知识大全 多维数组-矩阵的压缩存储- 稀疏矩阵（二）

Posted 2022-07-14 知

篇首语：会挽雕弓如满月，西北望，射天狼。本文由小常识网(cha138.com)小编为大家整理，主要介绍了知识大全 多维数组-矩阵的压缩存储- 稀疏矩阵（二）相关的知识，希望对你有一定的参考价值。

　　 带行表的三元组表

　　为了方便某些矩阵运算 在按行优先存储的三元组表中 加入一个行表来记录稀疏矩阵中每行的非零元素在三元组表中的起始位

　　置 这就是带行表的三元组表

　　( )类型描述

　　#define MaxRow l //在三元组表定义前加入此最大行定义

　　typedef struct

　　TriTupleNode data[MaxSize];

　　int RowTab[MaxRow];//行表 应保证m≤MaxRow

　　int m n t;

　　RTriTupleTable;

　　( )带行表的三元组表的操作

　　① 对于任给行号i( ≤i≤m ) 能迅速地确定该行的第一个非零元在三元组表中的存储位置为RowTab[i]

　　② RowTab[i]( ≤i≤m )表示第i行之前的所有行的非零元数

　　③ 第i行上的非零元数目为RowTab[i+ ] RowTab[i]( ≤i≤m )

　　④ 最后一行(即第m l行)的非零元数目为t RowTab[m ](t为矩阵的非零元总数)

　　注意

　　若在行表中令RowTab[m]=t(要求MaxRow>m)会更方便 些 且t可省略

　　带行表的三元组表可改进矩阵的转置算法 具体【参阅其它参考书】

　　 稀疏矩阵压缩存储方式分析

　　( ) 三元组表和带行表的三元组表的特点

　　相应的算法描述较为简单 但这类顺序存储方式对于非零元的位置或个数经常发生变化的矩阵运算就显得不太适合

　　【例】执行将矩阵B相加到矩阵A上的运算时 某位置上的结果可能会由非零元变为零元 但也可能由零元变为非零元 这就会

　　引起在A的三元组表中进行删除和插人操作 从而导致大量结点的移动 对此类运算采用链式存储结构为宜

　　( )稀疏矩阵的链式结构

相关参考