A GRAPHES v4

Structures récursives non linéaires :
structures de données abstraites

Structures de données et
algorithmes généraux de la théorie
des graphes
Faten LABBENE AYACHI
Les Graphes - F. LABBENE AYACHI 1

Définitions
et
structures de données
des graphes

Définitions
Une structure de données non linéaire
Est un ensemble d’éléments distribués sur un plan, ce qui signifie
qu’il n’y a pas de séquence entre les éléments telle qu’elle existe
dans une structure de données linéaire.
Exemples : Arbre, graphe.
Type abstrait
Un type abstrait est un triplet composé de :
• un nom
• un ensemble de valeurs
• un ensemble d'opérations (souvent appelé primitives) définies
sur ces valeurs.
Exemples : Pile, File, arbre, graphe, conteneur.
Tout sur les ARBRES
• Une structure de modèle hiérarchique.
• Un arbre est une structure acyclique, connectée et dirigée.
• Il doit y avoir un nœud racine dans l’arbre à partir duquel on peut atteindre
tous les autres nœuds de l’arbre.
• Il existe toujours un seul chemin pour atteindre à partir du nœud racine un
autre nœud de l’arbre.
• Parcourir un arbre : à partir d’un nœud retrouver chaque nœud du sous-
arbre.
• Parcours préordre, postordre et ordre sont une sorte de parcours dans les
arbres. On les appelles aussi parcours préfixé, postfixé et infixé.
• Les arbres sont principalement utilisés pour trier et parcourir.
• La structure arbre est moins complexe que celle de graphe.

Tous les ARBRES sont des GRAPHES
• Une structure de modèle hiérarchique. • Structure de modèle réseau.
• Un arbre est une structure acyclique, • Peuvent êtres cycliques, non connexes, non
connectée et dirigée.
orientés.
• Il doit y avoir un nœud racine dans • Pas de nœud racine dans les graphes.
l’arbre à partir duquel on peut atteindre
tous les autres nœuds de l’arbre.
• Il existe toujours un seul chemin pour • À partir d’un nœud A il existe plusieurs
atteindre à partir du nœud racine un autre
nœud de l’arbre.
chemins pour atteindre un nœud B.
• Parcourir un arbre : à partir d’un nœud • Recherche dans un graphe : à partir d’un
retrouver chaque nœud du sous-arbre.
nœud essayer de trouver un nœud particulier.
• Parcours préordre, postordre et ordre • Parcours en largeur ou en profondeur sont
sont une sorte de parcours dans les
arbres.
des algorithmes de recherche.
• Les arbres sont principalement utilisés • La principale utilisation des graphes est la
pour trier et parcourir.
coloration et la planification des tâches.
• La structure arbre est moins complexe • Complexité élevée par rapport aux arbres
que celle de graphe.
Les Graphes - F.principalement
LABBENE AYACHIà cause des boucles. 5
Définitions
• Un graphe est un couple G = (S, A) dans lequel :
‾ S est l'ensemble des éléments mis en relation les uns avec les autres.
Les éléments de S sont nommés sommets.
‾ A représente les relations établies entre membres de S. A est donc un
ensemble de couples d'éléments de S.
• On parle de graphe non orienté dans le cas d'une relation symétrique

entre les sommets, on parle de 2 sommets mis en relation, sans préciser
d'ordre entre ces deux sommets. Les éléments de A sont nommés arêtes.
• Dans le cas d'une relation non symétrique, il y a une direction particulière

dans la mise en relation de deux sommets. On parle alors de graphe
orienté, et les éléments de A sont nommés arcs.
6
Les Graphes - F. LABBENE AYACHI
Graphe non orienté vs graphe orienté
A E
S = {A, E, B, C, F, D, K}
D A = { {A,B}, {A,E}, {E,C},
B C {E,B}, {C,B}, {C,F}, {B,F},
K {F,E}, {D, K}}
A E
S = {A, E, B, C, F}
A = {(A,A), (A,B), (A,E),
B C (E,C), (C,B), (C,F), (B,F),
(B,E), (B,A), (F,E)}
7
F
Exemples de problèmes modélisés par des graphes valués et
étiquetés
A 142 E
Tunis Sousse
58 136
250 C
B Sfax
Bizerte
139
F
Gabes
• Un graphe de réseau routier tunisien utilisera des valeurs

représentant les distances kilométriques des trajets.
• Un graphe de coloriage n'a pas besoin de valuation.
Exemples d’applications des graphes
• Représentation et manipulation de Plan métro, bus, réseau
routier, coloriage carte géographique, Châteaux d’eau et
distribution.
• Représentation et manipulation des réseaux d’amis sur
Facebook, réseaux de professionnels tels que linkedIn,
ResearchGate, Arbre généalogique, etc.
• Circuit imprimé, Réseaux informatique, réseaux télécoms.
• Héritage des types dans les langages OO.
▪ Les appels faits par une collection de procédures
(récursivité/récursivité croisée).
• Planification des tâches, gestion des emplois du temps, etc.

Sommet, arête, voisin, degré
Sommets : A, B, C, D
Arêtes : AB, BC, AC, BD
voisins(A) : B et C
voisins(B) : A, C et D
voisins(C) : A et B
voisins(D) : B
A et D ne sont pas voisins.
D et C ne sont pas voisins
degré(A) = degré(C) =2
degré(B) = 3
degré(D) =1
Chemin, longueur
Chemin : Suite d’arêtes permettant de relier deux sommets.
(ABC) est un chemin reliant A à D.
Longueur d’un chemin = nombre de ses arêtes
Longueur (ABC) = 2
Tout sommet isolé a une longueur 0.
Remarque :
Il existe deux chemins entre A et C soit
ABC et AC.
Le plus court chemin étant AC.
➔L'existence d'un chemin

d'un sommet à un autre peut être
testée à l'aide d'un parcours de graphe.
Chemin vs Cycle
• Chemin élémentaire : Chemin qui ne contient pas plusieurs

fois le même sommet. Il est hamiltonien s’il passe par tous les
sommets du graphe.
• Chemin simple est un chemin ne passant pas plusieurs fois

par une même arête, c'est-à-dire dont tous les arcs sont
distincts. Il est eulérien s’il contient toutes les arêtes du
graphe.
• Un cycle est un chemin dont les deux extrémités sont

identiques. Il est par définition non élémentaire.

Chemin vs cycle
• Le chemin en vert n'est pas

fermée et ne forme donc pas
un cycle.
• Les deux cycles rouge et

bleu sont simples mais non
élémentaires de longueur
respectivement 3 et 6.

Graphe complet / Graphe connexe
complet
G est complet si Un graphe est connexe s’il existe un

pour tout couple de chemin reliant chaque paire de
sommets de G, il sommets.
existe une arête.

Sous-graphe
• Un sous-graphe G’=(S’, A’) d’un graphe G est un graphe tel que:
₋ S’ est un sous-ensemble des sommets de G.
₋ A’ un sous-ensemble des arêtes de G.
• Un sous-graphe est dit couvrant s’il contient tous les sommets de

G.

Arbre couvrant minimal
Un arbre couvrant d’un graphe est un sous-graphe couvrant qui est
un arbre.
Arbre couvrant minimal d’un graphe pondéré est un arbre
couvrant dont le poids total des arêtes est minimal.
Une forêt est un graphe non orienté ne contenant pas de cycles. Les
composantes connexes d’une forêt sont donc des arbres.
Exemples :
• Pour la construction d’un réseau électrique entre habitations,
l'arbre couvrant minimum est la façon de construire un tel réseau
en minimisant par exemple la longueur totale de câble.
• Minimisation de la communication entre tous les nœuds dans un
réseau de capteurs sans fils se fait autour d’un nœud appelé
racine. Les Graphes - F. LABBENE AYACHI 16
Définitions
• Un graphe étiqueté est un couple G=(S,A) sur lequel une fonction
d’étiquetage est définie, qui associe une étiquette à chaque élément de S.
Plusieurs sommets peuvent avoir la même étiquette.
• Chaque sommet doit avoir un identifiant unique.
• Un graphe valué ou pondéré est un couple G=(S,A) sur lequel une

fonction de valuation est définie, qui associe une valeur à chaque élément
de A. Plusieurs arêtes peuvent avoir la même valeur.
• Le poids d'un chemin est la somme des poids des arêtes qui le
composent.
• Un plus court chemin entre deux sommets est, parmi les chemins qui les
relient, le chemin de poids minimum.
17
Graphe orienté
Exemple type d’applications : ordre topologique ou
ordonnancement des tâches
Hypothèse 1 :
• On dispose d’une seule ressource.
• Toutes les tâches doivent être exécutées
➔ Exécuter les tâches les unes après les autres.
Hypothèse 2 : Il existe des contraintes sur l’ordre d’exécution des

tâches.
Y ne peut commencer à
être exécuté tant que X
X Y n’est pas terminé.
Structures de données
des graphes non orientés

Représentation statique d’un graphe
Matrice d’adjacence
A A E
0 1 1 1 0
B 1 0 1 0 1
B C
C 1 1 0 1 1
E 1 0 1 0 1 F
F 0 1 1 1 0 M est symétrique
par rapport à sa
Liste Voisinage entre sommets première
des sommets diagonale.
Représentation statique d’un graphe
Matrice d’adjacence
A si (L[i], L[j]) ϵ A
0 1 1 1 0 alors M[i,j] = vrai
M[j,i] = vrai
B 1 0 1 0 1 sinon M[i,j] = faux
M[j,i] = faux
C 1 1 0 1 1
Voisins(L[i])
E 1 0 1 0 1 =
{ L[j] / M[i,j]=1 }
F 0 1 1 0 0
Liste Matrice Voisinage entre sommets
des sommets
MATRICE D’ADJACENCE
d’un graphe étiqueté
id ville
A Tunis -1 142 58 250 -1
B Bizerte 58 -1 -1 -1 -1
C Sfax 250 136 -1 -1 139
E Sousse 142 -1 -1 136 -1
F Gabes -1 -1 -1 139 -1
si (L[i].id, L[j].id) ϵ A
alors M[i,j] = poids((L[i], L[j])
sinon M[i,j] = -1
Représentation dynamique d’un graphe :
Les LISTES D’ADJACENCE
Liste ordonnée des sommets Liste des voisins
• •
G A
1 • 2 • 3
B • • 4
Exemple de
C • • 1 • 2 • 5
graphe non
3 • 5 étiqueté et
D • •
non pondéré
2
E •
▪ Les listes d’adjacence sont triées par le numéro des sommets.

▪ Les voisins d’un sommet peuvent apparaitre dans n’importe
quel ordre.
Structure de données Graphe non orienté
Etant donné un graphe étiqueté et pondéré, donnez les définitions
sous-jacentes suivantes :
1) Définition d’une matrice d’adjacence.
2) Définition d’une liste d’adjacence.
A 142 E
Tunis Sousse
58 136
250 C
B Sfax
Bizerte
139
F
Gabes
Structures de données
des graphes orientés

Représentation statique d’un graphe orienté
A 1 1 0 1 0
A E
B 1 0 0 1 1
C 0 1 0 0 1 B C
E 0 0 1 0 0
F
F 0 0 0 1 0

A matrice d’adjacence
A 1 1 0 1 0
si (L[i], L[j]) ϵ A
B 1 0 0 1 1 alors M[i,j] = vrai
sinon M[i,j] = faux
C 0 1 0 0 1
• Ligne ➔ sommet de départ
E • Colonne ➔ sommet
0 0 1 0 0 d'arrivé
F 0 0 0 1 0
Liste Matrice d’adjacence entre sommets

des sommets
Matrice d’incidence du graphe
AA AB BA AE BE BF CB CF EC FE
Liste des
Liste des 1 2 3 4 5 6 7 8 9 10 arêtes
sommets
A +1 +1 -1 +1 0 0 0 0 0 0
B 0 -1 +1 0 +1 +1 -1 0 0 0
C 0 0 0 0 0 0 +1 +1 -1 0
E 0 0 0 -1 -1 0 0 0 +1 -1
F 0 0 0 0 0 -1 0 -1 0 +1
La représentation {-1, 0, +1} ne convient pas lorsque le

graphe contient des boucles ➔ Introduire une autre valeur
{-1, 0, +1, +2} Les Graphes - F. LABBENE AYACHI 28
Matrice d’incidence du graphe
1 2 3 4 5 6 7 8 9 10
Sommet isolé 0 0 0 0 0 0 0 0 0 0
Point d’entrée 0 +1 +1 0 +1 +1 +1 0 0 0
Point de sortie 0 0 0 0 0 0 -1 -1 -1 0
0 -1 -1 0 -1 0 0 +1 +1 0
Prédécesseurs Successeurs
= nombre des -1 = nombre des +1

Représentation dynamique d’un graphe :
Les LISTES D’INCIDENCE
Liste ordonnée des sommets Liste des sommets incidents

• •
G A
A • E • B
B • • A • E • F
C • • B • F
C
E • •
E
F •
• Chaque case sommet pointe sur la liste des sommets incidents.

• La liste est vide si le sommet est isolé.
Exercice d’application

Application Gestion des acteurs 1/3
Une société de production cinématographique désire informatiser son système de gestion.
Ainsi, on vous a confié la conception du module « Gestion des acteurs ». Pour ce faire, on
dispose d’un ensemble de N acteurs. Chaque acteur est caractérisé par les informations
suivantes :
– numéro d’identification (entier)
– nom (chaîne de 30 caractères)
– adresse (chaîne de 50 caractères)
– sexe (1 caractère : M : masculin, F : féminin)
– nationalité (chaîne de 30 caractères)
De plus, pour chaque acteur, on connaît ses partenaires (les acteurs ayant joué avec lui) et
le nombre de films auxquels il avait participé avec chacun d’eux.
Exemple :
Soit l’ensemble d’acteurs : {A1,A2,A3,A4, A5}.
On sait que:
– A1 a joué avec A3 dans 2 films et avec A4 dans 1 film.
– A2 a joué avec A3 dans 1 film, avec A4 dans 4 films et avec A5 dans 2 films
– A4 et A5 ont jouésLesensemble
Graphes - F.dans 4 films.
LABBENE AYACHI 32
1) Quelle structure abstraite utilisera-t-on pour modéliser ce
problème ?
2) Représenter cette structure abstraite en utilisant :
a) Une structure de données statique R1
b) Une structure de données dynamique R2.
3) En utilisant la structure de données R1, écrire une procédure qui

affiche les noms des actrices ayant jouées avec un acteur de
numéro d’identification donné.
4) En utilisant la structure de données R1, écrire une fonction qui
calcule le nombre de films joués par un acteur de numéro
d’identification donné.
5) En utilisant la structure de données R2, écrire une procédure qui
retourne dans une structure de votre choix l’ensemble de tous les
acteurs (avec les informations qui les caractérisent) et pour
chaque acteur uniquement les partenaires portant la même
nationalité que lui.
6) En utilisant la structure de données R2, une procédure qui

affiche les noms des acteurs qui ont joué à la fois avec deux
acteurs de numéros donnés.
Pour l’exemple précédent et si les acteurs donnés sont A1 et A2, la

procédure affichera A3 et A4.

Primitives de manipulation d’un graphe
1) Initialiser un graphe à vide.

2) Ajouter un sommet à un graphe (indiquer le numéro ou nom et
le contenu du sommet).
3) Ajouter une arête à un graphe (indiquer les deux sommets qu’il
relie).
4) Ôter un sommet du graphe et tous les arcs qui y sont rattachés.
5) Ôter une arête.
6) Permettre l’accès à un sommet, étant donné son numéro ou son
nom.
7) Parcourir les voisins d’un sommet.
8) Indiquer si un sommet n’a pas de voisins.

Algorithmes de parcours des
graphes non orientés

Parcours en largeur d’un graphe
Breadh First Search
Lorsque l'on fait un parcours en largeur à partir d'un sommet
choisi s, on atteint d'abord les voisins de u, ensuite les voisins des
voisins (sauf ceux qui sont déjà atteints) et ainsi de suite.
A E
BFS(G, A) ?
B C
BFS(G, F) ?
F
Démo BFS
BFS(G, A) BFS(G, F)
➔ A B E C F ➔ F B C A E
A E A E
B C B C
F F
Arbres différents mais mêmes propriétés.
Parcours en profondeur d’un graphe
Principe :
Dans le parcours en profondeur à partir d'un sommet u, on tente
d'avancer le plus loin possible dans le graphe, et ce n'est que lorsque
toutes les possibilités de progression sont bloquées que l'on revient
pour explorer un nouveau chemin.

Démo DFS
DFS(G, A) DFS(G, F)
➔ A B E C F ➔ F B C A E
A E A E
B C B C
F F
DFS vs BFS
DFS(G, A) BFS(G, A)
➔ A B E C F ➔ A B E C F
A E A E
B C B C
F F
DFS vs BFS
DFS(G, F) BFS(G, F)
➔ F B C A E ➔ F B C A E
A E A E
B C B C
F F
DFS vs BFS
A A A
B C D B C D B C D
E F E F E F

Parcours d’un graphe
Deux types de parcours : EN LARGEUR ou EN PROFONDEUR
(Breadth First Search vc Deapth First Search)
Ces parcours généralisent les parcours similaires dans les arbres.
Afin de prévoir le cas des cycles, il faut colorier les sommets déjà
parcourus :
- Initialement les sommets sont tous blancs ;
- lorsqu’il est rencontré pour la première fois un sommet est peint
en gris ;
- lorsque tous ses successeurs dans l’ordre de parcours ont été
visités, un sommet est repeint en noir.

algorithme DFS (g: graphe)
début
| … Algorithme
| pour chaque sommet u de g faire
| | couleur [u] ← blanc Deph First
|
|
pour chaque sommet u de g faire
| si couleur[u]= blanc
Search
| | alors DFS_visit_REC(g, u)
Fin
algorithme DFS_visit_REC (g: graphe, u: sommet)

début
| couleur [u] ← gris
| pour chaque voisin v de u faire
| | si (couleur (v) = blanc)
| | | alors DFS_visit_REC(g, v)
| couleur (s) ← noir
fin DFS_visit

Trace d’exécution DFS
couleur
A n
A A
B n
B C D
A C E C n
B C D A D E F
D n
A C F
C D E n
F n
E F
K b
K L b
L

début
| … Algorithme
| | couleur [u] ← blanc Deph First
|
|
pour chaque sommet u de g faire
| si couleur[u]= blanc
Search
Fin Si le graphe
n’est pas
début
connexe, il faut
| couleur [u] ← gris plusieurs
| pour chaque voisin v de u faire parcours.
| | | alors DFS_visit_REC(g, v)
fin DFS_visit

DFS
début pour calculer
| couleur [u] ← gris d’autres
| C C+1 informations
| | alors pere[v]  w
dist[u] : entier
| | dist[v]  c
| | DFS_visit_REC(g, v) Distance entre un
| couleur (s) ← noir nœud et le sommet u.
fin DFS_visit pere[s] : sommet
pour construire
l’arbre couvrant

début
| C 0
| pour chaque sommet u de g faire pere [u] ← nil DFS
| pour chaque sommet u de g faire dist [u] ← -1 initialisations
| pour chaque sommet u de g faire couleur [u] ← blanc
| | si couleur[u]= blanc
Fin
début
| C C+1
| | alors pere[v]  w
| | dist[v]  c
| | DFS_visit_REC(g, v)
fin DFS_visit
Initialisations Algorithme Depth First Search
• Pour tout u, couleur[u] = blanc ou couleur [getpos(G,u)]
couleur[u] : {blanc, gris, noir}
Marque les sommets non visités, encours ou terminés.
• Pour tout u, dist[u] = -1 et pere[u] = nil
• C=0
-1 nil blanc A • • B • C • E
-1 nil blanc B • • A • C • F
-1 nil blanc C • • A • B • E • F
-1 nil Blanc A • C • F
E • •
-1 nil blanc B • C • E
F •

Initialisations Algorithme Dept First Search
• Pour tout u, couleur[u] = blanc ou couleur [getpos(G,u)]
couleur[u] : {blanc, gris, noir}
Marque les sommets non visités, encours ou terminés.
• Pour tout u, dist[u] = -1 et pere[u] = nil
• C=0
-1 nil blanc A 0 1 1 1 0
-1 nil blanc B 1 0 1 0 1
-1 nil blanc C 1 1 0 1 1
-1 nil Blanc E 1 0 1 0 1
-1 nil blanc F 0 1 1 0 0

Algorithme itératif Depth First Search
algorithme DFS_visit_ITER (g: graphe, u: sommet)
début
Pour la version
| initpile(f)
itérative on utilise
| enpiler (f, u)
| tant que (non pilevide (f) ) faire une pile
| | w ← dépiler (f)
| | pour chaque voisin v de w faire
| | | si (couleur (v) = blanc)
| | | | alors couleur [v] ← gris
| | | enpiler (f, v)
| | couleur [w] ← noir
fin DFS_visit_ITER
algorithme DFS_visit_ITER (g: graphe, u: sommet)
début
| initpile(f)
| enpiler (f, u)
| tant que (non pilevide (f) ) faire
| | w ← défiler (f)
| | c ← c+1
| | | | | pere[v] ← w
| | | | | dist[v] ← c
| | | enpiler (f, v)
fin DFS_visit_ITER 53
Algorithme itératif Breadh First Search
algorithme BFS_visit_ITER (g: graphe, u: sommet)
début
| initfile(f) Pour la version
| enfiler (f, u) itérative on utilise
| tant que (non filevide (f) ) faire une file d’attente
| | | enfiler (f, v)
fin BFS_visit_ITER
algorithme BFS_visit_ITER (g: graphe, u: sommet)
début
| initfile(f)
| enfiler (f, u)
| tant que (non filevide (f) ) faire
| | c ← c+1
| | | | | pere[v] ← w
| | | | | dist[v] ← c
| | | enfiler (f, v)
fin BFS_visit_ITER
BFS vs DFS
Étapes de l'algorithme itératif BFS :
1. Mettre le nœud source dans la file.
2. Retirer le nœud du début de la file pour le traiter.
3. Mettre tous les voisins non explorés dans la file (à
la fin).
4. Si la file n'est pas vide reprendre à l'étape 2.
Note :
• L'utilisation d'une pile au lieu d'une file transforme
l'algorithme du parcours en largeur en l'algorithme de
parcours en profondeur.
• Pas de version récursive de BFS.
Parcours en largeur d’un graphe
Breadh First Search
• Visite tous les sommets et toutes les arêtes de G.
• Calculer les distances de tous les nœuds depuis un nœud
source.
• Construire un arbre couvrant.
• Détermine si G est connexe ou non.
• Calcule les composantes connexes de G.
• Calcule une forêt couvrante pour G.

A GRAPHES v4

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

A GRAPHES v4

Transféré par

Droits d'auteur :

Formats disponibles

Structures récursives non linéaires :

structures de données abstraites

Faten LABBENE AYACHI

Les Graphes - F. LABBENE AYACHI 1

Les Graphes - F. LABBENE AYACHI 2

Les Graphes - F. LABBENE AYACHI 4

• On parle de graphe non orienté dans le cas d'une relation symétrique

• Dans le cas d'une relation non symétrique, il y a une direction particulière

• Un graphe de réseau routier tunisien utilisera des valeurs

Les Graphes - F. LABBENE AYACHI 9

➔L'existence d'un chemin

• Chemin élémentaire : Chemin qui ne contient pas plusieurs

• Chemin simple est un chemin ne passant pas plusieurs fois

• Un cycle est un chemin dont les deux extrémités sont

Les Graphes - F. LABBENE AYACHI 12

• Le chemin en vert n'est pas

• Les deux cycles rouge et

Les Graphes - F. LABBENE AYACHI 13

G est complet si Un graphe est connexe s’il existe un

Les Graphes - F. LABBENE AYACHI 14

• Un sous-graphe est dit couvrant s’il contient tous les sommets de

Les Graphes - F. LABBENE AYACHI 15

• Chaque sommet doit avoir un identifiant unique.

• Un graphe valué ou pondéré est un couple G=(S,A) sur lequel une

Hypothèse 2 : Il existe des contraintes sur l’ordre d’exécution des

Les Graphes - F. LABBENE AYACHI 19

▪ Les listes d’adjacence sont triées par le numéro des sommets.

Les Graphes - F. LABBENE AYACHI 25

Les Graphes - F. LABBENE AYACHI 26

Liste Matrice d’adjacence entre sommets

La représentation {-1, 0, +1} ne convient pas lorsque le

Les Graphes - F. LABBENE AYACHI 29

Liste ordonnée des sommets Liste des sommets incidents

• Chaque case sommet pointe sur la liste des sommets incidents.

Les Graphes - F. LABBENE AYACHI 31

3) En utilisant la structure de données R1, écrire une procédure qui

6) En utilisant la structure de données R2, une procédure qui

Pour l’exemple précédent et si les acteurs donnés sont A1 et A2, la

Les Graphes - F. LABBENE AYACHI 34

1) Initialiser un graphe à vide.

Les Graphes - F. LABBENE AYACHI 35

Les Graphes - F. LABBENE AYACHI 36

Les Graphes - F. LABBENE AYACHI 39

Les Graphes - F. LABBENE AYACHI 43

Les Graphes - F. LABBENE AYACHI 44

algorithme DFS_visit_REC (g: graphe, u: sommet)

Les Graphes - F. LABBENE AYACHI 45

Les Graphes - F. LABBENE AYACHI 46

Les Graphes - F. LABBENE AYACHI 47

Les Graphes - F. LABBENE AYACHI 48

Les Graphes - F. LABBENE AYACHI 50

Les Graphes - F. LABBENE AYACHI 51

Les Graphes - F. LABBENE AYACHI 57

Vous aimerez peut-être aussi