对算法导论中图的广度优先搜索（BFS）和深度优先搜索（DFS）用Java实现其中的伪代码算法，案例也采用算法导论中的图。
import java.util.ArrayList;
import java.util.HashMap;
import java.util.Iterator;
import java.util.LinkedList;
import java.util.Map;
import java.util.Map.Entry;
public class GraphSearch {
final static HashMap<String,LinkedList<String>> DGraph=new HashMap<String,LinkedList<String>>(); //有向图
final static HashMap<String,LinkedList<String>> UGraph=new HashMap<String,LinkedList<String>>(); //无向图
public static final int MAX_VALUE=2147483647;
public static final int MIN_VALUE=-2147483648;
public static void main(String [] args) {
//邻接表表示，初始化有向图和无向图，图用算法导论中的案例，分别是图22-1和图22-2
GraphSearch.initUGraph();
GraphSearch.initDGraph();
//BFS广度优先搜索
//GraphSearch.BFSUGraph();
//GraphSearch.BFSDGraph();
//DFS深度优先搜索
GraphSearch gs=new GraphSearch();
//gs.DFSUGraph();
gs.DFSDGraph();
}
//深度优先搜索
//初始化六个顶点的颜色、父顶点、发现距离和结束距离
public String[] DDColor = new String[]{"white","white","white","white","white","white"};
public int[] DDDis=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};
public int[] DDFin=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};
public String[] DDParent=new String[]{"null","null","null","null","null","null"};
public int DDTime=0;//计算发现时间和结束时间
public void DFSDGraph(){//有向图深度优先搜索
//遍历邻接表
Iterator<Entry<String, LinkedList<String>>> iter=DGraph.entrySet().iterator();
while (iter.hasNext() ) {
Map.Entry<String, LinkedList<String>> entry = iter.next();
String key = entry.getKey();
int iKey=Integer.valueOf(key.substring(1))-1;
if (DDColor[iKey]=="white") DFSDGraphVisit(key);
}
}
public void DFSDGraphVisit(String key){//无向图深度优先搜索
int n=Integer.valueOf(key.substring(1))-1;
DDColor[n]="gray";
DDTime=DDTime+1;
DDDis[n]=DDTime;
LinkedList<String> llV=DGraph.get(key);
for(int i=0;i<llV.size();i++){
String strV=llV.get(i);
int m=Integer.valueOf(strV.substring(1))-1;
if(DDColor[m]=="white"){
DDParent[m]=key;
DFSDGraphVisit(strV);
}
}
DDColor[n]="black";
DDTime=DDTime+1;
DDFin[n]=DDTime;
System.out.println("顶点："+key+"发现时间："+String.valueOf(DDDis[n])+"结束时间："+String.valueOf(DDFin[n])+"父顶点："+DDParent[n]+"当前颜色："+DDColor[n]);
}
//初始化五个顶点的颜色、父顶点、发现距离和结束距离
public String[] DUColor = new String[]{"white","white","white","white","white"};
public int[] DUDis=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};
public int[] DUFin=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};
public String[] DUParent=new String[]{"null","null","null","null","null"};
public int DUTime=0;//计算发现时间和结束时间
public void DFSUGraph(){//无向图深度优先搜索
//遍历邻接表
Iterator<Entry<String, LinkedList<String>>> iter=UGraph.entrySet().iterator();
while (iter.hasNext() ) {
Map.Entry<String, LinkedList<String>> entry = iter.next();
String key = entry.getKey();
int iKey=Integer.valueOf(key.substring(1))-1;
if (DUColor[iKey]=="white") DFSUGraphVisit(key);
}
}
public void DFSUGraphVisit(String key){//无向图深度优先搜索
int n=Integer.valueOf(key.substring(1))-1;
DUColor[n]="gray";
DUTime=DUTime+1;
DUDis[n]=DUTime;
LinkedList<String> llV=UGraph.get(key);
for(int i=0;i<llV.size();i++){
String strV=llV.get(i);
int m=Integer.valueOf(strV.substring(1))-1;
if(DUColor[m]=="white"){
DUParent[m]=key;
DFSUGraphVisit(strV);
}
}
DUColor[n]="black";
DUTime=DUTime+1;
DUFin[n]=DUTime;
System.out.println("顶点："+key+"发现时间："+String.valueOf(DUDis[n])+"结束时间："+String.valueOf(DUFin[n])+"父顶点："+DUParent[n]+"当前颜色："+DUColor[n]);
}
//广度优先搜索
public static void BFSDGraph(){//有向图广度优先搜索
//有向图DFS算法要改良，多个源顶点生成多颗树
//选初始化六个的颜色、父顶点、最短距离
String[] color = new String[]{"white","white","white","white","white","white"};
int[] dist=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};
String[] parent=new String[]{"null","null","null","null","null","null"};
//遍历顶点表DGraph，看是否还存在未搜索的
ArrayList<String> ALV=new ArrayList<String> ();
Iterator<Entry<String, LinkedList<String>>> iter=DGraph.entrySet().iterator();
while (iter.hasNext() && ALV.size()<6) {
Map.Entry<String, LinkedList<String>> entry = iter.next();
String key = entry.getKey();
if(ALV.contains(key)) continue;//已搜索，下次循环
//LinkedList<String> val = entry.getValue();
int iSV=Integer.valueOf(key.substring(1))-1;
//初始化源顶点
color[iSV]="gray";
dist[iSV]=0;
parent[iSV]="null";
ArrayList<String> queue=new ArrayList<String>();
queue.add(key);
//开始搜索
while(queue.size()>0){
String strV=queue.get(0);
queue.remove(0);//出列
int m=Integer.valueOf(strV.substring(1))-1;
LinkedList<String> listV= DGraph.get(strV);
for(int i=0;i<listV.size();i++){
String strVTmp=listV.get(i);
int n=Integer.valueOf(strVTmp.substring(1))-1;//顶点名称第二个字符是数字
if(color[n]=="white"){
color[n]="gray";
dist[n]=dist[m]+1;
parent[n]=strV;
queue.add(strVTmp);
}
}
color[m]="black";
System.out.println("顶点："+strV+"最短距离："+String.valueOf(dist[m])+"父顶点："+parent[m]+"当前颜色："+color[m]);
ALV.add(strV);
}
}
}
public static void BFSUGraph(){//无向图广度优先搜索
//选择顶点V1为源点，初始化五个的颜色、父顶点、最短距离
String[] color = new String[]{"white","white","white","white","white"};
int[] dist=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};
String[] parent=new String[]{"null","null","null","null","null"};
//初始化源顶点V1
color[0]="gray";
dist[0]=0;
parent[0]="null";
ArrayList<String> queue=new ArrayList<String>();
queue.add("V1");
//开始搜索
while(queue.size()>0){
String strV=queue.get(0);
queue.remove(0);//出列
int m=Integer.valueOf(strV.substring(1))-1;
LinkedList<String> listV= UGraph.get(strV);
for(int i=0;i<listV.size();i++){
String strVTmp=listV.get(i);
int n=Integer.valueOf(strVTmp.substring(1))-1;//顶点名称第二个字符是数字
if(color[n]=="white"){
color[n]="gray";
dist[n]=dist[m]+1;
parent[n]=strV;
queue.add(strVTmp);
}
}
color[m]="black";
System.out.println("顶点："+strV+"最短距离："+String.valueOf(dist[m])+"父顶点："+parent[m]+"当前颜色："+color[m]);
}
}
//初始化图
public static void initUGraph(){//无向图初始化
//顶点V1的邻接表
String strV1="V1";
LinkedList<String> ListV1=new LinkedList<String>();
ListV1.add("V2");
ListV1.add("V5");
UGraph.put(strV1, ListV1);
//顶点V2的邻接表
String strV2="V2";
LinkedList<String> ListV2=new LinkedList<String>();
ListV2.add("V1");
ListV2.add("V5");
ListV2.add("V3");
ListV2.add("V4");
UGraph.put(strV2, ListV2);
//顶点V3的邻接表
String strV3="V3";
LinkedList<String> ListV3=new LinkedList<String>();
ListV3.add("V2");
ListV3.add("V4");
UGraph.put(strV3, ListV3);
//顶点V4的邻接表
String strV4="V4";
LinkedList<String> ListV4=new LinkedList<String>();
ListV4.add("V2");
ListV4.add("V5");
ListV4.add("V3");
UGraph.put(strV4, ListV4);
//顶点V5的邻接表
String strV5="V5";
LinkedList<String> ListV5=new LinkedList<String>();
ListV5.add("V4");
ListV5.add("V1");
ListV5.add("V2");
UGraph.put(strV5, ListV5);
}
public static void initDGraph(){//有向图初始化
//顶点V1的邻接表
String strV1="V1";
LinkedList<String> ListV1=new LinkedList<String>();
ListV1.add("V2");
ListV1.add("V4");
DGraph.put(strV1, ListV1);
//顶点V2的邻接表
String strV2="V2";
LinkedList<String> ListV2=new LinkedList<String>();
ListV2.add("V5");
DGraph.put(strV2, ListV2);
//顶点V3的邻接表
String strV3="V3";
LinkedList<String> ListV3=new LinkedList<String>();
ListV3.add("V6");
ListV3.add("V5");
DGraph.put(strV3, ListV3);
//顶点V4的邻接表
String strV4="V4";
LinkedList<String> ListV4=new LinkedList<String>();
ListV4.add("V2");
DGraph.put(strV4, ListV4);
//顶点V5的邻接表
String strV5="V5";
LinkedList<String> ListV5=new LinkedList<String>();
ListV5.add("V4");
DGraph.put(strV5, ListV5);
//顶点V6的邻接表
String strV6="V6";
LinkedList<String> ListV6=new LinkedList<String>();
ListV6.add("V6");
DGraph.put(strV6, ListV6);
/*List arrayList = new ArrayList(DGraph.entrySet());
Collections.sort(arrayList, new Comparator() {
public int compare(Object arg1, Object arg2) {
Map.Entry obj1 = (Map.Entry) arg1;
Map.Entry obj2 = (Map.Entry) arg2;
return (obj1.getKey()).toString().compareTo((String) obj2.getKey());
}
});
//将HASHMAP中的数据排序
for (Iterator iter = arrayList.iterator(); iter.hasNext();) {
Map.Entry entry = (Map.Entry)iter.next();
String key = (String)entry.getKey();
System.out.println(key);
}*/
/*Iterator<Entry<String, LinkedList<String>>> iter=DGraph.entrySet().iterator();
while (iter.hasNext() ) {
Map.Entry<String, LinkedList<String>> entry = iter.next();
System.out.println(entry.getKey());
}*/
}
}
1）无向图广度优先搜索：
顶点：V1最短距离：0父顶点：null当前颜色：black
顶点：V2最短距离：1父顶点：V1当前颜色：black
顶点：V5最短距离：1父顶点：V1当前颜色：black
顶点：V3最短距离：2父顶点：V2当前颜色：black
顶点：V4最短距离：2父顶点：V2当前颜色：black2）有向图广度优先搜索
顶点：V2最短距离：0父顶点：null当前颜色：black
顶点：V5最短距离：1父顶点：V2当前颜色：black
顶点：V4最短距离：2父顶点：V5当前颜色：black
顶点：V3最短距离：0父顶点：null当前颜色：black
顶点：V6最短距离：1父顶点：V3当前颜色：black
顶点：V1最短距离：0父顶点：null当前颜色：black3）无向图深度优先搜索
顶点：V3发现时间：5结束时间：6父顶点：V4当前颜色：black
顶点：V4发现时间：4结束时间：7父顶点：V5当前颜色：black
顶点：V5发现时间：3结束时间：8父顶点：V1当前颜色：black
顶点：V1发现时间：2结束时间：9父顶点：V2当前颜色：black
顶点：V2发现时间：1结束时间：10父顶点：null当前颜色：black4）有向图深度优先搜索
顶点：V4发现时间：3结束时间：4父顶点：V5当前颜色：black
顶点：V5发现时间：2结束时间：5父顶点：V2当前颜色：black
顶点：V2发现时间：1结束时间：6父顶点：null当前颜色：black
顶点：V6发现时间：8结束时间：9父顶点：V3当前颜色：black
顶点：V3发现时间：7结束时间：10父顶点：null当前颜色：black
顶点：V1发现时间：11结束时间：12父顶点：null当前颜色：black算法还是有改良空间，比如怎么控制生成树是最大子树。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
