图是一种常见的数据格式,它的遍历主要分为两种:
深度优先遍历(DFS):类似于二叉树的前序前序遍历
广度优先遍历(BFS):类似于二叉树的层次遍历
一、出度与入度
在讲图的遍历之前,我们需要先了解图的数据结构。
对于图,我们一般定义横向是出度,纵向是入度。比如对于左图我们转成领接矩阵如右图
![image-20220127202810611](https://img-blog.csdnimg.cn/48c3bab5384b4c5fa386ba3fbc88f646.png)
这里我们构建一个图的数据结构Graph,顺序遍历二维数组matrix的index[0]、index[1]、index[2]···获取出度。同理顺序遍历[0]index···获取入度。用java实现如下:
public class Graph {
private int vertexSize;//顶点数量
private int[] vertexs;//顶点数组
private int[][] matrix;//边或者弧的矩阵
private static final int MAX_WEIGHT = 1000;//无穷大常量
private boolean[] isVisited;
public Graph(int vertexSize) {
this.vertexSize = vertexSize;
matrix = new int[vertexSize][vertexSize];
// 初始化顶点数组为123···
vertexs = new int[vertexSize];
for (int i = 0; i < vertexSize; i++) {
vertexs[i] = i;
}
isVisited = new boolean[vertexSize];
}
// 获取某个顶点的出度
public int getOutDegree(int index) {
int degree = 0;
for (int j = 0; j < matrix[index].length; j++) {
int weight = matrix[index][j];
if (weight != 0 && weight != MAX_WEIGHT) {
degree++;
}
}
return degree;
}
// 获取某个顶点的入度
public int getInDegree(int index) {
int degree = 0;
for (int j = 0; j < matrix.length; j++) {
int weight = matrix[j][index];
if (weight != 0 && weight != MAX_WEIGHT) {
degree++;
}
}
return degree;
}
public static void main(String[] args) {
Graph graph = new Graph(9);
int[] a1 = new int[]{0, 10, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 11, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT};
int[] a2 = new int[]{10, 0, 18, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 16, MAX_WEIGHT, 12};
int[] a3 = new int[]{MAX_WEIGHT, MAX_WEIGHT, 0, 22, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 8};
int[] a4 = new int[]{MAX_WEIGHT, MAX_WEIGHT, 22, 0, 20, MAX_WEIGHT, 24, 16, 21};
int[] a5 = new int[]{MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 20, 0, 26, MAX_WEIGHT, 7, MAX_WEIGHT};
int[] a6 = new int[]{11, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 26, 0, 17, MAX_WEIGHT, MAX_WEIGHT};
int[] a7 = new int[]{MAX_WEIGHT, 16, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 17, 0, 19, MAX_WEIGHT};
int[] a8 = new int[]{MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 16, 7, MAX_WEIGHT, 19, 0, MAX_WEIGHT};
int[] a9 = new int[]{MAX_WEIGHT, 12, 8, 21, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 0};
graph.matrix[0] = a1;
graph.matrix[1] = a2;
graph.matrix[2] = a3;
graph.matrix[3] = a4;
graph.matrix[4] = a5;
graph.matrix[5] = a6;
graph.matrix[6] = a7;
graph.matrix[7] = a8;
graph.matrix[8] = a9;
System.out.println("v4的出度:" + graph.getOutDegree(4));
System.out.println("v4的入度:" + graph.getInDegree(4));
}
}
经验证输出
v4的出度:3
v4的入度:3
二、深度优先遍历
深度优先遍历(Deep_First_Search,简称为DFS):它从图中某个顶点ⅴ出发,访问此顶点,然后从v的未被访问的邻接点出发深度优先遍历图,直至图中所有和 v 有路径相通的顶点都被访问到。
![image-20220127202810611](https://img-blog.csdnimg.cn/c3ea831d69b64187b2f13ec5f12198bd.png)
如上图所示,按照上图所示,深度遍历顺序应该是ABCDEFGHI。
遍历过程:A->B B->C C->D D->E E->F F->G G->H,然后回到B,B->I。类似于二叉树的前序前序遍历方式(DLR),中 -> 左 -> 右。
已知原理,下面用java实现。首先对数组的每一层进行depthFirstSearch(index)遍历,其中isVisited用于记录该顶点是否遍历过
/**
* 对外公开的深度优先遍历
*/
public void depthFirstSearch() {
isVisited = new boolean[vertexSize];
for (int i = 0; i < vertexSize; i++) {
if (!isVisited[i]) {
System.out.println("访问到了:" + i + "顶点");
depthFirstSearch(i);
}
}
isVisited = new boolean[vertexSize];
}
对于depthFirstSearch(index)的具体实现:首先获取某个顶点的第一个邻接点(getFirstNeighbor),然后对于该顶点递归循环获取第一个临界点以达到深度的效果。如果遍历不到则获取相对于改顶点的下一个邻接点,同样用isVisited字段标记是否访问过。
/**
* 图的深度优先遍历算法
*/
private void depthFirstSearch(int i) {
isVisited[i] = true;
int w = getFirstNeighbor(i);//
while (w != -1) {
if (!isVisited[w]) {
//需要遍历该顶点
System.out.println("访问到了:" + w + "顶点");
depthFirstSearch(w);
}
w = getNextNeighbor(i, w);//第一个相对于w的邻接点
}
}
对于这两个辅助函数的实现如下
其中getFirstNeighbor肯定会从0查找它的出度(这里我们用不上入度),因为要确保不会遗漏。而对于getNextNeighbor我们则需要从index+1查找它的出度,因为深度优先的话,序列号在前面的顶点已被遍历过了不需要重复损耗性能。
/**
* 获取某个顶点的第一个邻接点
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexSize; j++) {
if (matrix[index][j] > 0 && matrix[index][j] < MAX_WEIGHT) {
return j;
}
}
return -1;
}
/**
* 根据前一个邻接点的下标来取得下一个邻接点
*
* @param v 表示要找的顶点
* @param index 表示该顶点相对于哪个邻接点去获取下一个邻接点
*/
public int getNextNeighbor(int v, int index) {
for (int j = index + 1; j < vertexSize; j++) {
if (matrix[v][j] > 0 && matrix[v][j] < MAX_WEIGHT) {
return j;
}
}
return -1;
}
最后调用graph.depthFirstSearch();函数验证如下
访问到了:0顶点
访问到了:1顶点
访问到了:2顶点
访问到了:3顶点
访问到了:4顶点
访问到了:5顶点
访问到了:6顶点
访问到了:7顶点
访问到了:8顶点
三、广度优先遍历
广度优先遍历(Broad_First_Search,简称为BFS):它从图中某个顶点ⅴ出发,访问此顶点,然后从v的未被访问的邻接点出发广度优先遍历图,直至图中所有和 v 有路径相通的顶点都被访问到。
![image-20220127202810611](https://img-blog.csdnimg.cn/48c3bab5384b4c5fa386ba3fbc88f646.png)
还是这个图,广度遍历顺序应该是0 1 5 2 6 8 4 3 7。
遍历过程:第一层0 0->1 0->5 第二层1->2 1->6 1->8 5->4 第三层2->3 第四层3->7。类似于二叉树的层次遍历。
已知原理,下面用java实现。首先对数组的每一层进行broadFirstSearch(index)遍历,其中isVisited用于记录该顶点是否遍历过
public void broadFirstSearch() {
isVisited = new boolean[vertexSize];
for (int i = 0; i < vertexSize; i++) {
if (!isVisited[i]) {
broadFirstSearch(i);
}
}
}
对于broadFirstSearch(index),我们需要用到队列,每次广度优先遍历都会入队列,然后遍历它所有的邻接点,完了之后退一个队列,继续广度遍历,当然遍历完成的标志就是队列清空。
比如这里我们入队v0,然后再第一层while循环中退队v0,同时找到w为v1,然后在第二层while循环中继续遍历v0的所有邻接点得到v5入栈。然后返回到第一层while循环对v1进行广度遍历。
/**
* 实现广度优先遍历
*
* @param i
*/
private void broadFirstSearch(int i) {
int u, w;
LinkedList<Integer> queue = new LinkedList<Integer>();
System.out.println("访问到:" + i + "顶点");
isVisited[i] = true;
queue.add(i);//第一次把v0加到队列
while (!queue.isEmpty()) {
u = (queue.removeFirst()).intValue();
w = getFirstNeighbor(u);
while (w != -1) {
if (!isVisited[w]) {
System.out.println("访问到了:" + w + "顶点");
isVisited[w] = true;
queue.add(w);
}
w = getNextNeighbor(u, w);
}
}
}
运行graph.broadFirstSearch();获取结果
访问到:0顶点
访问到了:1顶点
访问到了:5顶点
访问到了:2顶点
访问到了:6顶点
访问到了:8顶点
访问到了:4顶点
访问到了:3顶点
访问到了:7顶点
四、demo源码
import java.util.LinkedList;
public class Graph {
private int vertexSize;//顶点数量
private int[] vertexs;//顶点数组
private int[][] matrix;//边或者弧的矩阵
private static final int MAX_WEIGHT = 1000;//无穷大常量
private boolean[] isVisited;
public Graph(int vertexSize) {
this.vertexSize = vertexSize;
matrix = new int[vertexSize][vertexSize];
// 初始化顶点数组为123···
vertexs = new int[vertexSize];
for (int i = 0; i < vertexSize; i++) {
vertexs[i] = i;
}
isVisited = new boolean[vertexSize];
}
// 获取某个顶点的出度
public int getOutDegree(int index) {
int degree = 0;
for (int j = 0; j < matrix[index].length; j++) {
int weight = matrix[index][j];
if (weight != 0 && weight != MAX_WEIGHT) {
degree++;
}
}
return degree;
}
// 获取某个顶点的入度
public int getInDegree(int index) {
int degree = 0;
for (int j = 0; j < matrix.length; j++) {
int weight = matrix[j][index];
if (weight != 0 && weight != MAX_WEIGHT) {
degree++;
}
}
return degree;
}
// 获取两个顶点之间的权值
public int getWeight(int v1, int v2) {
int weight = matrix[v1][v2];
return weight == 0 ? 0 : (weight == MAX_WEIGHT ? -1 : weight);
}
/**
* 对外公开的深度优先遍历
*/
public void depthFirstSearch() {
isVisited = new boolean[vertexSize];
for (int i = 0; i < vertexSize; i++) {
if (!isVisited[i]) {
System.out.println("访问到了:" + i + "顶点");
depthFirstSearch(i);
}
}
isVisited = new boolean[vertexSize];
}
/**
* 图的深度优先遍历算法
*/
private void depthFirstSearch(int i) {
isVisited[i] = true;
int w = getFirstNeighbor(i);//
while (w != -1) {
if (!isVisited[w]) {
//需要遍历该顶点
System.out.println("访问到了:" + w + "顶点");
depthFirstSearch(w);
}
w = getNextNeighbor(i, w);//第一个相对于w的邻接点
}
}
/**
* 获取某个顶点的第一个邻接点
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexSize; j++) {
if (matrix[index][j] > 0 && matrix[index][j] < MAX_WEIGHT) {
return j;
}
}
return -1;
}
/**
* 根据前一个邻接点的下标来取得下一个邻接点
*
* @param v 表示要找的顶点
* @param index 表示该顶点相对于哪个邻接点去获取下一个邻接点
*/
public int getNextNeighbor(int v, int index) {
for (int j = index + 1; j < vertexSize; j++) {
if (matrix[v][j] > 0 && matrix[v][j] < MAX_WEIGHT) {
return j;
}
}
return -1;
}
public void broadFirstSearch() {
isVisited = new boolean[vertexSize];
for (int i = 0; i < vertexSize; i++) {
if (!isVisited[i]) {
broadFirstSearch(i);
}
}
}
/**
* 实现广度优先遍历
*
* @param i
*/
private void broadFirstSearch(int i) {
int u, w;
LinkedList<Integer> queue = new LinkedList<Integer>();
System.out.println("访问到:" + i + "顶点");
isVisited[i] = true;
queue.add(i);//第一次把v0加到队列
while (!queue.isEmpty()) {
u = (queue.removeFirst()).intValue();
w = getFirstNeighbor(u);
while (w != -1) {
if (!isVisited[w]) {
System.out.println("访问到了:" + w + "顶点");
isVisited[w] = true;
queue.add(w);
}
w = getNextNeighbor(u, w);
}
}
}
public static void main(String[] args) {
Graph graph = new Graph(9);
int[] a1 = new int[]{0, 10, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 11, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT};
int[] a2 = new int[]{10, 0, 18, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 16, MAX_WEIGHT, 12};
int[] a3 = new int[]{MAX_WEIGHT, MAX_WEIGHT, 0, 22, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 8};
int[] a4 = new int[]{MAX_WEIGHT, MAX_WEIGHT, 22, 0, 20, MAX_WEIGHT, 24, 16, 21};
int[] a5 = new int[]{MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 20, 0, 26, MAX_WEIGHT, 7, MAX_WEIGHT};
int[] a6 = new int[]{11, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 26, 0, 17, MAX_WEIGHT, MAX_WEIGHT};
int[] a7 = new int[]{MAX_WEIGHT, 16, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 17, 0, 19, MAX_WEIGHT};
int[] a8 = new int[]{MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 16, 7, MAX_WEIGHT, 19, 0, MAX_WEIGHT};
int[] a9 = new int[]{MAX_WEIGHT, 12, 8, 21, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 0};
graph.matrix[0] = a1;
graph.matrix[1] = a2;
graph.matrix[2] = a3;
graph.matrix[3] = a4;
graph.matrix[4] = a5;
graph.matrix[5] = a6;
graph.matrix[6] = a7;
graph.matrix[7] = a8;
graph.matrix[8] = a9;
System.out.println("v4的出度:" + graph.getOutDegree(4));
System.out.println("v4的入度:" + graph.getInDegree(4));
System.out.println("<v2,v3>的权值:" + graph.getWeight(2, 3));
// graph.depthFirstSearch();
graph.broadFirstSearch();
}
}