c++图论vector邻接表与链式前向星性能差异

最新推荐文章于 2025-04-04 08:00:00 发布
最新推荐文章于 2025-04-04 08:00:00 发布
阅读量7.9k 收藏 23
点赞数 24
分类专栏： C++ 算法 蓝桥杯 文章标签： 图论 c 数据结构 算法 STL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_19895789/article/details/80106395
版权

一句话概括：如果以后能用链式前向星的话(知道边数的情况下)就尽量用链式前向星别用vector邻接表

因为我以前学图论的时候，先接触到的就是vector邻接表的写法，所以后来一直都是用vector邻接表的写法，后来也接触到了链式前向星的写法，然后那时候也了解到了vector邻接表与链式前向星有内存性能上的差异，因为vector扩充时是默认多申请2倍空间，所以一些特别变态的题目可能会卡内存只能用链式前向星的写法写。不过当时也没特别在意，也想着到时候看边数量特别大的话再说，vector邻接表也写惯了，可是最近居然被卡了两道时间的题目，让我意识到可能链式前向星写法与vector写法还有时间上的差距，我猜与STL实现上有关。（更新：最近看STL源码剖析，vector每次扩充都要copy一遍元素到新内存块，肯定会慢很多的）

我就拿其中一题来举例吧

 

问题描述

农夫约翰正在针对一个新区域的牛奶配送合同进行研究。他打算分发牛奶到T个城镇（标号为1..T），这些城镇通过R条标号为（1..R）的道路和P条标号为（1..P）的航路相连。

每一条公路i或者航路i表示成连接城镇Ai（1<=A_i<=T）和Bi（1<=Bi<=T）代价为Ci。每一条公路，Ci的范围为0<=Ci<=10,000；由于奇怪的运营策略，每一条航路的Ci可能为负的，也就是-10,000<=Ci<=10,000。

每一条公路都是双向的，正向和反向的花费是一样的，都是非负的。

每一条航路都根据输入的Ai和Bi进行从Ai->Bi的单向通行。实际上，如果现在有一条航路是从Ai到Bi的话，那么意味着肯定没有通行方案从Bi回到Ai。

农夫约翰想把他那优良的牛奶从配送中心送到各个城镇，当然希望代价越小越好，你可以帮助他嘛？配送中心位于城镇S中（1<=S<=T）。

输入格式

输入的第一行包含四个用空格隔开的整数T

最低0.47元/天 解锁文章
dfs 【链式前向星速度在此秒杀vector】
zoro_n的博客
04-23 713
题意： 给你n个点的地图，这个地图由n-1条边链接，那肯定是树了，然后给你m个起点，问你从这m个起点出发到达1，路上消灭的叛军数量。 题解： 直接从1深搜，跑一边地图，回溯时，如果出现起点，那么之前的叛军全部消灭。 值得注意的是  vector的速度在这道题远远大于链式前向星。 以后慎用vector。。。 #include #include #include #
一篇文章帮你弄懂邻接矩阵，邻接表和链式前向星的区别
欢迎来到“曲终酣兴晚^R”的博客~
07-31 4191
万字爆肝，十分钟带你了解邻接表，邻接矩阵，链式前向星的本质区别，图文并茂，适合小白（超超超详细！）
链式前向星与邻接表对比
热门推荐
ZHangFFYY的博客
09-06 1万+
本文图片及数据对于这样一张有向图： 输入边的顺序如下： 1 2 2 3 3 4 1 3 4 1 1 5 4 5对于邻接表来说是这样的： 1 -> 2 -> 3 -> 5 2 -> 3 3 -> 4 4 -> 1 -> 5 5 ->^对于链式前向星来说是这样的：edge[0].to = 2; edge[0].next = -1; head[1] = 0;
【算法笔记】链式前向星存图（保姆级教学，详细图解+代码实现）
最新发布
weixin_74297512的博客
04-04 973
链式前向星实际上是用静态链表实现的邻接表。建立链式前向星的过程实际上是模拟了头插法。边集数组其实就是按照顺序保存图中所有边的情况（边的起点，指向哪个点，权重多少），头节点保存的是图中每个点与之相连的第一个点的位置（也就是下标）。edge的下标是从0开始的头节点head初始化为 -1，表示没有边相连每次进行插入的时候需要更新head所保存的第一个节点。
邻接表与链式前向星
xl2015190026的博客
04-20 4045
ZOJ 3877 Earthstone Keeper 又遇到了一道卡空间常数的题目。 如果用链式前向星就刚好卡过，如果用邻接表就超空间。 原因是本题点巨多（1e5），但边相对来讲巨少（每个点最多8条边）。 如果用邻接表来实现的话，一般就用vector嘛，我们都知道vector都是自动扩容的，在空间满了以后，就自动申请多一倍空间。 如下代码所示。 #include #defi
链式前向星 邻接表 哪个快_83-图的存储-矩阵-邻接表-链式前向星(超清晰的来龙去脉)...
weixin_40001519的博客
11-23 355
前向星是存图存树的工具.存图可以用矩阵-二维数组,比如:简单易懂,确定节点关系直接edge[i][j]即可.但是,也存在问题,如果要找i的所有临近节点,需要遍历完i行;此外,对于稀疏图,矩阵存储会存在大量的空间浪费.可以用邻接链表存储图:为每个顶点建立一个链表,第i个链表表示从节点i出发的所有节点,例如邻接链表在查找结点i的(全部)邻接节点时比较有效;存储空间也是O(N+E)节点数+边数.适合稀疏...
新手小白必看 -- vector 和 链式前向星 存无权图
weixin_45836300的博客
05-30 1037
学习数据结构有两种常见的 邻接表 和 矩阵，矩阵太费空间， 表写起来很复杂 vector 优点：动态内存管理, 更节省空间 vector 的写法, 直接背模板就好啦 /* vector 无权无向图 4 4 1 4 4 2 2 3 3 1 DFS(1); 结果 1 4 2 3 */ #include<bits/stdc++.h> using namespace std; vector<int> v[105]; // 这
C++中邻接矩阵、邻接表、链式前向星具体用法及讲解
lsy201009的博客
03-03 1856
邻接矩阵基本没用有边的数量就用链式前向星，否则就邻接表。
邻接矩阵，邻接表，链式前向星
Prime me的博客
11-19 819
邻接矩阵，邻接表，链式前向星 1，邻接矩阵：n*n的数组； 书写简便，直观高效但存储量小。 int a[100][100]; cin>>n>>m;//n个点，m条边 for(int i=1;i<=m;i++)//存储方式 { int u,v,w; cin>>u>>v>>w; //无向边两次，有向一次 a[u][v]=w; a[v][u]=w; } for(int i=1;i<=n;i++)//遍历
cpp代码-链式前向星模板
07-16
链式前向星模板是图论算法中常用的一种数据结构设计，主要应用于邻接表表示图，特别是有向图和无向图。在C++编程中，它可以帮助我们高效地处理图的各种操作，如添加边、查找边以及进行深度优先搜索（DFS）和广度优先...
迪杰斯特拉最全详解（朴素版，堆优化+邻接表存图/链式前向星存图）
少年白马
05-25 4462
迪杰斯特拉迪杰斯特拉算法分析朴素版迪杰斯特拉迪杰斯特拉堆优化（邻接表存图）迪杰斯特拉堆优化（链式前向星存图）最短路——spfa（链式前向星存图） 迪杰斯特拉算法分析 一般用三种数据结构存图，即邻接矩阵，邻接表，链式前向星 1.邻接矩阵 用二维数组储存即可int graph[maxn][maxn];, graph[i][j]储存结点i到j边的权值 优点 适合稠密图，编码非常简短，对边的存储，查询，更新等操作又快又简单，只需要一步就能访问和修改。 缺点 存储复杂度O(V^2)太高 一般情况下不能存储重边 2
邻接表&链式前向星
weixin_30415801的博客
01-30 192
链式前向星： 适合点多、边少的情况 不适用于大量遍历出边的题目(因为cache miss) 邻接表： 如果用邻接表来实现的话，一般就用vector嘛，我们都知道vector都是自动扩容的，在空间满了以后，就自动申请多一倍空间。 对于这样一张有向图： 输入边的顺序如下： 1 2 2 3 3 4 1 3 4 1 1 5 4 5 对于邻接表来说是这样的： 1 -...
两种常用建图方法（vector实现邻接表，链式前向星）
qq_52441682的博客
05-19 4764
文章目录前言一、vector实现邻接表1.优点2.思路3.实现代码二、链式前向星1.优点2.思路3.实现代码 前言 介绍两种建图的方法： 1.用vector实现的邻接表建图 2.链式前向星（邻接表的数组实现） 如果是一个稀疏图，在邻接矩阵中，会出现大量边的浪费，那么我们的思路是使用邻接表，但邻接表的实现方式也存在差异： 1.链表实现 2.vector实现 3.链式前向星 不同的实现方式在原理上存在一些差异，这里将介绍后两种方法，也是我们在做题时最常用的方法。 一、vector实现邻接表 1.优点
图论之图的存储 邻接矩阵、邻接表和链式前向星
harry12138小白的博客
06-05 1006
一、图的存储方式 目前常用的图的存储方式有两种，邻接矩阵和邻接表存储。 边数M小于顶点N平方的图为稀疏图，反之为稠密图。稀疏图可用邻接表存储，稠密图可用邻接矩阵存储。邻接表可用数组或链表实现，邻接矩阵可用二维数组实现。 二、邻接矩阵 1、邻接矩阵简介 邻接矩阵很好理解，实质是用二维数组来存储一个图的各边的信息，例如用矩阵e[ i ][ j ]来存储，其中下标i是指一条边的起点的编号，而下标j就是该边终点的编号，e[ i ][ j ]的值存的是该边的权值。 用邻接矩阵既可以存储无向图，也可以存储有向图。例如
邻接表法存图与链式前向星法存图
Mark_Z12138的博客
07-25 389
邻接表法 邻接表就是用vector来进行存放的 代码实现(以无向图为例) vector <int > e[ MAXN ]; // edge vector <int > v[ MAXN ]; // val cin >>a>>b>>c; e[a]. push_back (b); v[a]. push_back (c); e[b]. push_...
邻接表 链式前向星
zi_wan的博客
12-09 237
//链式前向星  #include #include using namespace std; int cnt,last[10],a[10],n; struct edge{ int to,next;//每个结点存一条边，next表示下一条边，to表示这条边的终点 }edge[505]; void add(int bg,int ed) { cnt++;  edge[cnt].t
邻接表（链式向前星）
qq_42211531的博客
07-14 990
邻接表（链式向前星） 链式向前星：用来储存边的信息的以中方法。优点：速度快，节省空间，很常用 如果我们用 Vector 来建边，相当于开的是一个动态的二维数组，较数组模拟来说比较慢。 有时候还卡空间(被某一道题卡崩的YMF学长：我再用Vector建边我是
【邻接表】邻接表的静态实现（链式前向星）及vector实现
Qiuker_jl的博客
12-07 1309
文章目录链表（数组模拟）引入模板邻接表引入 链表（数组模拟） 引入 链表相比于数组： 优势： 插入删除操作非常快，并且因为动态分配内存的缘故，即便事先不知道数据范围的大小也没关系，对内存的使用效率较高； 劣势： 查询速度慢，且可能内存泄漏。而且，在ACM比赛中用链表写的程序不容易调试 所以，可以使用数组来模拟链表，因为ACM的题目都会事先给出数据的范围。 模板 用数组模拟链表，就是给每一个结点编一个号，用这个号码来代替指针指向结点 结点的建立： const int maxn=10000000; typed
链式前向星模板
03-20
<think>好的，我现在需要帮助用户找到关于链式前向星的数据结构模板，可能用于图算法实现。首先，我得回忆链式前向星的基本概念和结构。根据用户提供的引用内容，链式前向星是图的一种存储方式，常用于算法竞赛和高效率图论算法，是对向前星代码的优化。用户引用的资料提到它比邻接表和邻接矩阵更高效但更难理解。 接下来，我需要整理链式前向星的组成部分。通常，它包含三个数组：边数组（存储边的信息）、头数组（记录每个顶点的第一条边）和next数组（指向下一条边的索引）。根据引用[3]中的例子，比如ne数组的结构，可以推断出每个节点通过头数组和next数组链接起来，形成链表结构。 然后，考虑如何构建链式前向星。添加边的时候，使用头插法，更新头数组和next数组。这部分需要详细解释，可能还要给出代码示例。用户提供的引用中有C++的代码片段，但用户可能需要不同语言的模板，不过根据引用内容，C++是主要提到的语言，所以应该以C++为例。 另外，遍历链式前向星的过程也很重要。需要从头数组出发，沿着next数组依次访问每个节点的邻边。这部分需要代码示例说明如何遍历，比如在Dijkstra算法中的应用，如引用[2]提到的。 用户可能还需要了解链式前向星的优缺点，比如空间效率高，适合稀疏图，但理解和实现起来比较复杂。需要对比邻接表和邻接矩阵，解释为什么链式前向星更优。 最后，生成相关问题时要围绕链式前向星的应用、优化、对比其他结构以及具体算法中的使用，比如最短路径问题中的Dijkstra算法，如引用[2]中的例子。 需要确保回答的结构清晰，分点说明实现步骤，给出代码模板，并解释每个部分的作用。同时，引用提供的资料来支持内容，比如引用链式前向星的构建和遍历方法，以及具体的代码结构。</think>### 链式前向星数据结构实现指南 链式前向星是一种高效存储稀疏图的数据结构，通过**头插法链表**管理边的连接关系。其核心组件包含： - `head[]`：顶点索引表，存储每个顶点的最新边编号 - `edge[]`：边数据容器，记录目标顶点和边权 - `next[]`：链表指针，维护邻接边的遍历顺序 - `idx`：动态边计数器 #### C++模板实现 ```cpp #include <vector> using namespace std; const int MAXN = 1e5 + 5; // 最大顶点数 const int MAXM = 2e5 + 5; // 最大边数 struct Edge { int to; // 目标顶点 int w; // 边权（可选） int next; // 下条边索引 } edge[MAXM]; int head[MAXN]; // 顶点索引表 int idx = 0; // 边计数器 // 初始化图结构 void init() { fill(head, head + MAXN, -1); idx = 0; } // 添加有向边 void add_edge(int u, int v, int weight) { edge[idx].to = v; edge[idx].w = weight; edge[idx].next = head[u]; // 头插法建立链表 head[u] = idx++; // 更新顶点最新边 } // 添加无向边（双向添加） void add_undirected(int u, int v, int w) { add_edge(u, v, w); add_edge(v, u, w); } ``` #### 遍历邻接边示例 ```cpp // 遍历顶点u的所有邻边 void traverse(int u) { for(int i = head[u]; i != -1; i = edge[i].next) { int v = edge[i].to; int w = edge[i].w; // 处理边(u->v)的权值w } } ``` ### 结构对比分析 | 存储方式 | 空间复杂度 | 查询效率 | 适用场景 | |----------------|------------|----------|----------------| | 邻接矩阵 | $O(n^2)$ | $O(1)$ | 稠密图 | | 邻接表 | $O(n+m)$ | $O(d)$ | 通用场景 | | **链式前向星** | $O(m)$ | $O(d)$ | 稀疏图/竞赛场景[^1] | ### 算法应用场景 1. **最短路径算法**：Dijkstra算法中高效访问邻接边[^2] 2. **网络流算法**：Ford-Fulkerson方法中的残余网络表示 3. **图遍历算法**：DFS/BFS的邻接边迭代
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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