Mòdul 8. Grafs

Grafs
Miguel Ángel Sicilia Urbán

Elena García Barriocanal
PID_00161974
Mòdul 8
© FUOC • PID_00161974 • Mòdul 8 Grafs
Índex
Introducció .............................................................................................. 5
Objectius ................................................................................................... 6
1. El concepte de graf ............................................................................ 7
2. El tipus abstracte de dades Graf .................................................... 11

2.1. Grafs dirigits i no dirigits ................................................................ 12
2.2. Grafs bipartits o relacions ............................................................... 14
3. Interfícies Java per a grafs dirigits i no dirigits ....................... 16
4. Implementació de grafs .................................................................. 20

4.1. Mitjançant matrius d’adjacència .................................................... 20
4.2. Mitjançant llistes d’adjacència ....................................................... 22
5. Exemple d’ús: TAD Acadèmia ........................................................ 25
Resum ........................................................................................................ 28
Exercicis d’autoavaluació .................................................................... 29
Solucionari ............................................................................................... 30
Glossari ..................................................................................................... 30
Bibliografia .............................................................................................. 30
© FUOC • PID_00161974 • Mòdul 8 5 Grafs
Introducció
En aquest mòdul s’introdueix el tipus abstracte de dades Graf, en les dues va-
riants: grafs dirigits i grafs no dirigits, així com la seva implementació eficient
mitjançant llistes d’adjacència.
L’exposició dels conceptes teòrics es limita a les definicions fonamentals, ja

que es pressuposen els coneixements bàsics sobre teoria de grafs de l’assigna-
tura Grafs i complexitat. Tampoc no ens aturem en els algorismes fonamentals
de grafs com ara recorreguts, obtenció del camí mínim en un graf, o obtenció
d’arbres d’expansió mínims, ja que aquests algorismes s’expliquen també en
Grafs i complexitat. a
Aquest mòdul pretén que sigueu capaços de traslladar els vostres coneixe-
ments sobre els grafs com a estructura matemàtica a la resolució de problemes
mitjançant programes. Per a això teniu disponibles les biblioteques creades
que proporcionen algunes interfícies de programació.
Objectius
Els objectius que s’espera que pugueu assolir amb els continguts d’aquest mò-
dul són els següents:
1. Conèixer el tipus abstracte de dades Graf, i comprendre’n la utilitat per a

modelitzar problemes en què hi ha relacions entre elements que no són li-
neals (com en les llistes), ni tampoc jeràrquiques (com en els arbres).
D’aquesta manera, els grafs es poden considerar una generalització de les
altres estructures.
2. Recordar el concepte de graf, en les seves variants dirigida i no dirigida, i els

conceptes fonamentals que hi fan referència.
3. Conèixer la implementació de l’estructura de Graf mitjançant llistes d’ad-

jacència, com a alternativa eficient a la implementació mitjançant matrius
d’adjacència.
4. Introduir la part de les biblioteques de propòsit general en Java que im-

plementen el tipus abstracte de dades Graf. Concretament, les bibliote-
ques esmentades tenen un paquet denominat grafs en què s’ubiquen les
interfícies i les classes que permeten la programació amb estructures de
tipus graf.
1. El concepte de graf
En moltes situacions, ens trobem amb un conjunt d’elements entre els quals
s’estableixen certes relacions. Per exemple, a qualsevol universitat, els alumnes
estan relacionats amb les assignatures que estudien, i els professors amb les que
ensenyen. De la mateixa manera es poden representar els llaços d’amistat en
una comunitat de veïns. També es poden considerar relacions les connexions
de vol entre països europeus, o les interconnexions entre els components d’un
circuit electrònic.
Una característica fonamental d’aquestes relacions és que cada enllaç invo-

lucra dos elements, és a dir, les relacions es poden representar per parells de
números. Des de la perspectiva del paradigma de l’orientació a objectes,
aquestes relacions no són cap altra cosa que associacions binàries (segons
la terminologia d’UML), és a dir, associacions entre dues classes. Un cas es-
pecial són les associacions reflexives, en les quals, els dos extrems de l’asso-
ciació binària són la mateixa classe.
Si considerem que els objectes enllaçats en virtut de la relació són nodes o

vèrtexs en una xarxa, i els enllaços són les arestes o arcs que connecten els
nodes en aquesta xarxa, tindrem el concepte de graf. De fet, un diagrama
d’objectes UML que representa instàncies i enllaços concrets d’una associa-
ció és un graf.
Per exemple, si volem representar les relacions d’amistat entre els estudiants
d’una universitat, ho podem fer mitjançant el model UML de la figura 1.
Figura 1
Doncs bé, les instàncies i els enllaços concrets que es produeixin d’acord amb
aquest model en una situació determinada, formaran un graf. En la figura 2,
es mostra un exemple de diagrama d’objectes i la representació equivalent en
termes de nodes i arestes, segons la notació gràfica habitual que se sol utilitzar
per als grafs.
Figura 2
Els grafs es poden subdividir en dues categories importants: els grafs di-
rigits i els grafs no dirigits. En un graf dirigit, cal tenir en compte el
sentit de la relació, mentre que en els grafs no dirigits, el sentit és indi-
ferent.
esGermaDe i esClientDe
La relació esGermaDe és una relació recíproca o simètrica, és a dir, si en Joan esGermaDe Pep,
llavors en Pep ha de complir que en Pep esGermaDe Joan. Dit d’una altra manera, és igual
que expressem la relació com esGermaDe(Pep,Joan) que com esGermaDe(Joan,Pep), el sentit
de la relació no és rellevant. Tanmateix, si tenim una relació denominada esClientDe entre
empreses, el sentit de la relació sí que aporta una informació rellevant, i el fet que l’empresa
A sigui clienta de l’empresa B no implica necessàriament que l’empresa B sigui clienta de
l’empresa A. El diagrama de la figura 3 representa un possible graf dirigit amb la relació es-
ClientDe, en el qual la presència de puntes en les fletxes representa el sentit de cada relació
particular; per exemple, e3 és client de e5 i de e4, i e5 i e6 són clients l’un de l’altre.
Figura 3
Una variant addicional dels grafs (siguin dirigits o no) són els grafs va-
lorats. En aquests grafs, les arestes tenen associat un valor (habitual-
ment un número, encara que no necessàriament) que representa
informació sobre la aresta en si.
L’exemple més habitual d’aquest tipus de grafs és el de la representació de les

distàncies entre ciutats. Per exemple, el graf de la figura 4 representa algunes
distàncies (en quilòmetres) entre ciutats espanyoles.
Figura 4
El cas dels grafs valorats és anàleg al de les classes de l’associació o atributs de

l’associació en UML. Així, el graf de la figura 4 podria deduir-se d’un diagrama
d’objectes corresponent al diagrama de classes de la figura 5.
Figura 5
Una altra subdivisió possible i important dels grafs seria la dels grafs bi-
partits. En els grafs bipartits, no tots els nodes són iguals. És a dir, hi ha
nodes de dos tipus diferents, i només es permeten relacions entre nodes
de diferent tipus.
Per exemple, en el cas de les relacions professorat-alumnat en educació infan-

til, del tipus teComAProfessor, no és possible que un estudiant tingui com a do-
cent un altre estudiant, ni que un docent tingui com a estudiant un altre
docent (sempre suposant que no hi pot haver un estudiant que, al seu torn,
sigui docent en la vida real). La representació d’aquesta associació en UML es
mostra en la figura 6.
Figura 6
I el diagrama de la figura 7 mostra un graf bipartit d’exemple, que representa

relacions teComAProfessor entre els alumnes a1, a2 i a3, i els professors p1 i p2.
Figura 7
És important ressaltar que una relació de tipus “molts a molts” en orientació

a objectes defineix de manera implícita un graf d’instàncies connectades. En
el cas de les associacions entre dues classes diferents, tenim un graf bipartit,
sempre que aquestes no siguin reflexives, com l’associació de la classe Ciutat
que ha aparegut més amunt.
2. El tipus abstracte de dades Graf
El concepte matemàtic de graf es defineix en relació amb dos conjunts. Un

conjunt de vèrtexs o nodes, i un conjunt d’arestes, arcs o enllaços. Els nodes
són els objectes del problema que estem considerant, i les arestes representen
les relacions.
Graf com a tipus abstracte de dades
És important tenir en compte des d’ara que un graf és un tipus abstracte de dades molt
general. De fet, els arbres i les estructures lineals com les llistes es poden considerar grafs
connexos en els quals les relacions permeses entre els nodes estan restringides d’alguna
manera. Un arbre binari, per exemple, seria un graf dirigit en què cada node només pot
tenir enllaços que “en surten”, com a màxim, a uns altres dos nodes; i només pot tenir
un enllaç que “hi entra” i, a més, no permet cicles en la seqüència d’arestes. En el cas
d’una llista, tindríem un graf dirigit en què cada element només pot tenir, a tot estirar,
un enllaç que “en surt” i un altre que “hi entra”.
Hi ha dos tipus fonamentals de grafs: dirigits i no dirigits. És important tenir

molt clares les seves diferències, ja que s’apliquen a la resolució de problemes
amb requisits diferents, i alguns algorismes només s’utilitzen per a un dels dos
tipus de graf.
A continuació oferim una possible definició matemàtica dels dos tipus de

grafs.
Parell ordenat i parell

Un graf no dirigit G es defineix com el parell ordenat G = (V, A), en què no ordenat
V és un conjunt finit no buit de nodes o vèrtexs, i A és un conjunt Considerarem el parell ordenat
d’arestes o arcs entre aquests nodes, amb la propietat que cada aresta en (A, B) diferent de (B, A) si A ≠ B.
En canvi, el parell no ordenat
A és un parell no ordenat d’elements (vèrtexs) a V. (A, B) és igual a (B, A).
Encara que la definició matemàtica de graf requereix que hi hagi almenys un

vèrtex, en la pràctica, les implementacions del tipus abstracte de dades solen
permetre que no tingui nodes, ja que en crear un objecte de tipus graf, encara
no s’ha “omplert” amb la informació del graf, i estarà, provisionalment, buit
de nodes.
D’aquesta manera, en un graf no dirigit, una aresta és un conjunt {x, y}, en què x,
y ∈ V, i x ≠ y. Per coherència amb la notació habitual dels grafs dirigits, se sol uti-
litzar una notació de parells (x, y) en lloc de la notació de conjunts {x, y}, però sem-
pre cal tenir en compte que (x, y) i (y, x) es consideren la mateixa aresta.
Vegem ara la definició de graf dirigit i assenyalem-ne les diferències amb els
grafs no dirigits.
Terminologia
Un graf dirigit G es defineix com el parell ordenat G = (V, A), en què V
és un conjunt finit no buit de nodes o vèrtexs, i A és un conjunt d’ares- En molts textos es considera
que un graf “a seques” és un
tes o arcs entre aquests nodes, amb la propietat que cada aresta en A és graf no dirigit, i els grafs dirigits
(o digrafs) es consideren una
un parell ordenat d’elements (vèrtexs) a V. classe especial de graf.
En termes matemàtics, el conjunt d’arestes A d’un graf dirigit és una relació

binària sobre V, és a dir, és un subconjunt del producte cartesià V × V.
Enllaços reflexius
De les dues definicions anteriors, es dedueix que en un graf dirigit, hi poden haver enlla-
ços “reflexius”, és a dir, arestes del tipus (a, a). Això no té sentit en el cas de grafs no di-
rigits, ja que una aresta d’aquest tipus en un graf no dirigit no representaria informació
rellevant. Això no obstant, hi pot haver cicles dins dels dos tipus de grafs, és a dir, se-
qüències d’arestes que formen un camí tancat dins del graf.
En la introducció d’aquest mòdul, s’han proporcionat exemples de la represen-

tació gràfica habitual per a grafs no dirigits i grafs dirigits, i s’han utilitzat puntes
de fletxa per a indicar la destinació de l’aresta en el cas dels grafs dirigits. a
En tots dos casos (graf dirigit o no), pot ser que hi hagi una informació associ-
ada a cada aresta del graf. En aquest cas estaríem parlant de grafs valorats.
Un graf valorat o graf amb pesos és aquell en el qual tenim informació

associada a cada una de les arestes del graf.
El tipus abstracte de dades graf tindrà, per tant, dues variants fonamentals: graf
dirigit i graf no dirigit.
2.1. Grafs dirigits i no dirigits
Un TAD Graf no dirigit es pot definir d’acord amb el següent conjunt mínim
d’operacions d’inserció i eliminació. Per a identificar els vèrtexs, és necessari
que tinguin alguna dada distintiva, com un nombre o una cadena de caràcters,
que aquí denominarem nom o etiqueta del vèrtex. En principi, el tipus del valor
associat als vèrtexs pot ser qualsevol, per la qual cosa hem indicat el tipus T
com a genèric en la descripció següent.
TAD GrafNoDirigit<TElem, TEtiqueta>

Utilitza: Vertex, ArestaNoDirigida
crearGraf(): Graf
Crea un graf buit.
@pre Cap
@post El graf està buit
crearVertex(v: valor): GrafNoDirigit

Inclou un vèrtex amb un determinat valor en el graf.
@ pre No hi ha un altre vèrtex amb la mateixa etiqueta.
@post El graf té un vèrtex amb el valor especificat. El vèrtex esmentat no
està connectat amb cap altre vèrtex del graf.
inserirAresta(n: Vertex, m: Vertex): GrafNoDirigit

Inclou una aresta entre els vèrtexs n i m en el graf.
@pre Els vèrtexs n i m han de formar part del graf. No hi ha una aresta
entre els vèrtexs m i n.
@post: El graf té una aresta entre m i n.
eliminarVertex(v: Vertex): GrafNoDirigit

Elimina del graf el vèrtex especificat i totes les arestes que hi incideixen.
@pre Existeix el vèrtex especificat en el graf.
@post El graf no conté el vèrtex especificat ni cap de les arestes en què
participa.
eliminarAresta(a: Aresta): GrafNoDirigit

Elimina del graf l’aresta especificada.
@pre Existeix en el graf l’aresta especificada.
@post El graf no conté l’aresta especificada.
adjacents(m: Vertex): Iterador

Torna un iterador amb els vèrtexs adjacents.
@pre Existeix el vèrtex especificat en el graf.
@post S’obté un iterador amb els vèrtexs adjacents al vèrtex especificat.
El graf no modifica el seu estat.
obtenirVertexs(): Iterador
Torna un iterador sobre la col·lecció de vèrtexs del graf.
@pre Cap.
@post Torna un iterador sobre la col·lecció de vèrtexs del graf.
obtenirArestes(): Iterador
Torna un iterador sobre la col·lecció d’arestes del graf.
@pre Cap.
@post Torna un iterador sobre la col·lecció d’arestes del graf.
Les operacions descrites permeten la manipulació bàsica dels vèrtexs i les ares-
tes del graf. Sens dubte, és convenient que les implementacions del tipus abs-
tracte continguin a més altres operacions per a una manipulació més fàcil dels
grafs, però aquestes dependran de la representació escollida i del llenguatge de
programació.
Exemples d’aquestes operacions poden ser l’obtenció directa del grau del graf,
o el nombre d’arestes que conté.
La descripció anterior es basa en dos tipus abstractes de dades, que són Vèrtex
i Aresta, i que tindran les operacions necessàries per a una fàcil manipulació,
com poden ser l’obtenció dels vèrtexs a partir d’una aresta o l’obtenció de les
arestes que incideixen en un vèrtex.
La definició de grafs valorats a partir del que s’ha exposat és immediata, ja que
la biblioteca de TAD de l’assignatura implementa les arestes de manera que si
són etiquetades o són valorades (per a obtenir grafs valorats) porten associat un
valor corresponent a l’etiqueta. Si l’aresta no és valorada, aquest valor serà
‘nul’. a
El TAD GrafDirigit té molt en comú amb el TAD GrafNoDirigit, ja que les dife-
rències rauen en el tipus d’aresta, que es pot canviar per un nou tipus Aresta-
Dirigida. D’aquesta manera, totes les operacions bàsiques de GrafNoDirigit
continuen servint per a GrafDirigit. Ho veurem amb més detall en la imple-
mentació, que es presenta més endavant.
2.2. Grafs bipartits o relacions
Una classe especial de graf són els grafs bipartits. En els grafs bipartits, el con-
junt dels vèrtexs V no es considera homogeni, ja que conté dos “tipus” de no-
des clarament diferenciats i, a més, es prohibeixen les “relacions” (és a dir, les
arestes) entre nodes del mateix tipus.
Un graf G = (V, A) és un graf bipartit si hi ha una partició del conjunt

de vèrtexs, és a dir, si V = V1 ∪ V2 amb V1 ∩ V2 = ∅, de manera que les
arestes només connecten vèrtexs que estan en subconjunts diferents, és
a dir, tota aresta (x, y) compleix que (x ∈ V1 ∧ y ∈ V2) ∨ (x ∈ V2 ∧ y ∈ V1).
Els grafs bipartits es poden utilitzar conceptualment per a representar relaci-

ons entre dos conjunts d’elements o classes. De fet, tota relació d’associació
entre dues classes en el paradigme de l’orientació a objectes es pot representar
mitjançant un graf bipartit. Els subconjunts que formen la partició es poden
representar en llenguatges orientats a objectes com dues classes diferents, o
també poden ser subconjunts disjunts d’instàncies de la mateixa classe.
Un graf bipartit és un tipus especial de graf, que es pot descriure de manera

abstracta restringint simplement la creació d’arestes i de vèrtexs. Per exemple,
amb la definició que proposem a continuació:
TAD GrafNoDirigitBipartit<A,B> {
@pre El valor associat al vèrtex ha de ser del tipus A o del tipus B.
@post Afegeix el vèrtex amb el valor associat al graf}
inserirVertex(g:Graf, valor:A):Graf
inserirVertex(g:Graf, valor:B):Graf
@pre: Els vèrtexs n i m han de formar part del graf i ser de diferent tipus,
d'entre els tipus A i B. No hi ha una aresta entre els nodes m i n.
@post El graf conté una aresta entre els vèrtexs m i n}
inserirAresta(g:Graf, n:Vertex, m:Vertex):Graf

...
}
D’aquesta manera, es garanteix que els valors associats als vèrtexs seran dels
tipus que accepta el graf concret, i es restringeixen les arestes de manera que
connectin elements de diferents tipus.
3. Interfícies Java per a grafs dirigits i no dirigits
En aquest apartat, introduirem les interfícies fonamentals de la biblioteca en

Java de TAD de l’assignatura que implementen els conceptes exposats anteri-
orment. Començarem per l’element més senzill, el vertex. L’única funcionali-
tat especial que demanem a aquests elements serà la possibilitat d’accedir a la
informació que tenen associada, i que abans hem anomenat etiqueta. La inter-
fície mínima quedaria, doncs, de la manera següent:
uoc.ei.tads.grafs.Vertex
public interface Vertex<TElem> {

public TElem obtenirValor();
}
Com que no hi poden haver dos grafs amb la mateixa “etiqueta” o identifica-
ció, en les implementacions de Vèrtex és habitual trobar una redefinició del
mètode equals, que permet comparar dos objectes.
Per a la implementació en Java de grafs dirigits i no dirigits, és convenient (encara

que no imprescindible) utilitzar TAD auxiliars ArestaNoDirigida i ArestaDirigida
que simplifiquen la interfície dels grafs, com es va indicar en la descripció
d’operacions de l’apartat anterior. A més, tots dos es poden considerar com a
tipus més específics del concepte abstracte d’Aresta. Aquesta seria una possible
especificació de la interfície Aresta a Java:
uoc.ei.tads.grafs.Aresta
public interface Aresta<TEtiqueta,TElem> {

/** Obté el valor associat a l’aresta.
* @returns null si el graf és no valorat. */
public Object obtenirEtiqueta();
/** Estableix el valor associat a l’aresta. */

public void establirEtiqueta(TEtiqueta v);
/** Indica si l’aresta incideix en el vèrtex v. */

public boolean incideixEnVertex(Vertex<TElem> v);
}
Segons aquest disseny, qualsevol aresta pot tenir un valor associat. Per això,
quan es programa amb aquesta biblioteca, si volem utilitzar grafs no valorats,
simplement hem de deixar totes les arestes amb el seu valor per defecte, que
ha de ser ‘null’. Les arestes no dirigides simplement tindran operacions per a

obtenir cada un dels vèrtexs que connecten, per exemple:
public interface ArestaNoDirigida<TEtiqueta,TElem> extends Aresta<TEtiqueta,TElem> {

public Vertex<TElem> obtenirVertex1();
public Vertex<TElem> obtenirVertex2();
}
Tanmateix, en la interfície de les arestes dirigides, s’ha d’expressar clarament

que un vèrtex és a l’origen i l’altre a la destinació, per exemple:
public interface ArestaDirigida<TEtiqueta,TElem> extends Aresta<TEtiqueta,TElem> {

public Vertex<TElem> obtenirVertexOrigen();
public Vertex<TElem> obtenirVertexDestinacio();
}
Encara que en aparença totes dues interfícies són molt semblants, cal destacar
que les responsabilitats de les classes que les implementen tenen diferències
subtils però importants. Concretament, la implementació d’una aresta no di-
rigida pot tornar com a vèrtex1 qualsevol dels dos, mentre que en el cas d’ares-
tes dirigides, el vèrtex origen i destinació s’especificaran clarament mitjançant
el constructor, o mitjançant mètodes que n’indiquin clarament la funció.
Les interfícies dels grafs també seran lleugerament diferents segons si el graf és
dirigit o no. Per això és convenient agrupar en una interfície Graf allò que és
comú a totes dues variants. Una especificació en llenguatge Java del TAD Graf
és la interfície següent:
public interface Graf<TElem,TEtiqueta> {

/**
* Obté un iterador als vèrtexs del graf.
*/
public Iterador<Vertex<TElem>> vertexs();
/**
* Obté un iterador a les arestes del graf.
*/
public Iterador<? extends Aresta<TEtiqueta,TElem>> arestes();
/**
* Crea un nou vèrtex amb un valor associat
* i l'inclou en el graf.
*/
public Vertex<TElem> crearVertex(Object valor);

/**
* Elimina el vèrtex del graf (si hi era),
* incloent totes les arestes en què participa.
*/
public void eliminarVertex(Vertex<TElem> n);
/**
* Elimina l’aresta del graf (si hi era)
*/
public void eliminarAresta(Aresta<TEtiqueta,TElem> a);
/**
* Obté un iterador als vèrtexs adjacents al vèrtex v.
*/
public Iterador<Vertex<TElem>>adjacents(Vertex<TElem> v);
}
Com es veu en la interfície anterior, l’operació per a crear una aresta s’ha omès,
ja que és la part que varia en els casos dirigit i no dirigit. Així, en el cas d’un
graf no dirigit tindríem la definició següent:
public interface GrafNoDirigit<TElem,TEtiqueta> extends Graf<TElem,TEtiqueta> {

/**
* Crea i inclou una nova aresta en el graf.
*/
public ArestaNoDirigida<TEtiqueta,TElem>
crearAresta(Vertex<TElem> n, Vertex<TElem> m);
//…
}
En canvi, en el cas d’un graf dirigit, tindríem una definició com la següent:
public interface GrafDirigit<TElem,TEtiqueta> extends Graf<TElem,TEtiqueta> {
/**
* Crea i inclou una nova aresta en el graf.
*/
public ArestaDirigida<TEtiqueta,TElem> crearAresta(Vertex<TElem> n,
Vertex<TElem> m);
/**
* Obté un iterador a les arestes amb origen en v.
*/
public Iterador<? extends

ArestaDirigida<TEtiqueta,TElem>>arestesAmbOrigenEn(Vertex<TElem> v);
/**
* Obté un iterador a les arestes amb destinació en v.
*/
public Iterador<? extends ArestaDirigida<TEtiqueta,TElem>>
arestesAmbDestinacioEn(Vertex<TElem> v);
}
Fixeu-vos que, en el cas d’un graf dirigit, té sentit sol·licitar les arestes “amb
destinació” o “amb origen” en un determinat vèrtex, mentre que en el cas de
grafs no dirigits, això no té cap sentit.
4. Implementació de grafs
En aquest apartat tractarem dos mètodes possibles per a la implementació de

grafs: per matrius d’adjacència i per llistes d’adjacència.
4.1. Per matrius d’adjacència
La implementació més directa i senzilla d’un graf és per matrius d’adjacència.

Una matriu d’adjacència emmagatzema la presència o absència d’una aresta
entre cada parell possible de vèrtexs en el graf. En el cas d’un graf valorat, a
més de la presència o absència d’aresta, s’emmagatzemarà el “pes” de cada
aresta. En les implementacions concretes, l’absència d’aresta es pot indicar
amb una referència nul·la o amb un valor especial.
La figura 8 és un exemple de com es representaria mitjançant una matriu d’ad-

jacència un graf dirigit no valorat, en què el valor 1 representés la presència
d’una aresta, i la casella en blanc en representés l’absència. Així, l’aresta del
node 8 al node 5 es representaria per 1 en la posició de la matriu (8, 5), mentre
que la casella (5, 8) romandria en blanc, la qual cosa indicaria que no hi ha
una aresta en la direcció del vèrtex 5 al vèrtex 8.
Figura 8
La representació del graf en forma de conjunts serà la següent:
G = (V, A)
V = {1, 4, 5, 7, 8, 9}
A = {(1, 5), (5, 1), (4, 5), (5, 9), (8, 5), (8, 7), (7, 9), (9, 7)}
En el cas d’un graf no dirigit, s’ocuparà només una part de la matriu, per sota
o per sobre de la seva diagonal principal, per a representar les arestes.
En la representació que acabem de veure, la matriu té una mida fixa, que de-
pèn de la mida del domini dels valors associats als vèrtexs (que anteriorment
hem anomenat etiquetes). En l’exemple numèric que acabem de veure, supo-
sant que un node pot tenir com a valor associat un nombre enter positiu, seria
necessari tenir una matriu de D × D, essent D el nombre d’enters positius dife-
rents que es podrien representar en el llenguatge de programació; una mida
molt gran, especialment en comparació amb la petita quantitat d’arestes em-
magatzemades realment en l’exemple.
L’avantatge fonamental d’aquesta representació per al cas dels enters és que

podríem conèixer si hi ha una aresta entre dos vèrtexs determinats amb una
sola operació –és a dir, temps constant O(1)– simplement indexant la matriu.
Això no obstant, aquest avantatge comporta l’inconvenient que en la majoria
dels casos es “desaprofiten” gran part de les posicions de la matriu.
Una implementació alternativa podria emmagatzemar només posicions per

als valors que actualment estan inclosos en el graf, i obtenir una representació
compacta. L’exemple anterior es representaria, llavors, d’una manera sem-
blant a la que es mostra en la figura 9.
Figura 9
Tanmateix, aquesta última representació té l’inconvenient que els vèrtexs del

graf (o almenys el seu nombre) s’han de conèixer a priori, ja que afegir un vèr-
tex addicional requeriria redimensionar la matriu, cosa que en els llenguatges
com Java implica la creació d’una nova matriu més gran i la còpia dels valors
de l’antiga a la nova (en llenguatges de tipus Pascal no es pot realitzar simple-
ment amb matrius). Com que aquesta operació és molt costosa en temps, no
és una implementació adequada.
Hi ha un cas particular en què les matrius d’adjacència són una representació

adequada. És el cas dels grafs “densos”, és a dir, d’aquells que tenen un nombre
d’arestes molt alt (en relació amb el nombre de vèrtexs). És a dir, aquesta re-
presentació convé quan en la matriu d’adjacència hi ha poques caselles en
blanc, la qual cosa significa “poc malbaratament de memòria”. Això no obs-
tant, no hi ha gaires aplicacions que tinguin matrius d’adjacència molt ocupa-
des, i quasi sempre tenen matrius més o menys esparses en més o menys grau.
Pel que acabem de veure, podem formular la següent regla general respecte a
la implementació dels grafs.
La implementació d’un graf amb matrius d’adjacència només és conve-

nient, en termes d'eficiència espacial (de consum de memòria), en el
cas que el graf sigui dens; és a dir, quan |A| ≈ |V|2 (quan el nombre
d’arestes és aproximadament igual o proper al màxim nombre d’ares-
tes possibles).
La regla anterior val per a grafs dirigits. En el cas de grafs no dirigits, les matrius
d’adjacència només seran convenients quan:
V!
A ≈
2 ⋅ ( V − 2)!
essent A el nombre d’arestes d’un graf no dirigit “dens”. Cal tenir en compte
que, en aquest cas, encara es desaprofita una quantitat considerable de posici-
ons, ja que només s’ocuparà una part de la matriu (per sota o per sobre de la
diagonal principal). L’expressió anterior per a estimar el càlcul del nombre
d’arestes que un graf no dirigit ha de tenir per a ser considerat dens és molt
precisa, però es pot simplificar amb |A| = |V|2/2, és a dir, la meitat del nombre
d’arestes que pot tenir un graf dirigit dens; ja que en un graf no dirigit entre
dos vèrtexs qualssevol només hi pot haver una aresta, mentre que en un de
dirigit, n’hi pot haver un parell: una en cada direcció.
Òbviament, l’avantatge de la representació original amb matrius d’adjacència

és que el temps necessari per a trobar si hi ha o no hi ha una aresta determi-
nada en el graf és O(1), ja que s’implementa simplement indexant la matriu
amb les etiquetes dels dos vèrtexs que s’estan considerant.
4.2. Per llistes d’adjacència
Les implementacions de grafs per matrius d’adjacència –com la que hem vist
en el subapartat anterior– requereixen una estructura de dades de mida |D| ×
|D|, o amb una implementació compacta, de |V| × |V|. Per exemple, en el cas
de relacions de “préstec d’apunts” entre els estudiants d’una classe de 30 alum-
nes, hauríem d’utilitzar una estructura de 30 × 30 = 900 posicions per a allotjar
totes les possibles arestes dins del graf dirigit resultant. En la pràctica, això so-
vint redueix molt l’eficiència en espai de memòria, ja que hi ha un gran nom-
bre de posicions de la matriu que estan buides, perquè molts grafs són
esparsos, és a dir, tenen una proporció relativament baixa d’arestes respecte a
totes les possibles.
La implementació de grafs mitjançant llistes d’adjacència és una alternativa

més eficient per a l’emmagatzemament de grafs. La idea fonamental d’aquesta
implementació és la d’emmagatzemar una llista amb els vèrtexs del graf i que,
al seu torn, cada vèrtex tingui associada una llista amb les arestes que porten
a nodes adjacents.
En la implementació d’un graf amb llistes d’adjacència només s’utilit-

za espai de memòria per als vèrtexs i arestes que formen part en un
moment donat del graf. Això contrasta amb la implementació mitjan-
çant matrius d’adjacència, en la qual es consumeix espai per a totes les
possibles arestes dins del domini del tipus de dades de les etiquetes
dels nodes.
Considerant el mateix graf que vam posar com a exemple anteriorment, la re-
presentació quedaria com mostra la figura 10.
Figura 10
La idea d’aquesta implementació és representar en primer lloc els vèrtexs mit-

jançant una llista o una matriu (array), que es mostra en la part esquerra de la
figura 10. Llavors, les arestes es representen mitjançant la llista que està asso-
ciada a cada vèrtex, que conté les etiquetes dels vèrtexs adjacents. Així, per
exemple, en la figura veiem que la llista encadenada associada al vèrtex 5 con-
té les etiquetes 1 i 9. Aquesta implementació té l’avantatge que només es re-
presenten les arestes que realment formen part del graf. Si el graf fos valorat,
el pes de l’aresta s’emmagatzemaria com a informació addicional en cada node
de les llistes.
L’estructura que emmagatzema els vèrtexs pot ser ordenada o no, i les pròpies
llistes també. Per exemple, si la llista de vèrtexs i les llistes d’adjacència estan
totes ordenades, l’operació de buscar un vèrtex en el graf ocuparia un temps
O(log |V|) + O(max(|adjacents(vi)|)), si considerem que adjacents(vi) és el con-
junt de vèrtexs adjacents al vèrtex vi. Això resulta en el fet que la recerca d’una
aresta té una complexitat superior a O(1) però inferior a O(|A|).
En la biblioteca de TAD de l’assignatura es pot trobar una implementació de

grafs utilitzant llistes d’adjacència. En aquesta implementació s’utilitza una
llista doblement enllaçada per a emmagatzemar les arestes i una taula de dis-
persió per a emmagatzemar els vèrtexs, si bé per a això es podria haver utilitzat
qualsevol altre tipus de taula de dispersió.
L’ús de llistes per a emmagatzemar les arestes es pot substituir per altres estruc-
tures que proporcionin un accés més eficient en alguns casos, com seria, per
exemple, un arbre AVL.
Activitat
Plantegeu un esquema de com es duria a terme aquesta implementació, i analitzeu-ne els
principals avantatges des del punt de vista de l’eficiència.
5. Exemple d’ús: TAD Acadèmia
Una acadèmia d’electricitat encarrega al seu alumne més avantatjat la cons-

trucció del TAD Acadèmia que li permeti representar el seu pla d’estudis,
l’alumnat i el professorat. Els alumnes de l’acadèmia aconsegueixen el títol
quan han aprovat totes les assignatures de la titulació en la qual estan matri-
culats. Les assignatures, que tenen una càrrega lectiva en crèdits, actuen de
“clau” entre si, de manera que una assignatura en pot “tancar” més d’una i, al
seu torn, “ser tancada” per més d’una. Per exemple, haver aprovat les assigna-
tures d’Electrònica bàsica i Sistemes digitals de primer curs és condició indispen-
sable per a poder aprovar l’assignatura Sistemes digitals avançats de segon curs.
D’altra banda, la política docent i de contractació de l’acadèmia impedeix que
hi hagi més d’un grup d’alumnes per cada assignatura.
El nombre d’assignatures A del pla d’estudis de la titulació que es dóna en l’aca-

dèmia és d’unes quantes desenes, i com que és una acadèmia molt prestigiosa,
té uns quants centenars d’alumnes (N) que poden estar matriculats a diverses as-
signatures simultàniament (denotem per AM el nombre d’assignatures de què
s’ha matriculat un alumne, que no es preveu que superi l’ordre d’una dotzena,
o una mica més, en el cas més ambiciós). Els alumnes no s’esborren mai de l’es-
tructura, encara que ja hagin aconseguit la titulació.
Una vegada que un alumne supera una assignatura, aquesta passa a formar
part del seu expedient acadèmic, juntament amb la qualificació que ha obtin-
gut. Els professors de l’acadèmia, que són pocs (un nombre P estable encara
que desconegut), imparteixen un nombre petit (NA) d’assignatures. Els do-
cents sempre imparteixen les mateixes assignatures, sense deixar-ne cap ni in-
corporar-ne de noves. En el TAD s’ha d’emmagatzemar quines assignatures
imparteix cada professor, tenint en compte que cada semestre s’ha d’actualit-
zar aquesta dada, ja que sí que es poden produir baixes d’alguns professors i
noves incorporacions.
El TAD Acadèmia ha de permetre:
1) Crear l’estructura. Aquesta operació crea l’estructura i hi inclou les assigna-

tures disponibles, la relació entre aquestes, i els professors.
2) Afegir un alumne de nou ingrés.
3) Permetre a un alumne matricular-se d’una assignatura, sempre que tingui

aprovades les que tanquen l’asignatura en què es vol matricular.
4) Actualitzar l’expedient de un alumne, afegint-hi una nova assignatura

aprovada amb una determinada qualificació.
5) Anotar que un docent imparteix una assignatura.
6) Consultar l’expedient d’un alumne.
7) Calcular la càrrega docent, és a dir, el nombre de crèdits total, que impar-

teix un docent. Per a realitzar el càlcul n’hi ha prou de sumar els crèdits de les
assignatures que imparteix.
Un exemple simplificat de les dades que es requereixen seria el següent:
• Tenim les assignatures A1, A2, A3, A4, i A5 en què la A1 és clau de A2 i A3 (és
a dir, no es poden cursar ni A2 ni A3 sense aprovar abans A1). Al seu torn, A2
i A3 són clau de A4, i A4 és clau de A5. Totes les assignatures tenen 3,5 crèdits,
menys A5 que en té 6.
• Tenim els professors P1 i P2. El professor P1 imparteix la docència d’A1, A2 i A5 i

el professor P2 d’A3 i A4, per la qual cosa el professor P1 té una càrrega docent
de 13 crèdits, i el professor P2 de 7 crèdits.
• Suposem que hi ha un alumne E1 que ja porta temps matriculat, i que ha

aprovat A1 i A2. En cap cas no podrà matricular-se encara en A4, ja que li
falta aprovar A3.
Se sol·licita un disseny d’estructura de dades que atenyi les funcionalitats es-

tablertes d’acord amb els requisits següents:
1) Les operacions de consulta han de ser tan ràpides com sigui possible.
2) Les operacions d’inserció no han de ser innecessàriament lentes.
3) No s’ha de malbaratar espai.
Per a resoldre aquest cas es parteix d’una anàlisi tant de les restriccions de
la quantitat d’elements que cal emmagatzemar en cada part de l’estructura,
com del tipus de relacions que es donen entre els elements del domini i dels
tipus d’operacions que s’hi poden fer, i també de l’eficiència que s’espera
de l’estructura.
Com s’especifica en l’enunciat, per a cursar una assignatura pot ser que calgui
haver-ne aprovat una altra o més. Això indica que les assignatures de la titulació
conformen un graf dirigit. És molt probable que el graf conformat no sigui dens,
per la qual cosa la implementació més adequada per al graf serà una llista d’ad-
jacència. Cada vèrtex emmagatzemarà el nom i els crèdits d’una assignatura.
Activitat
Es deixa com a exercici la descripció de l’algorisme pel qual un alumne es matricula d’una
assignatura i el càlcul de la seva eficiència.
El nombre d’alumnes és elevat i desconegut i, atès que les consultes han de ser
tan ràpides com sigui possible, hi ha dues possibilitats per a emmagatzemar-
los: una taula de dispersió, que es descarta en no conèixer el nombre exacte
d’alumnes, i un arbre AVL, que serà l’estructura que farem servir. L’arbre està
ordenat pel nom i els cognoms dels alumnes. Cada alumne ha de mantenir un
apuntador a un contenidor amb les assignatures matriculades. Com que no se-
ran gaires i el nombre és estimable, es pot optar per implementar una llista se-
qüencial afitada. El mateix, i pels mateixos motius, passarà amb les assignatures
ja aprovades.
El nombre de docents és desconegut, però estable i petit. Per això, s’opta per
implementar un contenidor de tipus llista seqüencial afitada. Cada docent
mantindrà un apuntador a un altre contenidor en què s’emmagatzema una re-
ferència a les assignatures que imparteix. Com que, altre cop, les assignatures
són poques, es poden emmagatzemar en una llista afitada seqüencial.
Figura 11
Activitat
Com a ampliació de l’exemple, torneu a dissenyar l’estructura tenint en compte l’opera-

ció següent: obtenir l’alumne amb la millor nota mitjana calculada a partir de totes les
assignatures que ha superat, independentment de la quantitat. En cas d’empat, s’obtin-
drà qualsevol alumne dels que tenen més bon expedient.
Resum
En aquest mòdul, s’ha descrit el tipus abstracte de dades Graf com una represen-
tació general de relacions binàries entre elements d’un domini. Els elements
d’aquest domini es representen mitjançant vèrtexs (o nodes) amb una informa-
ció associada, i les relacions es representen mitjançant arestes (o arcs) que asso-
cien o igualen en tots dos sentits. Per exemple, la relació esGermaDe. Això no
obstant, en els grafs dirigits, entre cada parell de nodes hi poden haver zero, una
o dues arestes. Per exemple, la relació esClientDe entre dues empreses.
Es pot aconseguir una implementació directa i senzilla d’un graf mitjançant

una matriu d’adjacència. Tanmateix, en molts casos, aquesta representació no
és eficient des del punt de vista del consum de memòria, ja que en molts grafs,
només hi ha un petit nombre de les arestes possibles. Les llistes d’adjacència
proporcionen una alternativa eficient d’implementació per a aquestes situaci-
ons. La implementació amb llistes també permet substituir les simples llistes
enllaçades per altres estructures que proporcionin un accés més eficient en al-
guns casos, com per exemple un arbre AVL.
Exercicis d’autoavaluació
1. Quines diferències, en les estructures de dades, tenen la implementació amb llistes d’ad-
jacència d’un graf dirigit i d’un de no dirigit?
2. Quin és el nombre màxim d’arestes en un graf bipartit?
3. Si tenim un graf no dirigit bipartit que representa les regions d’Espanya, i volem represen-
tar com a arestes la relació “fa frontera amb”, quin serà el percentatge de posicions ocupa-
des si implementem el graf amb una matriu d’adjacència?
4. Implementeu en Java una matriu d’adjacència per a un graf amb nodes en el domini d’un
rang dels enters que comencen en 1. El rang d’enters representat serà un paràmetre del
constructor. Resoleu l’exercici implementant les interfícies corresponents de la biblioteca
de TAD de l’assignatura.
5. Suposem que tenim un graf que representa la distància entre ciutats dins d’un país.
a) El viatger A vol saber el camí òptim entre dues ciutats, X i Y, segons la ràtio entre la
distància i el preu total del viatge. Cada connexió entre ciutats té un preu determinat, que
és el que s'utilitza per a calcular el preu total d’un viatge.
b) El viatger B també vol saber el camí òptim entre dues ciutats, X i Y, però en aquest cas,
segons la menor distància, i només en cas que hi hagi més d’un camí amb la mateixa dis-
tància, considera el preu, i lògicament prefereix el camí de menys cost d’entre els d’igual
distància.
Implementeu els algorismes que resolen els dubtes dels viatgers A i B, i calculeu la seva Consulteu els materials de
l’assignatura Grafs i complexitat per
eficiència temporal asimptòtica. repassar els algorismes de recorreguts
de grafs.
6. La disciplina d’anàlisi de xarxes socials (AXS) estudia, entre altres coses, les relacions de
centralitat de la xarxa i dels individus (actors) dins de la xarxa social d’una organització o
situació determinada. Les relacions socials entre individus es representen com a arestes no
valorades, i els actors com a vèrtexs dins d’un graf. La centralitat s’estima amb mesures
com les següents:
a) Centralitat en l’actor, c(A), definida com el nombre de connexions socials de l’actor A,
normalitzada en l’interval [0,1]. És a dir, per a un actor determinat, es compten les seves
relacions socials i, posteriorment, es divideixen pel total de relacions totals en el graf, i
dóna com a resultat un nombre entre 0 i 1, que indica la quantitat relativa de relacions
socials en les quals l’individu pren part.
b) Centralitat en el grup. Es tracta d’una magnitud única per a tot el grup o conjunt de tots
els actors, definida com:
CG =
∑ V
[max[ c( vi )] − c( vi )]
,
max[ c( vi )]
en què V és el conjunt dels actors de la xarxa i max[c(vi)] és la centralitat màxima de l’actor

a la xarxa.
c) Centralitat de proximitat d’un actor, definida com:
−1
⎡ ⎤
CC(a) = ⎢ ∑ d(a, vi )⎥ ,
⎣V ⎦
en què d(a,vi) és la distància entre l’actor a i l’actor vi, entenent per distància la longitud
del camí mínim entre a i vi.
Implementeu les tres operacions definides utilitzant la biblioteca de TAD descrita, i ana-
litzeu-ne l’eficiència temporal asimptòtica.
Glossari
aresta f Enllaç que uneix dos vèrtexs del graf. Representa algun tipus de vincle entre tots dos
nodes.
graf m Tipus abstracte de dades que representa un conjunt d’elements d’informació o vèr-
texs, i un conjunt de relacions binàries entre aquests elements d’informació, denominats
arestes.
graf bipartit m Tipus de graf en què les relacions entre els vèrtexs inclouen un element de
cada un de dos conjunts que conformen una partició del conjunt de vèrtexs.
graf dirigit m Tipus de graf en què es té en compte el sentit de les relacions.

graf no dirigit m Tipus de graf en què es té en compte el sentit de les relacions.
graf valorat m Tipus de graf en què cada aresta té associada una informació, que es deno-
mina habitualment pes.
llista d’adjacència f Tècnica d’implementació de grafs que consisteix essencialment a em-

magatzemar els vèrtexs en una estructura lineal, i a associar a cada vèrtex una llista enllaçada
amb els vèrtexs adjacents.
matriu d’adjacència f Tècnica d’implementació de grafs que consisteix essencialment a

emmagatzemar en una matriu bidimensional la presència o absència d’aresta entre cada pa-
rell de vèrtexs. En el cas de grafs valorats, s’emmagatzema, a més de la presència o absència,
el pes, si hi ha aresta.
vèrtex (node) f Element d’informació en un graf del qual s’emmagatzemen les relacions
mitjançant arestes.
Bibliografia
Bibliografia bàsica
Cormen, T. H.; Leiserson C. E.; Rivest; R. L. (1990). Introduction to algorithms (cap. 5 i 23).
MIT Press.
Weiss, M. A. (2003). Data structures & problem solving using Java (2a. ed.). Upper Saddle River:
Addison Wesley. Disponible en línia:
http://www.cs.fiu.edu/~weiss
Annex
Per a saber-ne més

Hi ha diferents tipus d’algorismes per a recórrer grafs: obtenció L’algorisme de Dijkstra permet realitzar el càlcul de distàncies
d’un ordre topològic, obtenció de camins mínims, d’arbres mínimes, és a dir, permet trobar el camí més curt des d’un
d’expansió mínims, etc. (podeu trobar els algorismes més im- node fins a la resta, i la distància és la suma de les etiquetes que
portants sobre grafs en els materials de l’assignatura Grafs i es troben en un camí.
complexitat). Però, en certs casos, la implementació que es faci
del graf pot condicionar l’eficiència d’aquests algorismes.
Posem per cas l’algorisme de Dijkstra per a l’obtenció de ca- Un exemple de camí mínim des de Madrid a altres poblacions
mins mínims. es mostra en la figura 12.
Figura 12
Per a aconseguir aquests camins mínims s’ha d’executar l’algorisme següent. D’altra banda, en la figura 13 es mostren les fases que
executaria l’algorisme aplicat en l’exemple.
proc caminsMinims(g:tGraf, v:tVertex) retorna

<D: vector [1..|V|] d'enter>
var
S : conjuntNodes;
inici
per a tot w ∈ V fer
D[w]:= arc(g,v,w)
fi per a
D[v]:= 0;
creaConjunt(S);
afegeixElement(S,v);
mentre numElements(S)≠ |V| - 1 fer
elegir w ∉ S tal que D[w] és mínim;
afegeixElement(S,w)
per a tot o ∉ S fer
actualitzar distancia mínima i comprovar si per w s’escurça
fi per a
fi mentre
torna D
fi
Figura 13
Per a estudiar la complexitat de l’algorisme es pot dividir en di- • Fase de marcatge, en què s’afegeix el vèrtex seleccionat a la
verses fases: solució. En tots dos casos d’implementació del graf (llistes
d’adjacència o matrius d’adjacència) s’executa en O(n), ja
que per a cada node cal realitzar aquesta operació d’afegir a
• Fase d’inicialització, en què s’inicialitza el vector amb les
la solució i excloure el vèrtex seleccionat dels no tractats.
distàncies del node de partida a la resta. Aquesta fase té un
cost temporal de O(n), essent n el nombre de nodes, tant si
• Fase de recàlcul, en què es tornen a calcular les distàncies
es realitza la implementació utilitzant llistes com matrius
tenint en compte el nou node incorporat en la solució, i
d’adjacència, ja que implica un recorregut per tots els nodes
s’actualitzen les rutes si la distància és més curta. Aquesta
del graf.
fase s’executa en O(n2) si el graf s’implementa amb una ma-
triu d’adjacència, i en O(n + a), essent a el nombre d’arestes,
• Fase de selecció, en què es tria el vèrtex més proper (amb si s’implementa amb una llista d’adjacència, ja que el càlcul
distància més curta) del que es tracta. Aquesta fase s’executa es fa acumulant a la distància que hi ha fins al vèrtex selec-
en O(n2) tant si s’utilitzen llistes com si s’utilitzen matrius cionat la distància des d’aquest fins als seus adjacents, i
d’adjacència per a implementar el graf, ja que per a cada aquesta operació es repeteix per a cada vèrtex de la solució.
node del graf cal recórrer els nodes no tractats, i buscar el
que està unit amb una distància mínima. Aquesta operació Això fa que la complexitat de l’algorisme sigui en tots dos ca-
s’ha realitzar mentre quedin vèrtexs per tractar. sos de O(n2). Ara bé, si s’aconsegueix realitzar la fase de selecció
en temps menor de O(n2) en el cas d’utilitzar una implemen- qualsevol en O(1) i modificar el valor associat a un node en
tació amb llistes d’adjacència, es millorarà l’eficiència total de O(log n), operacions totes elles necessàries en la fase de recàl-
l’algorisme per a aquest cas. cul.
Com ja s’ha exposat, la fase de selecció consisteix a buscar D’aquesta manera, el cost de l’algorisme implementat amb
l’element més petit d’un conjunt i eliminar-lo. L’ús d’una cua llistes d’adjacència quedaria de la manera següent:
prioritària permetria tenir els elements ordenats, i si s’imple-
mentés amb un piló es podria consultar l’element més petit a • Fase d’inicialització (insercions reiterades en la cua de prio-
O(1), i eliminar l’element més petit en O(log n), amb la qual ritat): O(n log n).
cosa es podria aconseguir un cost temporal per a l’algorisme
més petit. • Fase de selecció (consultes reiterades de l’element més petit
de la cua): O(n).
En introduir una cua prioritària, cal tenir en compte que en la
fase de recàlcul es pot demanar la modificació de la distància • Fase de marcatge (eliminacions reiterades de l’element més
de qualsevol vèrtex en la cua. Perquè aquesta operació es rea- petit en la cua): O(n log n).
litzi de la manera més senzilla possible, és convenient actua-
litzar l’estructura CuaPrioritaria afegint un vector indexat per • Fase de recàlcul (examen de totes les arestes del graf i, si és
vèrtexs. Cada posició del vector ha d’apuntar al vèrtex del piló oportú, modificació d’un element de la cua): O(a log n).
(–1 si no hi és). Amb això, s’aconseguiria comprovar l’existèn-
cia d’un vèrtex en O(1), obtenir el valor associat a un node Per tot , l’algorisme adquireix un cost total de O((a + n) log n).

Mòdul 8. Grafs

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Mòdul 8. Grafs

Uploaded by

Copyright:

Available Formats

Grafs

Miguel Ángel Sicilia Urbán

1. El concepte de graf ............................................................................ 7

2. El tipus abstracte de dades Graf .................................................... 11

3. Interfícies Java per a grafs dirigits i no dirigits ....................... 16

4. Implementació de grafs .................................................................. 20

5. Exemple d’ús: TAD Acadèmia ........................................................ 25

Exercicis d’autoavaluació .................................................................... 29

L’exposició dels conceptes teòrics es limita a les definicions fonamentals, ja

1. Conèixer el tipus abstracte de dades Graf, i comprendre’n la utilitat per a

2. Recordar el concepte de graf, en les seves variants dirigida i no dirigida, i els

3. Conèixer la implementació de l’estructura de Graf mitjançant llistes d’ad-

4. Introduir la part de les biblioteques de propòsit general en Java que im-

Una característica fonamental d’aquestes relacions és que cada enllaç invo-

Si considerem que els objectes enllaçats en virtut de la relació són nodes o

L’exemple més habitual d’aquest tipus de grafs és el de la representació de les

El cas dels grafs valorats és anàleg al de les classes de l’associació o atributs de

Per exemple, en el cas de les relacions professorat-alumnat en educació infan-

I el diagrama de la figura 7 mostra un graf bipartit d’exemple, que representa

És important ressaltar que una relació de tipus “molts a molts” en orientació

2. El tipus abstracte de dades Graf

El concepte matemàtic de graf es defineix en relació amb dos conjunts. Un

Graf com a tipus abstracte de dades

Hi ha dos tipus fonamentals de grafs: dirigits i no dirigits. És important tenir

A continuació oferim una possible definició matemàtica dels dos tipus de

Parell ordenat i parell

Encara que la definició matemàtica de graf requereix que hi hagi almenys un

En termes matemàtics, el conjunt d’arestes A d’un graf dirigit és una relació

En la introducció d’aquest mòdul, s’han proporcionat exemples de la represen-

Un graf valorat o graf amb pesos és aquell en el qual tenim informació

2.1. Grafs dirigits i no dirigits

TAD GrafNoDirigit<TElem, TEtiqueta>

crearVertex(v: valor): GrafNoDirigit

inserirAresta(n: Vertex, m: Vertex): GrafNoDirigit

eliminarVertex(v: Vertex): GrafNoDirigit

eliminarAresta(a: Aresta): GrafNoDirigit

adjacents(m: Vertex): Iterador

2.2. Grafs bipartits o relacions

Un graf G = (V, A) és un graf bipartit si hi ha una partició del conjunt

Els grafs bipartits es poden utilitzar conceptualment per a representar relaci-

Un graf bipartit és un tipus especial de graf, que es pot descriure de manera

inserirAresta(g:Graf, n:Vertex, m:Vertex):Graf

3. Interfícies Java per a grafs dirigits i no dirigits

En aquest apartat, introduirem les interfícies fonamentals de la biblioteca en

public interface Vertex<TElem> {

Per a la implementació en Java de grafs dirigits i no dirigits, és convenient (encara

public interface Aresta<TEtiqueta,TElem> {

/** Estableix el valor associat a l’aresta. */

/** Indica si l’aresta incideix en el vèrtex v. */

ha de ser ‘null’. Les arestes no dirigides simplement tindran operacions per a

public interface ArestaNoDirigida<TEtiqueta,TElem> extends Aresta<TEtiqueta,TElem> {

Tanmateix, en la interfície de les arestes dirigides, s’ha d’expressar clarament

public interface ArestaDirigida<TEtiqueta,TElem> extends Aresta<TEtiqueta,TElem> {

public interface Graf<TElem,TEtiqueta> {

public Vertex<TElem> crearVertex(Object valor);

public interface GrafNoDirigit<TElem,TEtiqueta> extends Graf<TElem,TEtiqueta> {

public interface GrafDirigit<TElem,TEtiqueta> extends Graf<TElem,TEtiqueta> {

public Iterador<? extends

En aquest apartat tractarem dos mètodes possibles per a la implementació de

4.1. Per matrius d’adjacència

La implementació més directa i senzilla d’un graf és per matrius d’adjacència.

La figura 8 és un exemple de com es representaria mitjançant una matriu d’ad-

La representació del graf en forma de conjunts serà la següent:

L’avantatge fonamental d’aquesta representació per al cas dels enters és que