图的基本介绍
为什么要有图
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
顶点(vertex)
边(edge)
路径:比如从 D -> C 的路径有 1) D->B->C 2) D->A->B->C
无向图(下图):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 .
有向图(下图):顶点之间的连接有方向，比如A-B, 只能是 A-> B 不能是 B->A .
带权图(下图):这种边带权值的图也叫网.
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
说明:
标号为0的结点的相关联的结点为 1 2 3 4
标号为1的结点的相关联结点为0 4，
标号为2的结点相关联的结点为 0 4 5
....
图的快速入门案例
要求: 代码实现如下图结构.
思路分析 (1) 存储顶点String 使用 ArrayList
(2) 保存矩阵 int[][] edges
代码:
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
public class Demo {
private List<String> list ;//存储定点集合
private int [][]edges;//存储图对应的邻接矩阵
private int num;//边的数目
public Demo(int n) {
edges = new int[n][n];
list= new ArrayList<>(n);
num=0;
}
//插入结点
public void insetV(String s){
list.add(s);
}
//添加边
/**
*
* @param v1 第一个顶点的下标 A->0 B->1 C->2.....
* @param v2 第二个顶点的下标
* @param weight 1 or 0
*/
public void insertE(int v1,int v2,int weight){
edges[v1][v2]=weight;
edges[v2][v1]=weight;
num++;
}
//返回结点的个数
public int getNum(){
return list.size();
}
//返回边的数目
public int getV(){
return num;
}
//返回结点i对应的字母(0->A)
public String getValue(int i){
return list.get(i);
}
//返回v1和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 show(){
for (int []g: edges) {
System.out.println(Arrays.toString(g));
}
}
public static void main(String[] args) {
int n=5;
String []v ={"A","B","C","D","E"};
//创建图对象
Demo demo = new Demo(n);
for (String value:v) {
demo.insetV(value);
}
demo.insertE(0,1,1);
demo.insertE(0,2,1);
demo.insertE(1,2,1);
demo.insertE(1,3,1);
demo.insertE(0,4,1);
demo.show();
}
}
图的遍历
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
①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。
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。
eg:
代码:
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
public class Demo {
private List<String> list ;//存储定点集合
private int [][]edges;//存储图对应的邻接矩阵
private int num;//边的数目
private boolean []isTrue;
public Demo(int n) {
edges = new int[n][n];
list= new ArrayList<>(n);
isTrue = new boolean[n];
num=0;
}
//得到第一个邻接节点的下标w
public int getFirstNeighbor(int index){
for (int i = 0; i < list.size(); i++) {
if(edges[index][i]>0){
return i;
}
}
return -1;
}
//根据前一个邻接节点的下标 来获取下一个邻接节点
public int getNextNeighbor(int v1,int v2){
for (int i = v2+1; i < list.size(); i++) {
if(edges[v1][i]>0){
return i;
}
}
return -1;
}
//深度优先
//i第一次是0
public void dfs(boolean[] isTrue,int i){
System.out.print(getValue(i) + "->");
isTrue[i] = true;
//查找其第一个邻接节点
int w = getFirstNeighbor(i);
while (w!=-1){
if(!isTrue[w]){
dfs(isTrue,w);
}
//若w已经被访问过了
w = getNextNeighbor(i,w);
}
}
//对dfs进行重载 因为上面那个只是深度遍历了一个结点
public void dfs(){
for (int i = 0; i < getNum(); i++) {
if(!isTrue[i]){
dfs(isTrue,i);
}
}
}
//插入结点
public void insetV(String s){
list.add(s);
}
//添加边
/**
*
* @param v1 第一个顶点的下标 A->0 B->1 C->2.....
* @param v2 第二个顶点的下标
* @param weight 1 or 0
*/
public void insertE(int v1,int v2,int weight){
edges[v1][v2]=weight;
edges[v2][v1]=weight;
num++;
}
//返回结点的个数
public int getNum(){
return list.size();
}
//返回边的数目
public int getV(){
return num;
}
//返回结点i对应的字母(0->A)
public String getValue(int i){
return list.get(i);
}
//返回v1和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 show(){
for (int []g: edges) {
System.out.println(Arrays.toString(g));
}
}
public static void main(String[] args) {
int n=5;
String []v ={"A","B","C","D","E"};
//创建图对象
Demo demo = new Demo(n);
for (String value:v) {
demo.insetV(value);
}
demo.insertE(0,1,1);
demo.insertE(0,2,1);
demo.insertE(1,2,1);
demo.insertE(1,3,1);
demo.insertE(0,4,1);
demo.show();
System.out.println();
demo.dfs();
}
}
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。
广度优先举例说明
代码:
import java.lang.reflect.Array;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
import java.util.List;
public class Demo {
private ArrayList<String> list ;//存顶点集合
private int [][]edges;//存储图对应的邻接矩阵
private int num;//边的数目
private boolean []isTrue;
public Demo(int n) {
edges = new int[n][n];
list= new ArrayList<>(n);
isTrue = new boolean[n];
num=0;
}
//得到第一个邻接节点的下标w
public int getFirstNeighbor(int index){
for (int i = 0; i < list.size(); i++) {
if(edges[index][i]>0){
return i;
}
}
return -1;
}
//根据前一个邻接节点的下标 来获取下一个邻接节点
public int getNextNeighbor(int v1,int v2){
for (int i = v2+1; i < list.size(); i++) {
if(edges[v1][i]>0){
return i;
}
}
return -1;
}
//广度优先
public void bfs(boolean[] isTrue,int i ) {
int u;//表示队列头结点对应下标
int w;//邻接节点w
//队列 记录结点访问的顺序
LinkedList queue = new LinkedList();
//访问结点 输出结点信息
System.out.print(getValue(i) + "->");
//标记为已访问
isTrue[i] = true;
queue.addLast(i);
while (!queue.isEmpty()) {
//取出队列头
u = (Integer) queue.removeFirst();
//得到第一个邻接节点的下标
w = getFirstNeighbor(u);
while (w != -1) {
if (!isTrue[w]){
System.out.print(getValue(w) + "->");
isTrue[w] = true;
queue.addLast(w);
}
w = getNextNeighbor(u,w);
}
}
}
//bfs 遍历所有的结点
public void bfs(){
for (int i = 0; i < getNum();i++) {
if (!isTrue[i]) {
bfs(isTrue,i);
}
}
}
//插入结点
public void insetV(String s){
list.add(s);
}
//添加边
/**
*
* @param v1 第一个顶点的下标 A->0 B->1 C->2.....
* @param v2 第二个顶点的下标
* @param weight 1 or 0
*/
public void insertE(int v1,int v2,int weight){
edges[v1][v2]=weight;
edges[v2][v1]=weight;
num++;
}
//返回结点的个数
public int getNum(){
return list.size();
}
//返回边的数目
public int getV(){
return num;
}
//返回结点i对应的字母(0->A)
public String getValue(int i){
return list.get(i);
}
//返回v1和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 show(){
for (int []g: edges) {
System.out.println(Arrays.toString(g));
}
}
public static void main(String[] args) {
int n=5;
String []v ={"A","B","C","D","E"};
//创建图对象
Demo demo = new Demo(n);
for (String value:v) {
demo.insetV(value);
}
demo.insertE(0,1,1);
demo.insertE(0,2,1);
demo.insertE(1,2,1);
demo.insertE(1,3,1);
demo.insertE(1,4,1);
demo.show();
System.out.println();
demo.bfs();
}
}
2706
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
