图
1.1 图基本介绍
1.1.1 为什么要有图
- 前面的博客介绍了线性表和树
- 线性表局限于一个直接前驱和一个直接后继的关系
- 树也只能有一个直接前驱也就是父节点
- 当我们需要表示多对多的关系时, 这里我们就用到了图。
1.1.2 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。 结点也可以称为顶点。如图:
1.1.3 图的常用概念
- 顶点(vertex)
- 边(edge)
- 路径
- 无向图(下图)
- 有向图
- 带权图
1.2 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)。
1.2.1 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。
1.2.2 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
- 举例说明
1.3 图的入门案例
要求: 代码实现如下图结构.
- 思路分析
- 存储顶点 String 使用 ArrayList
- 保存矩阵 int[][] edges
- 代码实现
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList;//存储顶点的集合
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
private boolean[] isVisited; //表示结点是否被访问过
public static void main(String[] args) {
int n = 5;
String vertexs[] = {"A","B","C","D","E"};
Graph graph = new Graph(n);
//循环添加顶点
for(String vertex : vertexs){
graph.insertVertext(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);
//显示邻接矩阵
graph.showGraph();
}
//构造器
public Graph(int n){
//初始化矩阵和vertextList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
isVisited = new boolean[n];
}
//插入顶点
public void insertVertext(String vertext){
vertexList.add(vertext);
}
/**
* 添加边
* @param v1 第一个顶点在ArrayList中对应的下标
* @param v2 第二个顶点在ArrayList中对应的下标
* @param weight
*/
public void insertEdge(int v1,int v2,int weight){
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//返回结点的个数
public int getNumOfVertex(){
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges(){
return numOfEdges;
}
//返回结点i(下标)对应的数据
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));
}
}
}
执行结果如下:
1.4 图的遍历
1.4.1 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:
- 深度优先遍历
- 广度优先遍历
1.4.2 深度优先遍历基本思想
图的深度优先搜索(Depth First Search) 。
- 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。
- 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。
- 显然,深度优先搜索是一个递归的过程
1.4.3 深度优先遍历算法步骤
- 访问初始结点 v,并标记结点 v 为已访问。
- 查找结点 v 的第一个邻接结点 w。
- 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。
- 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)。
- 查找结点 v 的 w 邻接结点的下一个邻接结点,转到步骤 3。
- 分析图
上图的访问结果如下:
先访问结点A ,再访问A第一个邻接结点B,然后递归深度优先遍历B的所有邻接结点,访问C,再递归深度优先遍历C的所有邻接结点,此时发现C的所有邻接结点均以被访问则向上一层回溯,重新递归深度优先遍历B的所邻接结点,访问D,然后递归深度优先遍历D的所有邻接结点,此时发现D的所有邻接结点都已被访问过故向上一层回溯,重新递归深度优先遍历B的所哟邻接结点,访问E,并递归深度优先遍历E的所有邻接结点,此时发现E的所有邻接结点也都被访问过了,向上层回溯,此时发现B的所有邻接均被访问过,于是再向上一层回溯,此时发现以A深度优先递归遍历的所有邻接均被访问过,于是循环判断是否存在未访问过的节点,最终发现所有节点均被访问,算法结束。
1.4.4 深度优先算法的代码实现
package com.mylove.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList;//存储顶点的集合
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
private boolean[] isVisited; //表示结点是否被访问过
public static void main(String[] args) {
// TODO Auto-generated method stub
int n = 5;
String vertexs[] = {"A","B","C","D","E"};
Graph graph = new Graph(n);
//循环添加顶点
for(String vertex : vertexs){
graph.insertVertext(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);
//显示邻接矩阵
graph.showGraph();
System.out.println("深度优先遍历:");
graph.dfs();
}
//构造器
public Graph(int n){
//初始化矩阵和vertextList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
isVisited = new boolean[n];
}
//插入顶点
public void insertVertext(String vertext){
vertexList.add(vertext);
}
/**
* 添加边
* @param v1 第一个顶点在ArrayList中对应的下标
* @param v2 第二个顶点在ArrayList中对应的下标
* @param weight
*/
public void insertEdge(int v1,int v2,int weight){
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//返回结点的个数
public int getNumOfVertex(){
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges(){
return numOfEdges;
}
//返回结点i(下标)对应的数据
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));
}
}
/**
* 得到第一个邻接结点的下标
* @param index
* @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;
}
//根据前一个邻接结点的下标来获取下一个邻接结点
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;
}
//深度优先遍历算法
private void dfs(boolean[] isVisited,int i){
//首先我们访问该结点,输出
System.out.print(getValueByIndex(i) + " -> ");
//将该结点设置为已经访问
isVisited[i] = true;
//查找结点i的第一个邻接结点w
int w = getFirstNeighbor(i);
while( w != -1){
if( !isVisited[w]){
dfs(isVisited, w);
}
//如果w结点已经被访问过了
w = getNextNeighbor(i, w);
}
}
//对dfs进行重载,遍历我们所有的结点进行dfs
public void dfs(){
isVisited = new boolean[vertexList.size()];
//遍历所有的结点进行dfs[回溯]
for(int i = 0 ; i < getNumOfVertex(); i++){
if( !isVisited[i] ){
dfs(isVisited, i);
}
}
}
}
1.5.1 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
1.5.2 广度优先遍历算法步骤
- 访问初始结点 v 并标记结点 v 为已访问。
- 结点 v 入队列
- 当队列非空时,继续执行,否则算法结束。
- 出队列,取得队头结点 u。
- 查找结点 u 的第一个邻接结点 w。
- 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。
1.5.3 广度优先算法代码实现
package com.mylove.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList;//存储顶点的集合
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
private boolean[] isVisited; //表示结点是否被访问过
public static void main(String[] args) {
// TODO Auto-generated method stub
int n = 5;
String vertexs[] = {"A","B","C","D","E"};
Graph graph = new Graph(n);
//循环添加顶点
for(String vertex : vertexs){
graph.insertVertext(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);
//显示邻接矩阵
graph.showGraph();
System.out.println("深度优先遍历:");
graph.dfs();
System.out.println("\n"+"广度优先遍历:");
graph.bfs();
}
//构造器
public Graph(int n){
//初始化矩阵和vertextList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
isVisited = new boolean[n];
}
//插入顶点
public void insertVertext(String vertext){
vertexList.add(vertext);
}
/**
* 添加边
* @param v1 第一个顶点在ArrayList中对应的下标
* @param v2 第二个顶点在ArrayList中对应的下标
* @param weight
*/
public void insertEdge(int v1,int v2,int weight){
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//返回结点的个数
public int getNumOfVertex(){
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges(){
return numOfEdges;
}
//返回结点i(下标)对应的数据
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));
}
}
/**
* 得到第一个邻接结点的下标
* @param index
* @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;
}
//根据前一个邻接结点的下标来获取下一个邻接结点
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;
}
//深度优先遍历算法
private void dfs(boolean[] isVisited,int i){
//首先我们访问该结点,输出
System.out.print(getValueByIndex(i) + " -> ");
//将该结点设置为已经访问
isVisited[i] = true;
//查找结点i的第一个邻接结点w
int w = getFirstNeighbor(i);
while( w != -1){
if( !isVisited[w]){
dfs(isVisited, w);
}
//如果w结点已经被访问过了
w = getNextNeighbor(i, w);
}
}
//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
int w ; //邻接结点w
//队列,记录结点访问的顺序
LinkedList<Integer> queue = new LinkedList<Integer>();
//访问结点,输出结点信息
System.out.print(getValueByIndex(i) + " => ");
//标记为已访问
isVisited[i] = true;
//将结点放入队列
queue.addLast(i);
while( !queue.isEmpty()){
//取出队列的头结点
u = queue.removeFirst();
//得到第一个邻接矩阵的下标
w = getFirstNeighbor(u);
while( w != -1){
if( !isVisited[w] ){
System.out.print(getValueByIndex(w) + " => ");
//标记已经访问
isVisited[w] = true;
//入队列
queue.addLast(w);
}
//以u为结点找w后面的下一个邻接结点
w = getNextNeighbor(u, w);
}
}
}
//遍历所有的结点进行广度优先搜索
public void bfs(){
isVisited = new boolean[vertexList.size()];
for(int i = 0 ; i < getNumOfVertex(); i++ ){
if( !isVisited[i]){
bfs(isVisited,i);
}
}
}
//对dfs进行重载,遍历我们所有的结点进行dfs
public void dfs(){
isVisited = new boolean[vertexList.size()];
//遍历所有的结点进行dfs[回溯]
for(int i = 0 ; i < getNumOfVertex(); i++){
if( !isVisited[i] ){
dfs(isVisited, i);
}
}
}
}
运行结果如下: