What
前面的博客中将了数组、链表、树，他们都是数据结构，而图也是指的一种数据结构，如图1就是一个图
图1
Why
对于线性表（数组、链表），他们只有一个直接前驱和直接后继
对于树，每个节点虽然可能有多个直接后继（子节点），但是只有一个直接前驱（父节点）
线性表和树能够满足一对一、一对多的关系，但是当我们需要多对多的关系时怎么办，这个时候就用到图，如图1
How
Ⅰ、基本概念介绍
图分为无向图（图2）、有向图（图3）、带权图（图4）
图相关名词，参考图2
- 顶点（vertex）
- 边（edge）
- 路径：如A -> C -> D是A到D的一条路径，C -> D -> E是C到D的一条路径
图2
图3
图4
Ⅱ、图的存储结构
1.邻接矩阵（二维数组表示）
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。如下图（图5）
说明：
表格第0行表示的是 A 这个顶点与顶点 B、C、D、E相邻
表格第1行表示的是 B 这个顶点与顶点 A、E相邻
....
其它顶点以此内推。
图5.邻接矩阵
2.邻接表（链表表示）
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；而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，如下图（图6）
说明：
索引为0的位置代表 A 顶点，指向的链表表示 A 顶点相邻的顶点为B、C、D、E
索引为1的位置代表 B 顶点，指向的链表表示 B 顶点相邻的顶点为A、E
....
其它顶点以此类推。
图6.邻接表
Ⅲ、图的遍历
所谓图的遍历，就是对结点的访问。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
1.深度优先遍历dfs（Depth First Search）
深度优先遍历思想：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。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。
具体步骤：
- 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。
2.广度优先遍历bfs（Broad First Search）
广度优先遍历思想：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。
具体步骤：
- 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
Ⅳ、代码实现
下面用临接矩阵简单实现图5对应的图的创建、dfs、bfs
package com.czy.datastructures.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
/**
* @author chenzhiyuan
* @date 2020-03-08 16:55
* 无向图简单实现
*/
public class Graph {
/**
* 存储顶点
*/
private ArrayList<String> vertexList;
/**
* 存储图对应的邻接矩阵
*/
private int[][] edges;
/**
* 边的数量
*/
private int numOfEdges;
/**
* 用于遍历图时保存节点是否被访问
*/
private boolean[] isVisited;
public Graph(int n) {
// 初始化邻接矩阵和顶点ArrayList
edges = new int[n][n];
vertexList = new ArrayList<>(n);
isVisited = new boolean[n];
numOfEdges = 0;
}
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 插入一条边
* 一条边有两个顶点，用v1、v2表示
*
* @param v1 表示顶点1的下标
* @param v2 表示顶点2的下标
* @param weight 表示两个顶点是否连通，0连通、1没联通
*/
public void insertEdge(int v1, int v2, int weight) {
// 因为是无向图，所以需要对矩阵的两个位置赋值
edges[v1][v2] = weight;
edges[v1][v2] = weight;
numOfEdges++;
}
/**
* 返回顶点的数量
*
* @return
*/
public int getNumberOfVertex() {
return vertexList.size();
}
/**
* 返回边的数量
*
* @return
*/
public int getNumOfEdges() {
return numOfEdges;
}
/**
* 返回顶点的值
*
* @param index
* @return
*/
public String getValueByIndex(int index) {
return vertexList.get(index);
}
/**
* 返回v1顶点和v2顶点的权值
*
* @param v1
* @param v2
* @return
*/
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
/**
* 显示图对应的矩阵
*/
public void showGraph() {
for (int[] line : edges) {
System.out.println(Arrays.toString(line));
}
}
/**
* 获取第一个临接顶点的索引(提供给dfs方法)
*
* @param vertexIndex 当前顶点的索引
* @return 如果存在，返回对应下标；如果不存在，返回-1。
*/
public int getFirstAdjoinVertexIndex(int vertexIndex) {
for (int i = 0; i < edges[vertexIndex].length; i++) {
if (edges[vertexIndex][i] == 1) {
return i;
}
}
return -1;
}
/**
* 根据某个顶点索引和这个顶点某个临接顶点索引来获取这个顶点的下一个临接顶点的索引(提供给dfs方法)
*
* @param vertexIndex1 当前顶点的索引
* @param vertexIndex2 当前顶点的某个临接顶点
* @return
*/
public int getNextAdjoinVertexIndex(int vertexIndex1, int vertexIndex2) {
for (int i = vertexIndex2 + 1; i < edges[vertexIndex1].length; i++) {
if (edges[vertexIndex1][i] == 1) {
return i;
}
}
return -1;
}
/**
* 针对某个节点进行深度优先遍历
*
* @param isVisited
* @param vertexIndex
*/
private void dfs(boolean[] isVisited, int vertexIndex) {
// 标记当前访问节点为true
isVisited[vertexIndex] = true;
// 输出当前访问节点
System.out.println("访问" + vertexList.get(vertexIndex));
// 获取第一个临接顶点的下标
int w = getFirstAdjoinVertexIndex(vertexIndex);
if (w != -1) {
if (!isVisited[w]) {
dfs(isVisited, w);
}
// 如果节点被访问过了，获取下一个临接节点的下标
w = getNextAdjoinVertexIndex(vertexIndex, w);
}
}
/**
* 深度优先遍历
*/
public void dfs() {
for (int i = 0; i < getNumberOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
/**
* 广度优先遍历
*/
private void bfs(boolean[] isVisited, int vertexIndex) {
// 队列头结点对应的下标
int u;
// 临接节点下标
int w;
// 队列，用于保持访问过的结点的顺序
LinkedList<Integer> queue = new LinkedList<>();
// 访问当前节点
System.out.println("访问" + vertexList.get(vertexIndex));
// 当前节点入队列
queue.add(vertexIndex);
// 当前节点标记为已访问
isVisited[vertexIndex] = true;
while (!queue.isEmpty()) {
u = queue.poll();
w = getFirstAdjoinVertexIndex(u);
while (w != -1) {
if (!isVisited[w]) {
isVisited[w] = true;
System.out.println("访问" + vertexList.get(w));
queue.addLast(w);
}
w = getNextAdjoinVertexIndex(u, w);
}
}
}
public void bfs() {
for (int i = 0; i < getNumberOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
public static void main(String[] args) {
// 顶点个数
int n = 6;
// 顶点值
String[] vertexValues = {"A", "B", "c", "D", "E", "F"};
// 创建图
Graph graph = new Graph(n);
// 添加节点
for (String vertexValue : vertexValues) {
graph.insertVertex(vertexValue);
}
// 添加边
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(0, 3, 1);
graph.insertEdge(0, 4, 1);
graph.insertEdge(1, 1, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(2, 0, 1);
graph.insertEdge(2, 4, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(3, 0, 1);
graph.insertEdge(3, 5, 1);
graph.insertEdge(4, 0, 1);
graph.insertEdge(4, 1, 1);
graph.insertEdge(4, 2, 1);
graph.insertEdge(4, 5, 1);
graph.insertEdge(5, 2, 1);
graph.insertEdge(5, 3, 1);
graph.insertEdge(5, 4, 1);
graph.showGraph();
// graph.dfs();
graph.bfs();
}
}
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
