数据结构与算法——图

图

图基本介绍

为什要有图？

1)前面我们学了线性表和树

2)线性表局限于一个直接前驱和一个直接后继的关系

3)树也只能有一个直接前驱也就是父节点

4)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：

图的常用概念：

图的表示方式：

图的入门案例

1)案例

2)思路分析

(1)存储顶点String使用ArrayList

(2)保存矩阵int[][] edges

3)代码实现：

package com.iswhl.graph;

import java.util.ArrayList;
import java.util.Arrays;

public class Graph {

    //定义变量
    public ArrayList<String> vertexList;//存储顶点的集合
    public int[][] edges;//存储图对应的临接矩阵
    private int numOfEdges;//表示边的条数

    public static void main(String[] args) {
        // 节点的个数
        int n = 5;
        String[] vertexValue = {"A", "B", "C", "D", "E"};
        // 创建图对象
        Graph graph = new Graph(n);
        // 循环添加节点数据
        for (String item : vertexValue) {
            graph.insertVertex(item);
        }
        // 添加边 A-B A-C B-C B-D B-E
        graph.insertEdges(0, 1, 1);
        graph.insertEdges(0, 2, 1);
        graph.insertEdges(1, 2, 1);
        graph.insertEdges(1, 3, 1);
        graph.insertEdges(1, 3, 1);
        graph.insertEdges(1, 4, 1);

        graph.showGraph();
    }


    public Graph(int n) {
        //初始化
        edges = new int[n][n];
        vertexList = new ArrayList<String>(n);
        numOfEdges = 0;
    }
    //插入节点
    public void insertVertex(String vertex){
        vertexList.add(vertex);
    }

    //添加边

    /**
     *
     * @param v1 对应要添加的节点的下标值
     * @param v2 对应要添加的节点的下标值
     * @param weight 边的权值
     */
    public void insertEdges(int v1,int v2,int weight){
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
    }

    //图中常用的方法
    //返回节点的个数
    public int getNumOfVertex(){
        return vertexList.size();
    }
    //返回边的个数
    public int getNumOfEdges(){
        return numOfEdges;
    }
    //根据下标返回对应的节点的值 如：0-》 “A”
    public String getValueByIndex(int i){
        return vertexList.get(i);
    }
    //返回v1 v2的权值
    public int getWeight(int v1,int v2){
        return edges[v1][v2];
    }
    //显示图对应的矩阵
    public void showGraph(){
        for (int[] link : edges){
            System.out.println(Arrays.toString(link));
        }
    }
}

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)。

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当做另一个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。

图的广度优先遍历

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。

代码实现：

package com.iswhl.graph;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;

public class Graph {

    //定义变量
    public ArrayList<String> vertexList;//存储顶点的集合
    public int[][] edges;//存储图对应的临接矩阵
    private int numOfEdges;//表示边的条数
    private boolean[] isVisited; // 记录节点是否被访问

    public static void main(String[] args) {
        // 节点的个数
        int n = 5;
        String[] vertexValue = {"A", "B", "C", "D", "E"};
        // 创建图对象
        Graph graph = new Graph(n);
        // 循环添加节点数据
        for (String item : vertexValue) {
            graph.insertVertex(item);
        }
        // 添加边 A-B A-C B-C B-D B-E
        graph.insertEdges(0, 1, 1);
        graph.insertEdges(0, 2, 1);
        graph.insertEdges(1, 2, 1);
        graph.insertEdges(1, 3, 1);
        graph.insertEdges(1, 3, 1);
        graph.insertEdges(1, 4, 1);

        graph.showGraph();

        System.out.println("深度优先遍历");
        graph.dfs(); // A->B->C->D->E->

        System.out.println();

        System.out.println("广度优先遍历：");
        graph.bfs();
    }


    public Graph(int n) {
        //初始化
        edges = new int[n][n];
        vertexList = new ArrayList<String>(n);
        numOfEdges = 0;
        isVisited = new boolean[n];
    }
    //插入节点
    public void insertVertex(String vertex){
        vertexList.add(vertex);
    }

    // 得到第一个邻接结点的下标

    /**
     * 求该结点的第一个邻接矩阵下标
     * @param index 该结点的下标
     * @return 如果存在就返回对应的下标 否则返回-1
     */
    public int getFirstNeighbor(int index) {
        for (int j = 0; j < vertexList.size(); j++) {
            if (edges[index][j] > 0) {
                return j;
            }
        }
        return -1;
    }
    // 根据前一个邻接节点的下标 获取下一个邻接节点
    public int getNextNeighbor(int v1, int v2) {
        for (int j = v2 + 1; j < vertexList.size(); j++) {
            if (edges[v1][j] > 0) {
                return j;
            }
        }
        return -1;
    }

    // 深度优先遍历方法
    public void dfs(boolean[] isVisit, int i) {
        // 首先访问该节点
        System.out.print(getValueByIndex(i) + "->");
        // 将该节点设置已经访问过
        isVisit[i] = true;
        // 查找下标为i 的邻接节点
        int w = getFirstNeighbor(i);
        while (w != -1) {
            if (!isVisit[w]) { // 没有被访问过
                dfs(isVisit, w);
            }
            // 如果w 被访问过了 去找 下标为i 的节点的 下一个邻接节点的下一个邻接节点
            w = getNextNeighbor(i, w);
        }
    }

    // 对dfs 进行重载 遍历所有的节点 并进行 dfs
    public void dfs() {
        // 回溯遍历dfs
        for(int i = 0; i < vertexList.size(); i++) {
            if (!isVisited[i]) {
                dfs(isVisited, i);
            }
        }
    }

    // 对一个结点进行广度优先遍历的方法
    private void bfs(boolean[] isVisited, int i) {
        int u; // 表示队列的头结点的下标
        int w; // 邻接节点的下标
        // 队列存放访问过的节点 (现进先出)
        LinkedList<Integer> queue = new LinkedList<Integer>();
        // 访问当前节点
        System.out.print(getValueByIndex(i) + "->");
        // 标记为已访问
        isVisited[i] = true;
        // 将节点加入队列
        queue.addLast(i);
        while (!queue.isEmpty()) {
            // 取出对列的头结点坐标
            u = queue.removeFirst();
            w = getFirstNeighbor(u);
            while (w != -1) { //
                // 是否访问过
                if (!isVisited[w]) {
                    System.out.print(getValueByIndex(w) + "->");
                    isVisited[w] = true;
                    // 入队列
                    queue.addLast(w);
                }
                // 已经访问过的话 以u为为前驱 找 w 的下一个邻接结点
                w = getNextNeighbor(u, w); // 体现出广度优先
            }
        }
    }

    // 遍历所有的节点 都进行广度优先搜索
    public void bfs() {
        for (int i = 0; i < vertexList.size(); i++) {
            if (!isVisited[i]) {
                bfs(isVisited, i);
            }
        }
    }




    //添加边

    /**
     *
     * @param v1 对应要添加的节点的下标值
     * @param v2 对应要添加的节点的下标值
     * @param weight 边的权值
     */
    public void insertEdges(int v1,int v2,int weight){
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
    }

    //图中常用的方法
    //返回节点的个数
    public int getNumOfVertex(){
        return vertexList.size();
    }
    //返回边的个数
    public int getNumOfEdges(){
        return numOfEdges;
    }
    //根据下标返回对应的节点的值 如：0-》 “A”
    public String getValueByIndex(int i){
        return vertexList.get(i);
    }
    //返回v1 v2的权值
    public int getWeight(int v1,int v2){
        return edges[v1][v2];
    }
    //显示图对应的矩阵
    public void showGraph(){
        for (int[] link : edges){
            System.out.println(Arrays.toString(link));
        }
    }
}