定义
是一种非线性表结构数据。图中的每个元素称为顶点(vertex),图中的顶点与其他任意顶点建立的连接称为边(edge);。和顶点相连接的边的条数,称为度(degree)。
对于图来说,又可以分为有向图和无向图。有向图,顾名思义就是带有方向的图;在有向图中,又将度细分为出度(Out-degree)和入度(In-degree)
- 入度:表示有多少条边指向这个顶点。
- 出度:表示有多少条边以这个顶点为起点,指向外部。
无向图,就是没有方向的图;带权图(weighted graph):就是边上增加权重分数的一种图。
图的表示方式
之前的文档就说过,所有的数据结构都是在数组和链表的基础上进行衍生出来的,所以图也不例外,图的的数据结构表示方式主要有两种邻接矩阵存储法(通过数组)和邻接表(Adjacency List)存储法(链表)
邻接矩阵存储法
邻接矩阵就是底层采用一个二维数组进行数据的存储。对于无向图来说,如果顶点i与顶点j之间有边,那么就可以记为a[i][j] = 1 和 a[j][i] = 1,如果是有向图,有从i指向j的边,就可以记为a[i][j] = 1,同理有从j指向i的边时,a[j][i] = 1;对于带权图,存储的值就是对应的数据值。
public class Graph {
// 顶点个数
private int v;
// 邻接矩阵
private int[][] adj = new int[4][4];
/**
* 无向图
* @param s 起点
* @param t 终点
*/
public void addEdge(int s, int t) {
adj[s][t] = 1;
adj[t][s] = 1;
}
/**
* 有向图
*/
public void addDirectionEdge(int s, int t) {
adj[s][t] = 1;
}
}
- 优点:存储方式简单直接,底层使用数组,获取数据时,比较高效。
- 缺点:当存储的是**稀疏图(Sparse Matrix)**时,比较浪费内存空间。
邻接表存储法
邻接表,有点类似于散列表的存储方式。每个顶点对应一个链表,链表中存储的就是这个顶点指向的其他顶点数据,邻接表就是用时间换空间的思想,虽然节省了内存空间,但是对于链表来说,查询遍历就不是很方便了。
public class Graph {
// 顶点个数
private int v;
// 邻接表
private LinkedList<Integer> adj[];
/**
* 无向图
* @param s 起点
* @param t 终点
*/
public void addEdge(int s, int t) {
adj[s].add(t);
adj[t].add(s);
}
/**
* 有向图
*/
public void addDirectionEdge(int s, int t) {
adj[s].add(t);
}
}
广度优先算法(Breadth-First-Search)
简称为BFS,其思想就是层层推进,先查找离中心点最近的点,然后次之的点,一层层向外查找的过程。其时间复杂度为O(V + E),V表示顶点数量,E表示边数,对于一个连通图来说,也就是每个顶点都会进行连接,那么边数E肯定大于V-1个,所以时间复杂度可以简写为O(E),空间复杂度是O(V),因为需要保存顶点的遍历,最多需要保存全部的顶点数据。
public class Graph {
// 顶点的数
private int v;
// 邻接表
private LinkedList<Integer> adj[];
// 全局变量或者类成员变量
private boolean found = false;
public Graph(int v) {
this.v = v;
adj = new LinkedList[v];
for (int i = 0; i < v; i++) {
adj[i] = new LinkedList<>();
}
}
// 无向图添加一条边
public void addEdge(int s, int t) {
adj[s].add(t);
adj[t].add(s);
}
// 广度优先算法
public void bfs(int s, int t) {
if (s == t) {
return;
}
// 用来记录被访问的顶点,防止重复访问
boolean[] visited = new boolean[v];
visited[s] = true;
// 用来记录已经被访问,但相邻顶点还没被访问的数据
Queue<Integer> queue = new LinkedList<>();
queue.add(s);
// 用来记录搜索的路径
int[] prev = new int[v];
for (int i = 0; i < v; ++i) {
prev[i] = -1;
}
while (queue.size() != 0) {
int w = queue.poll();
for (int i = 0; i < adj[w].size(); i++) {
int q = adj[w].get(i);
// 判断节点是否已经被访问过
if (!visited[q]) {
prev[q] = w;
if (q == t) {
print(prev, s, t);
return;
}
visited[q] = true;
queue.add(q);
}
}
}
}
// 打印的方法
private void print(int[] prev, int s, int t) {
// 递归打印s->t的路径
if (prev[t] != -1 && t != s) {
print(prev, s, prev[t]);
}
System.out.print(t + " ");
}
}
深度优先算法(Depth-First-Search)
简称DFS:其核心思想就是从一个点出发,一路向下执行,直到执行不通了,就返回上一个顶点,执行其他路径,直到找到对应的数据。时间复杂度为O(E),E表示边数,空间复杂度为O(V)。
// 全局变量或者类成员变量
private boolean found = false;
public void dfs(int s, int t) {
found = false;
boolean[] visited = new boolean[v];
int[] prev = new int[v];
for (int i = 0; i < v; ++i) {
prev[i] = -1;
}
// 递归调用
recurDfs(s, t, visited, prev);
print(prev, s, t);
}
private void recurDfs(int w, int t, boolean[] visited, int[] prev) {
if (found == true) {
return;
}
visited[w] = true;
if (w == t) {
found = true;
return;
}
for (int i = 0; i < adj[w].size(); i++) {
int q = adj[w].get(i);
if (!visited[q]) {
prev[q] = w;
recurDfs(q, t, visited, prev);
}
}
}