06-图3 六度空间

我用DEV-C++测过用例，通过了，可是提交到PAT上全都是段错误，今天是没办法了。花了一整天，实在是不行，求高人指点啊！

#include <stdio.h>
#include <stdlib.h>
#include <stdbool.h>
#include <string.h>

typedef struct node
{
    int v;
    struct node * next;
}Node, * pNode;
typedef struct
{
    pNode * adjList;
    int n;
    bool * visited;
}ALGraph, * pALGraph;
typedef struct
{
    int * elem;
    int front, rear, size;
}Queue, * pQueue;

pALGraph initGraph(int N);
void link(pALGraph pG, int v1, int v2);
void insert(pNode pN, int vv);
int BFS(pALGraph, int vv, int N);
pQueue createQueue(int N);
bool isEmpty(pQueue pQ);
void inQueue(pQueue pQ, int e);
int outQueue(pQueue pQ);

int main()
{
//    freopen("in.txt", "r", stdin); // for test
    int i, N, M;
    scanf("%d%d", &N, &M);
    
    pALGraph pG;
    pG = initGraph(N);
    for(i = 0; i < M; i++)
    {
        int v1, v2;
        scanf("%d%d", &v1, &v2);
        link(pG, v1, v2);
    }
    int count;
    for(i = 1; i <= N; i++)
    {
        count = BFS(pG, i, N);
        printf("%d: %.2f%%
", i, (float)count / N * 100);
    }
//    fclose(stdin); // for test
    return 0;
}

pALGraph initGraph(int N)
{
    pALGraph pG;
    pG = (pALGraph)malloc(sizeof(ALGraph));
    pG->adjList = (pNode *)malloc((N + 1) * sizeof(pNode));
    pG->n = N + 1;
    pG->visited = (bool *)malloc((N + 1) * sizeof(bool));
    memset(pG->visited, false, (N + 1) * sizeof(bool));
    for(int i = 0; i < N + 1; i++)
    {
        pG->adjList[i] = (pNode)malloc(sizeof(Node));
        pG->adjList[i]->v = i;
        pG->adjList[i]->next = NULL;
    }
    
    return pG;
}

void link(pALGraph pG, int v1, int v2)
{
    insert(pG->adjList[v1], v2);
    insert(pG->adjList[v2], v1);
}

void insert(pNode pN, int vv)
{
    pNode tmp = (pNode)malloc(sizeof(Node));
    tmp->v = vv;
    tmp->next = pN->next;
    pN->next = tmp;
//    free(tmp);
}

int BFS(pALGraph pG, int vv, int N)
{
    pQueue pQ;
    pQ = createQueue(N);
    
    int i, count, level, last, tail;
    pG->visited[vv] = true;
    count = 1;
    level = 0;
    last = vv;
    inQueue(pQ, vv);
    while(!isEmpty(pQ))
    {
        vv = outQueue(pQ);
        pNode pN = pG->adjList[vv]->next;
        while(pN)
        {
            if(!pG->visited[pN->v])
            {
                pG->visited[pN->v] = true;
                count++;
                inQueue(pQ, pN->v);
                tail = pN->v;
            }
            pN = pN->next;
        }
        if(vv == last)
        {
            level++;
            last = tail;
        }
        if(level == 6)
            break;
    }
    memset(pG->visited, false, (N + 1) * sizeof(bool));
    
    return count;
}

pQueue createQueue(int N)
{
    pQueue pQ;
    pQ = (pQueue)malloc(sizeof(Queue));
    pQ->elem = (int *)malloc((N + 1) * sizeof(int));
    pQ->front = pQ->rear = 0;
    pQ->size = N + 1;
}

bool isEmpty(pQueue pQ)
{
    if(pQ->front != pQ->rear)
        return false;
    else
        return true;
}

void inQueue(pQueue pQ, int e)
{
    pQ->rear = (pQ->rear + 1) % pQ->size;
    pQ->elem[pQ->rear] = e;
}

int outQueue(pQueue pQ)
{
    pQ->front = (pQ->front + 1) % pQ->size;
    return pQ->elem[pQ->front];
}

“六度空间”理论又称作“六度分隔（Six Degrees of Separation）”理论。这个理论可以通俗地阐述为：“你和任何一个陌生人之间所间隔的人不会超过六个，也就是说，最多通过五个人你就能够认识任何一个陌生人。”如图6.4所示。

图6.4 六度空间示意图

“六度空间”理论虽然得到广泛的认同，并且正在得到越来越多的应用。但是数十年来，试图验证这个理论始终是许多社会学家努力追求的目标。然而由于历史的原因，这样的研究具有太大的局限性和困难。随着当代人的联络主要依赖于电话、短信、微信以及因特网上即时通信等工具，能够体现社交网络关系的一手数据已经逐渐使得“六度空间”理论的验证成为可能。

假如给你一个社交网络图，请你对每个节点计算符合“六度空间”理论的结点占结点总数的百分比。

输入格式说明：

输入第1行给出两个正整数，分别表示社交网络图的结点数N （1<N<=10⁴，表示人数）、边数M（<=33*N，表示社交关系数）。随后的M行对应M条边，每行给出一对正整数，分别是该条边直接连通的两个结点的编号（节点从1到N编号）。

输出格式说明：

对每个结点输出与该结点距离不超过6的结点数占结点总数的百分比，精确到小数点后2位。每个结节点输出一行，格式为“结点编号:（空格）百分比%”。

样例输入与输出：

序号	输入	输出
1	10 9 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10	1: 70.00% 2: 80.00% 3: 90.00% 4: 100.00% 5: 100.00% 6: 100.00% 7: 100.00% 8: 90.00% 9: 80.00% 10: 70.00%
2	10 8 1 2 2 3 3 4 4 5 5 6 6 7 7 8 9 10	1: 70.00% 2: 80.00% 3: 80.00% 4: 80.00% 5: 80.00% 6: 80.00% 7: 80.00% 8: 70.00% 9: 20.00% 10: 20.00%
3	11 10 1 2 1 3 1 4 4 5 6 5 6 7 6 8 8 9 8 10 10 11	1: 100.00% 2: 90.91% 3: 90.91% 4: 100.00% 5: 100.00% 6: 100.00% 7: 100.00% 8: 100.00% 9: 100.00% 10: 100.00% 11: 81.82%
4	2 1 1 2	1: 100.00% 2: 100.00%