11 图
为什么要有图
- 前面学习的线性表和树
- 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,这里就需要用到图
11.1 图的基本知识
图的常用概念
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mVcO26UD-1618541891258)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210408124420527.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SweVUGjg-1618541891266)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210408124543996.png)]
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)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-E9KS4ZRB-1618541891267)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210408130408829.png)]
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的,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,邻接表数组+链表组成。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MddcNgOW-1618541891268)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210408130650143.png)]
说明
- 标号为0的节点的相关联的节点为1 2 3 4
- 标号为1的节点的相关联系节点为0 4
- 标号为2的节点的相关联节点为0 4 5
11.2 图的快速入门案例
要求
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QILjUHZi-1618541891271)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210408144607869.png)]
图的创建和分析代码
public class Graph {
private ArrayList<String> vertexList; //存储顶点集合
private int[][] edges; //存储图对应的邻结矩阵
private int numOfEdges; //表示边的数目
public static void main(String[] args) {
//测试图创建的是否OK
int n = 5; //节点的个数
String Vertexs[] = {"A","B","C","D","E"};
//创建图像
Graph graph = new Graph(5);
//循环的添加顶点
for (String vertex:Vertexs){
graph.insertVertex(vertex);
}
//添加边
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vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
//图中常用的方法
//返回节点个数
public int getNumOfVertex(){
return vertexList.size();
}
//显示对应的矩阵
public void showGraph(){
for (int[] link:edges){
System.out.println(Arrays.toString(link));
}
}
//得到边的数目
public int getNumOfEdges(){
return numOfEdges;
}
//返回节点i(下标)对应的数据
public String getValueByIndex(int i){
return vertexList.get(i);
}
//返回v1和v2的权值
public int getWeight(int v1, int v2){
return edges[v1][v2];
}
//插入节点
public void insertVertex(String vertex){
vertexList.add(vertex);
}
//添加边
/**
*
* @param v1 表示点下标即是第几个顶点
* @param v2 表示第二个顶点对应的下标
* @param weight
*/
public void insertEdge(int v1, int v2, int weight){
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
结果
[0, 1, 1, 0, 0]
[1, 0, 1, 1, 1]
[1, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
11.3 图的遍历
图的遍历的介绍
所谓图的遍历,即是对节点的访问。一个图有那么多个节点,如何遍历这些节点,需要特定的策略,一般有两种访问策略:(1)深度优先遍历(2)广度优先遍历
11.3.1 深度优先遍历
深度优先遍历的基本思想(Deepth First Search)
- 深度优先遍历,从初始访问节点出发,初始访问节点可能有多个邻接节点,深度优先遍历的策略就是首先访问第一个邻接节点,然后再以这个被访问的邻接节点作为初始节点,访问它的第一个邻接节点,可以这样理解:每次再访问完当前节点后首先访问的是第一个邻接节点。
- 我们可以看出,这样的访问策略是优先往纵向挖掘深入的,而不是对一个节点的所有邻接节点进行横向访问。
- 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
- 访问初始节点v,并标记节点v为已访问。
- 查找节点v的第一个邻接节点w
- 若w存在,则继续执行4,如果w不存在,则回到第一步中,将从v的下一个节点继续
- 若w未被访问,对w进行深度优先遍历递归(即把w当作另一个v,然后进行步骤123)
- 查找节点v的w邻接节点的下一个邻接节点
代码
//深度优先遍历
//i 第一次就是0
public void dfs(boolean[] isVisited,int i){
//首先我们访问该节点,输出
System.out.print(getValueByIndex(i) + "==>");
//将节点设置为已经访问
isVisited[i] = true;
//查找节点i的第一个邻接节点w
int w = getFirstNeighbor(i);
while (w != -1){
//说明有
if (!isVisited[w]){
dfs(isVisited,w);
}
//如果w节点已经被访问过
w = getNextNeighbor(i,w);
}
}
//对dfs进行一个重载,遍历我们所有的节点,并进行dfs
public void dfs(){
//遍历所有的点
for (int i = 0; i < getNumOfVertex(); i++){
if (!isVisited[i]){
dfs(isVisited,i);
}
}
}
//得到第一个邻接点的下标w
/**
*
* @param index
* @return 如果真的存在就返回对应的下标,否则返回的是-1
*/
public int getFirstNeighbor(int index){
for (int j = 0; j < vertexList.size(); j++){
if (edges[index][j] > 0){
return j;
}
}
return -1;
}
//根据前一个节点的下标来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;
}
结果显示
深度遍历
A==>B==>C==>D==>E==>
11.3.2 广度优先遍历
广度优先遍历基本思想(Board 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节点的顺序,以便按照这个顺序来访问这些节点的邻接节点。
广度优先访问遍历算法步骤
-
访问初始节点v并标记节点v为已访问
-
节点v入队列
-
当队列非空时,继续执行,否则算法结束
-
出队列,取得对头节点u
-
查找节点u的第一个邻接节点w
-
若节点u的邻接节点w不存在,则跳转到步骤3;否则循环执行以下三个步骤
6.1 若节点w尚未被访问,则访问节点w并标记为已访问
6.2 节点w入队列
6.3 查找节点u的继w邻接节点后的下一个邻接节点w,转到步骤6
代码实现
//对一个节点进行广度优先遍历
private void bfs(boolean[] isVisited, int i){
int u; //表示队列的头节点对应下标
int w; //邻接点w
//队列,记录节点访问的顺序
LinkedList queue = new LinkedList();
//访问节点,输出节点信息
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()){
//取出队列的头节点的下标
u = (Integer)queue.removeFirst();
//得到第一个邻接点的下标w
w = getFirstNeighbor(u);
while (w != -1){
//是否被访问过
if (!isVisited[w]){
System.out.print(getValueByIndex(w) + "====>");
//标记已经访问
isVisited[w] = true;
//入队
queue.addLast(w);
}
//以u为前去点,找到w后面的下一个邻接点
w = getNextNeighbor(u,w); //体现出我们的广度优先
}
}
}
//遍历所有的节点,都进行广度优先搜索
public void bfs(){
for (int i = 0;i < getNumOfVertex(); i++){
if (!isVisited[i]){
bfs(isVisited,i);
}
}
}
运行结果
广度优先
A====>B====>C====>D====>E====>
11.3.3 广度优先和深度优先的区别
应用实例
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-M9hQyg1c-1618541891273)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210412094600093.png)]
编写代码
int n = 8; //节点的个数
// String Vertexs[] = {"A","B","C","D","E"};
String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
//创建图像
Graph graph = new Graph(8);
//循环的添加顶点
for (String vertex : Vertexs) {
graph.insertVertex(vertex);
}
//添加边
// 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);
//更新边的关系
graph.insertEdge(0,1,1);
graph.insertEdge(0,2,1);
graph.insertEdge(1,3,1);
graph.insertEdge(1,4,1);
graph.insertEdge(3,7,1);
graph.insertEdge(4,7,1);
graph.insertEdge(2,5,1);
graph.insertEdge(2,6,1);
graph.insertEdge(5,6,1);
运行的结果
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 0, 1, 1, 0, 0, 0]
[1, 0, 0, 0, 0, 1, 1, 0]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0, 1, 0]
[0, 0, 1, 0, 0, 1, 0, 0]
[0, 0, 0, 1, 1, 0, 0, 0]
深度遍历
1==>2==>4==>8==>5==>3==>6==>7==>
广度优先
1====>2====>3====>4====>5====>6====>7====>8====>