为什么要有图
1)线性表局限于一个直接前驱和一个直接后继的关系
2)树也只能有一个直接前驱也就是父节点
3)当我们 需要表示多对多的关系时,这里我们就用到了图
图的举例说明
图是一种数据结构,其中结点可以具有零个或多个相邻元素。两个结点之间的连接称为边。结占也可以称为顶点。如图。
图的常用概念
1)顶点(vertex)
2)边(edge)
3) 路径
4)无向图(右图)
无向图:顶点之间的连接没有方向,比如A-B,即可以是A->B也可以B->A.
路径:比如从D-> C的路径有
- D->B->C
- D->A->B->C
- 有向图
6)带权图
图的表示方式
图的表示方式有两种:二维数组表示(邻接矩阵) ;链表表示(邻接表)
邻接矩阵
邻接矩阵是表示图形中顶点之间相邻关系的矩阵,对于n个顶点的图而言,矩阵是的row和col表示的是1…n个点。.
邻接表
- 邻接矩阵需要为每个顶点都分配n个边的空间,其实有很多边都是不存在,会造成空间的一定损失.
- 邻接表的实现只关心存在的边,不关心不存在的边。因此没有空间浪费,邻接表由数组+链表组成
图的深度优先遍历介绍
图遍历介绍
所谓图的遍历,即是对结点的访问。一个图有那么多个结点,如何遍历这些结点,需要特定策略,一般有两种访问策略: (1)深度优先遍历(2)广度优先遍历
深度优先遍历基本思想
图的深度优先搜索(Depth First Search)。dps搜索
1)深度优先遍历,从初始访问结点出发,初始访问结点可能有多个邻接结点,深度优先遍历的策略就是首先访问第-一个邻接结点,然后再以这个被访问的邻接结点作为初始结点,访问它的第一个邻接结点,可以这样理解:每次都在访问完当前结点后首先访问当前结点的第一个邻接结点。
2)我们可以看到,这样的访问策略是优先往纵向挖掘深入,而不是对一个结点的所有邻接结点进行横向访问。
3) 显然,深度优先搜索是一个递归的过程
深度优先遍历算法步骤
1)访问初始结点v,并标记结点v为已访问。
2)查找结点v的第一个邻接结点w。
3) 若w存在,则继续执行4,如果w不存在,则回到第1步,将从v的下一个结点继续。
4)若w未被访问, 对w进行深度优先遍历递归(即把w当做另- -个v,然后进行步骤123)。
5)查找结点v的w邻接结点的下一个邻接结点,转到步骤3。
广度优先遍历基本思想
图的广度优先搜索(Broad First Search)。
类似于一个分层搜索的过程,广度优先遍历需要使用一个队列以保持访问过的结点的顺序,
以便按这个顺序来访问这些结点的邻接结点
广度优先遍历算法步骤
1).访问初始结点v并标记结点v为已访问。
2)结点v入队列
3) 当队列非空时,继续执行,否则算法结束。
4)出队列, 取得队头结点u。
5)查找结点u的第一个邻接结点w。,
6)若结点u的邻接结点w不存在,则转到步骤3;否则循环执行以下三个步骤:
6.1若结点w尚未被访问,则访问结点w并标记为已访问。,
6.2结点w入队列
6.3查找结点u的继w邻接结点后的下一个邻接结点w,转到步骤6。
图的深度优先与广度优先差别
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList;//存储定点集合
private int[][] edges;//存储图对应的领结矩阵
private int numOfEdges;//表示边的数目
private boolean[] isVisited;//记录某个节点是否被访问
public static void main(String[] args) {
int n = 9;//顶点数
//String Vertex[] = {"A","B","C","D","E"};
String Vertex[] = {"1","2","3","4","5","6","7","8","9"};
//创建图对象
Graph graph = new Graph(n);
//循环添加顶点
for(String vertex: Vertex) {
graph.insertVertex(vertex);
}
//添加边
//A-B A-C B-C B-D B-E
// graph.insertEdge(0, 1, 1);
// graph.insertEdge(0, 2, 1);
// graph.insertEdge(1, 2, 1);
// graph.insertEdge(1, 3, 1);
// graph.insertEdge(1, 4, 1);
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);
//显示领结矩阵
graph.showGraph();
//深度遍历
System.out.println("深度遍历");
graph.dfs();
System.out.println("广度优先搜索");
graph.bfs();
}
//构造器
public Graph(int n) {
//n顶点
//初始化矩阵和vertexList
edges = new int [n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;//默认为零
isVisited = new boolean[n];
}
//插入节点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
//添加边
//v1:点的下标 及第几个顶点
//v2: 第二个顶点对应的下标
//weight 关联关系 如相通为1 不通为0
public void insertEdge(int v1,int v2,int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//返回节点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//返回边的数目
public int getNumOfEdges() {
return numOfEdges;
}
//返回顶点i(下标)对应的数据 0=》A 1=>b 2=>c
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1 v2的权值 (关系)
public int getWeight(int v1,int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵 (遍历)
public void showGraph() {
for(int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
//dfs 深度优先搜索
//得到第一个领结节点的下标 存在则返回对应的下标
public int getFirstNeighbor(int index) {
for(int j = 0; j<vertexList.size();j++) {
if(edges[index][j] == 1) {
return j;
}
}
return -1;
}
//根据前一个领结节点的下标 来获取下一个领结节点
//v2是v1的领结节点 找到v1的其他领结节点
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] == 1) {
return j;
}
}
return -1;
}
//对dfs进行重载 遍历所有顶点 考虑不连通图a-b-c连通 d-e连通但是整体不连通
public void dfs() {
for(int i =0;i<getNumOfVertex();i++) {
if(!isVisited[i]) {
dfs(isVisited,i);
}
}
}
//深度优先遍历算法
//i 第一次就是0(数组首尾)
private void dfs(boolean[] isVisited,int i) {
System.out.print(getValueByIndex(i) + "->");
//标记为已读
isVisited[i] = true;
//查找顶点i的第一个领结节点w
int w = getFirstNeighbor(i);
while(w != -1) {//说明有
if(!isVisited[w]) {//w未被访问
dfs(isVisited,w);
}else {
w = getNextNeighbor(i,w);
}
}
}
//对一个顶点进行广度优先遍历的方法
//重载 遍历所有的顶点 都进行广度优先搜索
public void bfs() {
for(int i = 0;i<getNumOfVertex();i++) {
if(!isVisited[i]) {
bfs(isVisited,i);
}
}
}
private void bfs(boolean[] isVisited,int i) {
int u;//表示队列的头顶点对应下标
int w;//u的第一个领结节点
LinkedList queue = new LinkedList();//队列 顶点访问顺序
//输出顶点信息
System.out.print(getValueByIndex(i)+"=>");
//标记为已访问
isVisited[i] = true;
//顶点加入节点
queue.addLast(i);
while(!queue.isEmpty()) {
//取出队列头节点下标
u = (Integer)queue.removeFirst();
w = getFirstNeighbor(u);
while(w != -1) {
if(!isVisited[w]) {
//未访问过
System.out.print(getValueByIndex(w)+"=>");
//输出后标记已访问
isVisited[w] = true;
//入队
queue.addLast(w);
}
//找u的其他领结节点
w = getNextNeighbor(u,w);//体现广度优先
}
}
}
}