图 - 备忘录

跳转到总目录


举例说明

当我们需要表示多对多的关系时, 这里我们就用到了图.
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。如下图:
在这里插入图片描述

常用概念

  1. 顶点(vertex)

  2. 边(edge)

  3. 路径

  4. 无向图(下图)在这里插入图片描述

  5. 有向图
    在这里插入图片描述

  6. 带权图
    在这里插入图片描述

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。
在这里插入图片描述

邻接表
1.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.
2.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
在这里插入图片描述


深度优先遍历

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

基本思想

图的深度优先搜索(Depth First Search)
1.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

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。


广度优先遍历

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

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。


案例分析

分析图如下,从A点开始:
在这里插入图片描述
代码示例见下方.


代码示例

/**
 * @Author haowu
 * @CreateTime 2022-07-30 13:21
 * @Description 图
 */
public class Graph {
    public static void main(String[] args) {
        //测试图的创建
//        String[] vertexArr = {"A", "B", "C", "D", "E"};
        String[] vertexArr = {"1", "2", "3", "4", "5", "6", "7", "8"};
        Graph graph = new Graph(vertexArr.length);
        Arrays.stream(vertexArr).forEach(v -> {
            graph.addVertex(v);
        });
        //添加边
        //A-B A-C B-C B-D B-E
//		graph.addEdges(0, 1, 1); // A-B
//		graph.addEdges(0, 2, 1); //
//		graph.addEdges(1, 2, 1); //
//		graph.addEdges(1, 3, 1); //
//		graph.addEdges(1, 4, 1); //

        //更新边的关系
        graph.addEdges(0, 1, 1);
        graph.addEdges(0, 2, 1);
        graph.addEdges(1, 3, 1);
        graph.addEdges(1, 4, 1);
        graph.addEdges(3, 7, 1);
        graph.addEdges(4, 7, 1);
        graph.addEdges(2, 5, 1);
        graph.addEdges(2, 6, 1);
        graph.addEdges(5, 6, 1);
        graph.showGraph();

        //深度优先算法遍历
        System.out.println("======深度优先======");
        graph.dfs();
        //广度优先算法遍历
        System.out.println("=======广度优先=====");
//        graph.bfs();
    }

    private ArrayList<String> vertexList; //储存顶点
    private int[][] edges; //存储的图对应的邻接矩阵
    private int numOfEdges; //边的数目
    private boolean[] isVisited; //记录顶点是否被访问

    public Graph(int n) {
        vertexList = new ArrayList<>(n);
        edges = new int[n][n];
        numOfEdges = 0;
        isVisited = new boolean[n];
    }

    //得到第一个邻接节点的下标w
    public int getFirstNerighbor(int index) {
        for (int i = 0; i < vertexList.size(); i++) {
            if (edges[index][i] > 0) {
                return i;
            }
        }
        return -1;
    }

    //根据前一个邻接节点的坐标来获取下一个邻接节点
    public int getNextNerighbor(int v1, int v2) {
        for (int i = v2 + 1; i < vertexList.size(); i++) {
            if (edges[v1][i] > 0) {
                return i;
            }
        }
        return -1;
    }

    //深度优先遍历算法
    public void dfs(boolean[] isVisited, int i){
        System.out.print(getValueByIndex(i) + "->");
        isVisited[i]= true;
        int w = getFirstNerighbor(i);
        while (w!=-1){
            if (!isVisited[w]){
                dfs(isVisited,w);
            }else {
                w=getNextNerighbor(i, w);
            }
        }
    }

    //重载dfs以遍历所有顶点
    public void dfs(){
        for (int i = 0; i < getNumOfVertex(); i++) {
            if (!isVisited[i]){
                dfs(isVisited,i);
            }
        }
    }

    //广度优先遍历算法
    public void bfs(boolean[] isVisited, int i){
        int u; //表示队列的头结点对应下标
        int w; //邻接结点w
        //记录结点访问顺序的队列
        LinkedList queue = new LinkedList();
        System.out.print(getValueByIndex(i)+"->");
        isVisited[i] = true;
        queue.addLast(i);
        while (!queue.isEmpty()){
           u = (int) queue.removeFirst();
           w = getFirstNerighbor(u);
           while (w!=-1){
               //是否已经访问
               if (!isVisited[w]){
                   System.out.print(getValueByIndex(w)+"->");
                   isVisited[w] = true;
                   queue.addLast(w);
               }
              w = getNextNerighbor(u,w);

           }
        }
    }

    //遍历所有结点进行bfs
    public void bfs(){
        for (int i = 0; i < getNumOfVertex(); i++) {
           if (!isVisited[i]){
               bfs(isVisited,i);
           }
        }
    }

    //得到顶点个数
    public int getNumOfVertex() {
        return vertexList.size();
    }

    //得到边的个数
    public int getNumOfEdges() {
        return numOfEdges;
    }

    //返回节点对应的数据
    public String getValueByIndex(int i) {
        return vertexList.get(i);
    }

    //得到v1,v2的权值
    public int getWeight(int v1, int v2) {
        return edges[v1][v2];
    }

    //显示图的矩阵
    public void showGraph() {
        Arrays.stream(edges).forEach(e -> {
            System.out.println(Arrays.toString(e));
        });
    }

    //添加顶点
    public void addVertex(String vertex) {
        vertexList.add(vertex);
    }

    /**
     * 添加边
     *
     * @param v1     第一个顶点的下标
     * @param v2     第二个顶点的下标
     * @param weight 权值 0为不连接 1为连接
     */
    public void addEdges(int v1, int v2, int weight) {
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges++;
    }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
备忘录数据库的ER(实体-关系模型)是用来描述数据结构和关系的一种形化工具,它可以帮助我们清晰地表示出备忘录系统中涉及的不同实体(如用户、备忘录、标签等)以及它们之间的关联。以下是一个简化的备忘录数据库ER的示例: 1. **实体(Entities):** - 用户(User): 包含属性如用户ID(UserID)、用户名(Username)、密码(Password)等。 - 备忘录(Note): 属性可能包括ID(NoteID)、标题(Title)、内容(Content)、创建日期(CreateTime)和作者(AuthorID,外键)。 - 标签(Tag): 包含ID(TagID)和标签名称(TagName)。 2. **关系(Relationships):** - 一个用户可以创建多个备忘录,所以用户和备忘录之间是“一对多”关系,用箭头表示,从用户到备忘录。 - 备忘录可以有零个或多个标签,标签和备忘录之间也是“一对多”关系。 - 备忘录有一个作者,表示“一对一”关系,用外键(AuthorID)连接。 3. **联系(Associations):** 可能会有一个联系表(例如Note_Tags)来存储备忘录与标签之间的关联,该表通常包含备忘录ID(NoteID)和标签ID(TagID)。 4. **箭头方向:** - 从实体指向另一个实体通常表示该实体是另一个实体的主键(如用户ID是备忘录的主键),或者表示引用关系(如备忘录的作者ID引用用户表)。 - 从一个实体指向一个集合(如多个备忘录指向一个用户)表示一对多关系。
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