Java数据结构和算法---图

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();
    }
}

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值