数据结构实验报告

这个 Matlab 程序由 Ali Khaledi-Nasab @Ohio_University 编写在这里，我们使用 4 种不同类型的分支生成随机树网络。 主程序是“Tree_Generator_main.m” 打开此程序后，您可以在 4 种类型的分支之间进行选择。 1、Full_Binary_Branching：分支为m2=2，直到第2代，要么为0，要么为2，零分支的概率为p0。 2. General_Binary_Branching：根的零分支为1或2，其余为0、1或2。 p(m1)=p0, p(m1)=p(m2)=(1- p0）/ 2 3. Uniform_Branching：第二代后允许零分支，因此在根处的分支为（1-nd）。 对于其余的，它是（0-nd）。 分支是使用统一随机数生成的。 4. Binomial_Branching：在第二代之后允许零分支，因此在根的分支是

像 gplot 一样绘制图形。 但允许用户输入具有加权边和/或加权顶点的邻接矩阵。 边缘权重映射到颜色图。 顶点权重与顶点大小成正比。 使用参数-值对，用户甚至可以指定顶点缩放因子、边缘宽度和用于显示与顶点关联的其他元数据的颜色图。 （作为示例包含的几个图来自 David Gleich 的 matlabBGL 包。）

随着计算机的普及,信息的存储逐渐和我们的日常生活变得密切起来，而数据的存储方式也多种多样，比如树、链表、数组、图等等。 为了充分体现图的矩阵储存结构的优势与功能，要求本系统应达到以下要求： 1. 图是无向带权图 2. 能从键盘上输入各条边和边上的权值； 3. 构造图的邻接矩阵和顶点集。 4. 输出图的各顶点和邻接矩阵 5. 插入一条边 6. 删除一条边 7. 求出各顶点的度 8. 判断该图是否是连通图，若是，返回1；否则返回0. 9. 使用深度遍历算法，输出遍历序列

python程序实现：输入邻接矩阵，输出对应无向图/有向图。 运用了networkx、matplotlib模块，感兴趣可以下载学习，可通过pycharm实现。

该函数有效地从邻接矩阵 A 描述的网络中提取所有连接节点的集群。 A 的输入数组可以是满的或稀疏的，输出是索引向量的单元格。 此函数适用于自 R2009b 以来的任何 Matlab 版本。 可在此处找到更多详细信息： http : //raphael.candelier.fr/?blog=Adj2cluster

程序用交互方式完成图的邻接矩阵和邻接表的构造，并提供了DFS和BFS算法。

已知邻接矩阵，求可达矩阵的MATLAB代码

GPLOTDC 绘制有向图GPLOTDC(A,XY) 使用下面描述的默认样式绘制由邻接矩阵 A 和点 xy 表示的有向图GPLOTDC(A,XY,PARAM1,VAL1,PARAM2,VAL2,...) 使用有效的参数名称/值对绘制有向图 输入： A - NxN 邻接矩阵，其中 A(I,J) 非零 (=1) 当且仅当点 I 和 J 之间存在边xy - x/y 坐标的 Nx2 矩阵... - 也可以指定与有效 PLOT 参数一致的参数名称/值对默认打印样式详细信息： 1. 无向（2-way）边绘制为直线（蓝色） 2. 有向（1 向）边缘绘制为弯曲的虚线，曲率弯曲逆时针方向远离一个点（红色） 3. 任何与自身相连的顶点都在它周围画一个圆圈（黑色） 注意：有向边是弯曲的，因此可以轻松显示边缘方向。 对于远离点的边缘，曲率会逆时针弯曲（或向直线的右侧弯曲）。 例如，在屏幕截图中，有一条边连接点

超图是理解图的另一种方法。 它们提供了对二元网络底层聚类结构的更好洞察。 超图由 nxm 矩阵表示，其中 n 是超边的数量，m 是网络中的顶点数量。