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));
}
}
}