式用$$...$$。检查是否有遗漏的步骤或可能的误解,确保信息准确可靠。</think>稀疏矩阵三元组转置是种优化存储和计算效率的算法。以下分步骤详细介绍: --- ### **1. 三元组表示** 稀疏矩阵的非零元素用三元组$(row, col, value)$存储,例如: $$ \begin{bmatrix} 0 & 5 & 0 \\ 3 & 0 & 0 \\ 0 & 0 & 9 \\ \end{bmatrix} $$ 对应的三元组为: $$(0,1,5),\ (1,0,3),\ (2,2,9)$$ --- ### **2. 转置定义** 矩阵转置是将原矩阵的行列互换。例如,上述矩阵转置后为: $$ \begin{bmatrix} 0 & 3 & 0 \\ 5 & 0 & 0 \\ 0 & 0 & 9 \\ \end{bmatrix} $$ 对应新三元组:$$(0,1,3),\ (1,0,5),\ (2,2,9)$$ --- ### **3. 转置算法步骤** #### **(1) 普通转置法** - **时间复杂度**:$O(\text{cols} \times \text{num\_elements})$ - **步骤**: 1. 遍历原三元组,对所有元素交换其$row$和$col$。 2. 按照新的$row$(原$col$)进行排序。 **示例**: 原三元组$(0,1,5),\ (1,0,3),\ (2,2,9)$ 交换行列后:$(1,0,5),\ (0,1,3),\ (2,2,9)$ 按新$row$排序后:$(0,1,3),\ (1,0,5),\ (2,2,9)$ --- #### **(2) 快速转置法** - **时间复杂度**:$O(\text{cols} + \text{num\_elements})$ - **步骤**: 1. 统计原矩阵每列的非零元素数(即转置后每行的非零数)。 2. 计算转置后每行的起始位置。 3. 遍历原三元组,按新起始位置填入转置结果。 **公式定义**: - 设原矩阵有$cols$列,$num\_elements$个非零元素。 - 转置后第$i$行的起始位置为: $$ \text{start\_pos}[i] = \sum_{k=0}^{i-1} \text{count}[k] $$ 其中$\text{count}[k]$是原矩阵第$k$列的非零元素数。 --- ### **4. 算法对比** | 方法 | 时间复杂度 | 适用场景 | |------------|--------------------------|-----------------------| | 普通转置 | $O(\text{cols} \times \text{num\_elements})$ | 小规模矩阵 | | 快速转置 | $O(\text{cols} + \text{num\_elements})$ | 大规模稀疏矩阵 | --- ### **5. 实现注意事项** - 索引通常从0开始(需与编程语言致)。 - 若存在多个相同行列元素,需合并或按规则处理。 - 适用于科学计算(如有限元分析)、图像压缩等领域。 通过合理选择算法,可高效实现稀疏矩阵的转置操作。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值