1. 图 基本介绍
1.1 为什么要有图
- 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结点;
- 当我们需要表示多对多的关系时,就需要用到图;
1.2 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。如图:
1.3 图的常用概念
- 顶点
- 边
- 路径
- 无向图
- 有向图
- 带权图
2 图的表示方式
图的表示方式有两种:二维数组表示(领接矩阵)、链表表示(领接表)。
2.1 领接矩阵
领接矩阵是表示图形中顶点之间相领关系的矩阵,对于n个顶点的图而言,矩阵是row和col表示的 1…n个点。
2.2 领接表
- 领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;
- 领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,领接表由数组+链表组成。
3. 图的遍历方式
所谓图的遍历,即是对结点的访问。一般有两种遍历方式:
- 深度优先遍历
- 广度优先遍历
3.1 深度优先遍历基本思想
- 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:每次访问完当前结点后首先访问当前结点的第一个邻接结点;
- 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;
- 深度优先搜索是一个递归的过程;
3.2 深度优先遍历算法步骤
- 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,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未被访问过,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1,2,3);
- 查找结点v的w邻接结点的下一个邻接结点,转到步骤3;
3.3 广度优先遍历基本思想
- 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;
3.4 广度优先遍历算法步骤
- 访问初始节点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;否则循环以下三个步骤:
- 若结点w尚未被访问,则访问结点w并标记为已访问;
- 结点w入队列;
- 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;
完整代码
package com.lele.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
/**
* author: hwl
* date: 2020/12/5 18:52
* version: 1.0.0
* modified by:
* description: 图
*/
public class Graph {
private ArrayList<String> vertexList; // 存储顶点集合
private int[][] edges; // 存储图对应的领接矩阵
private int numOfEdges; // 表示边的数目
// 定义给数组boolean[],记录某个节点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
// 测试图是否创建ok
int n = 8;// 结点的个数
// String Vertexs[] = {"A","B","C","D","E"};
String Vertexs[] = {"1","2","3","4","5","6","7","8"};
// 创建图对象
Graph graph = new Graph(n);
// 循环的添加顶点
for (String vertex : Vertexs) {
graph.insertVertex(vertex);
}
// 添加边
// A-B A-C B-C B-D B-E
// 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);
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);
// 显示领接矩阵
graph.showGraph();
// 测试dfs
System.out.println("深度遍历");
graph.dfs();
System.out.println();
// 测试广度优先
System.out.println("广度优先!");
graph.bfs();
}
// 构造器
public Graph(int n) {
// 初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
/**
* 得到第一个邻接结点的下标 w
* @param index
* @return 如果存在对应的下标,否则返回-1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
/**
* 根据前一个邻接结点的下标来获取下一个邻接结点
* @param v1
* @param v2
* @return
*/
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;
}
/**
* 深度优先遍历算法
* i 第一次就是0
*/
public void dfs(boolean[] isVisited, int i) {
// 首先我们访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
// 将该结点设置为已经访问
isVisited[i] = true;
// 查找结点i的第一个邻接结点w
int w = getFirstNeighbor(i);
while(w != -1) {//说明有
if (!isVisited[w]) {
dfs(isVisited, w);
}
// 如果w结点已经被访问过
w = getNextNeighbor(i, w);
}
}
/**
* 对dfs进行一个重载,遍历我们所有的结点,并进行dfs
*/
public void dfs() {
isVisited = new boolean[vertexList.size()];
// 遍历所有的结点,进行dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
/**
* 对一个结点进行广度优先遍历的方法
* @param isVisited
* @param i
*/
private void bfs(boolean[] isVisited, int i) {
int u; // 表示队列的头结点对应的下标
int w; // 邻接结点
// 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(getValueByIndex(i) + "=>");
// 标记为已访问
isVisited[i] = true;
// 将结点加入队列
queue.addLast(i);
while(!queue.isEmpty()) {
// 取出队列的头结点下标
u = (Integer)queue.removeFirst();
// 获得第一个邻接结点的下标 w
w = getFirstNeighbor(u);
while(w != -1) {// 找到
// 是否访问过
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "=>");
// 标记已经访问
isVisited[w] = true;
// 入队
queue.addLast(w);
}
// 以u 为前驱点,找w后面的下一个邻接结点
w = getNextNeighbor(u, w);// 体现出 广度优先
}
}
}
/**
* 遍历所有的结点,都进行广度优先搜索
*/
public void bfs() {
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
/** 图中 常用的方法 **/
/**
* 获取结点的个数
* @return
*/
public int getNumOfVertex() {
return vertexList.size();
}
/**
* 显示图对应的矩阵
*/
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
/**
* 获得边的数目
* @return
*/
public int getNumOfEdges() {
return numOfEdges;
}
/**
* 返回结点i(下标)对应的数据 0->"A" 1-> "B" 2->"C"
* @param i
* @return
*/
public String getValueByIndex(int i) {
return vertexList.get(i);
}
/**
* 返回v1和v2的权值
* @param v1
* @param v2
* @return
*/
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
/**
* 插入结点
* @param vertex
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
* @param v1 表示点的下标 即第几个顶点 "A"-"B", "A"->0 "B"->1
* @param v2 第二个顶点的下标
* @param weight 表示
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}