146 图的基本介绍和存储形式
为什么要图
- 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,就是父节点
- 如果需要多对多的关系,就需要图了
介绍
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。
常用概念
- 顶点(vertex)
- 边(edge)
- 路径
- 无向图
- 有向图
- 带权图
无向图:顶点之间的连接没有方向,比如A-B,即可以是 A -> B 也可以 B -> A
路径:比如从 D -> C 的路径有
- D -> B -> C
- D -> A -> B -> C
无向图
有向图、带权图
图的表示方式
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,矩阵的 row 和 col 表示的是 1 … n个点
邻接表
- 邻接矩阵需要为每个顶点都分配 n 个空间,其实很多边都是不存在,会造成空间的一定损失
- 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
147 图的创建图解和代码实现
思路分析:
- 存储顶点 string 使用 arrarList
- 保存矩阵 int[][]
package com.old.graph_147_151;
import java.util.ArrayList;
import java.util.Arrays;
public class GraphDemo {
/**
* 存储顶点集合
*/
private ArrayList<String> vertexList;
/**
* 存储图对应的邻接矩阵
*/
private int[][] edges;
/**
* 表示表的数目
*/
private int numOfEdges;
public static void main(String[] args) {
//测试图是否创建
//节点的个数
int n = 5;
String vertexValue[] = {"A", "B", "C", "D", "E"};
//创建图对像
GraphDemo graphDemo = new GraphDemo(n);
//添加顶点
for (String s : vertexValue) {
graphDemo.insertVertex(s);
}
//添加边
//AB AC BC BD BE
graphDemo.insertEdge(0, 1, 1);
graphDemo.insertEdge(0, 2, 1);
graphDemo.insertEdge(1, 2, 1);
graphDemo.insertEdge(1, 3, 1);
graphDemo.insertEdge(1, 4, 1);
graphDemo.showGraph();
}
//构造器
public GraphDemo(int n) {
//初始化矩阵和 vertexList
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
}
//图中常用的方法
//返回结点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumOfedges() {
return numOfEdges;
}
//返回结点 i (下标) 对应的数据 0 -> A,1 -> B,2 -> C
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回 v1 和 v2 的权值
public int getEdge(int v1, int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph() {
for (int[] edge : edges) {
System.out.println(Arrays.toString(edge));
}
}
/**
* 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 即是第几个顶点 “A”
* @param v2 第二个顶点对应的下标
* @param weight 表示他们的值,表示它们是关联的 0 或 1
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
148 图的深度优先(DFS)算法图解
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,遍历需要特定策略,一般有两种访问策略:
- 深度优先遍历
- 广度优先遍历
深度优先遍历基本思想(Depth First Search)
- 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
- 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
- 显然,尝试优先搜索是一个递归的过程
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 4,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,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)。
- 查找结点 v 的 w 邻接点的下一个邻接结点,转到步骤3
149 图的深度优先(DFS)代码实现
新增的代码
/**
* 得到第一个邻接结点的下标 w
*
* @return 如果存在返回对应的下标,否则 -1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
//说明下一个邻接点是存在的
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 像是 index 就是最外层遍历的那个索引 vertexList.fori 的 i
* @param v2 像是:二维数组的上一层遍历的的位置,例如,我上一次遍历到了 edges[0][1] 这个 v2 就是 edges[0][1] 的值
*/
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
//说明存在
return j;
}
}
return -1;
}
/**
* 尝试优先遍历算法
*/
private void dfs(boolean[] isVisited, int i) {
//首先访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
//将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
int w = getFirstNeighbor(i);
while ( w != -1) { //说明有,下一个结点
if (!isVisited[w]) {
dfs(isVisited, w);
}
//如果 w 节点已经被访问过,
w = getNextNeighbor(i, w);
}
}
//dfs 进行一个重载 遍历所有的节点,并进行 dfs
public void dfs() {
//遍历所有的节点,进行 dfs【回溯】
for (int i = 0; i < getNumOfVertex(); i++) {
if (! isVisited[i]) {
dfs(isVisited, i);
}
}
}
完整代码
package com.old.graph_147_151;
import java.util.ArrayList;
import java.util.Arrays;
public class GraphDemo {
/**
* 存储顶点集合
*/
private ArrayList<String> vertexList;
/**
* 存储图对应的邻接矩阵
*/
private int[][] edges;
/**
* 表示表的数目
*/
private int numOfEdges;
/**
* 记录某个结点是否被访问
*/
private boolean[] isVisited;
public static void main(String[] args) {
//测试图是否创建
//节点的个数
int n = 5;
String vertexValue[] = {"A", "B", "C", "D", "E"};
//创建图对像
GraphDemo graphDemo = new GraphDemo(n);
//添加顶点
for (String s : vertexValue) {
graphDemo.insertVertex(s);
}
//添加边
//AB AC BC BD BE
graphDemo.insertEdge(0, 1, 1);
graphDemo.insertEdge(0, 2, 1);
graphDemo.insertEdge(1, 2, 1);
graphDemo.insertEdge(1, 3, 1);
graphDemo.insertEdge(1, 4, 1);
graphDemo.showGraph();
System.out.println();
graphDemo.dfs();
System.out.println();
}
//构造器
public GraphDemo(int n) {
//初始化矩阵和 vertexList
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
isVisited = new boolean[n];
}
/**
* 得到第一个邻接结点的下标 w
*
* @return 如果存在返回对应的下标,否则 -1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
//说明下一个邻接点是存在的
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 像是 index 就是最外层遍历的那个索引 vertexList.fori 的 i
* @param v2 像是:二维数组的上一层遍历的的位置,例如,我上一次遍历到了 edges[0][1] 这个 v2 就是 edges[0][1] 的值
*/
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
//说明存在
return j;
}
}
return -1;
}
/**
* 尝试优先遍历算法
*/
private void dfs(boolean[] isVisited, int i) {
//首先访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
//将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
int w = getFirstNeighbor(i);
while ( w != -1) { //说明有,下一个结点
if (!isVisited[w]) {
dfs(isVisited, w);
}
//如果 w 节点已经被访问过,
w = getNextNeighbor(i, w);
}
}
//dfs 进行一个重载 遍历所有的节点,并进行 dfs
public void dfs() {
//遍历所有的节点,进行 dfs【回溯】
for (int i = 0; i < getNumOfVertex(); i++) {
if (! isVisited[i]) {
dfs(isVisited, i);
}
}
}
//图中常用的方法
//返回结点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumOfedges() {
return numOfEdges;
}
//返回结点 i (下标) 对应的数据 0 -> A,1 -> B,2 -> C
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回 v1 和 v2 的权值
public int getEdge(int v1, int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph() {
for (int[] edge : edges) {
System.out.println(Arrays.toString(edge));
}
}
/**
* 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 即是第几个顶点 “A”
* @param v2 第二个顶点对应的下标
* @param weight 表示他们的值,表示它们是关联的 0 或 1
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
150 图的广度优先(BFS)算法图解
基本思想
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
步骤
- 访问初始结点 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,对 v 的算法结束
- 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,否则循环执行以下三个步骤
- 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
151 图的广度优先(BFS)代码实现
package com.old.graph_147_151;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class GraphDemo {
/**
* 存储顶点集合
*/
private ArrayList<String> vertexList;
/**
* 存储图对应的邻接矩阵
*/
private int[][] edges;
/**
* 表示表的数目
*/
private int numOfEdges;
/**
* 记录某个结点是否被访问
*/
private boolean[] isVisited;
public static void main(String[] args) {
//测试图是否创建
//节点的个数
int n = 5;
String vertexValue[] = {"A", "B", "C", "D", "E"};
//创建图对像
GraphDemo graphDemo = new GraphDemo(n);
//添加顶点
for (String s : vertexValue) {
graphDemo.insertVertex(s);
}
//添加边
//AB AC BC BD BE
graphDemo.insertEdge(0, 1, 1);
graphDemo.insertEdge(0, 2, 1);
graphDemo.insertEdge(1, 2, 1);
graphDemo.insertEdge(1, 3, 1);
graphDemo.insertEdge(1, 4, 1);
graphDemo.showGraph();
System.out.println();
System.out.println("深度优先");
graphDemo.dfs();
System.out.println();
System.out.println();
System.out.println("广度优先");
graphDemo.bfs();
System.out.println();
}
//构造器
public GraphDemo(int n) {
//初始化矩阵和 vertexList
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
isVisited = new boolean[n];
}
/**
* 得到第一个邻接结点的下标 w
*
* @return 如果存在返回对应的下标,否则 -1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
//说明下一个邻接点是存在的
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 像是 index 就是最外层遍历的那个索引 vertexList.fori 的 i
* @param v2 像是:二维数组的上一层遍历的的位置,例如,我上一次遍历到了 edges[0][1] 这个 v2 就是 edges[0][1] 的值
*/
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
//说明存在
return j;
}
}
return -1;
}
private void bfs(boolean[] isVisited, int i) {
// u 表示队列的头结点,对应的下标
int u;
//邻接结点 w
int w;
// 队列,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.valueOf(queue.removeFirst().toString());
//得到第一个邻结点的下标 w
w = getFirstNeighbor(u);
while (w != -1) {
//找到了,
//是否访问过
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "=>");
//标记已经访问
isVisited[w] = true;
//已经访问的就要加入队列
queue.addLast(w);
}
//以 u 为前驱点找 w 后面的下一个邻接点
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[isVisited.length];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
/**
* 尝试优先遍历算法
*/
private void dfs(boolean[] isVisited, int i) {
//首先访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
//将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
int w = getFirstNeighbor(i);
while (w != -1) { //说明有,下一个结点
if (!isVisited[w]) {
dfs(isVisited, w);
}
//如果 w 节点已经被访问过,
w = getNextNeighbor(i, w);
}
}
//dfs 进行一个重载 遍历所有的节点,并进行 dfs
public void dfs() {
//遍历所有的节点,进行 dfs【回溯】
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
//图中常用的方法
//返回结点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumOfedges() {
return numOfEdges;
}
//返回结点 i (下标) 对应的数据 0 -> A,1 -> B,2 -> C
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回 v1 和 v2 的权值
public int getEdge(int v1, int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph() {
for (int[] edge : edges) {
System.out.println(Arrays.toString(edge));
}
}
/**
* 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 即是第几个顶点 “A”
* @param v2 第二个顶点对应的下标
* @param weight 表示他们的值,表示它们是关联的 0 或 1
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
152 DFS和BFS比较及图小结
深度优先是直接遍历到最深的,广度优先是从这一层开始遍历,一层一层的遍历
package com.old.graph_147_151;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class GraphDemo {
/**
* 存储顶点集合
*/
private ArrayList<String> vertexList;
/**
* 存储图对应的邻接矩阵
*/
private int[][] edges;
/**
* 表示表的数目
*/
private int numOfEdges;
/**
* 记录某个结点是否被访问
*/
private boolean[] isVisited;
public static void main(String[] args) {
//测试图是否创建
//节点的个数
int n = 5;
String vertexValue[] = {"A", "B", "C", "D", "E"};
//创建图对像
GraphDemo graphDemo = new GraphDemo(n);
//添加顶点
for (String s : vertexValue) {
graphDemo.insertVertex(s);
}
//添加边
//AB AC BC BD BE
graphDemo.insertEdge(0, 1, 1);
graphDemo.insertEdge(0, 2, 1);
graphDemo.insertEdge(1, 2, 1);
graphDemo.insertEdge(1, 3, 1);
graphDemo.insertEdge(1, 4, 1);
graphDemo.showGraph();
System.out.println();
System.out.println("深度优先");
graphDemo.dfs();
System.out.println();
System.out.println();
System.out.println("广度优先");
graphDemo.bfs();
System.out.println();
System.out.println();
System.out.println("==============================");
String vertexNumValue[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
n = vertexNumValue.length;
//创建图对像
graphDemo = new GraphDemo(n);
//添加顶点
for (String s : vertexNumValue) {
graphDemo.insertVertex(s);
}
graphDemo.insertEdge(0, 1, 1);
graphDemo.insertEdge(0, 2, 1);
graphDemo.insertEdge(1, 3, 1);
graphDemo.insertEdge(1, 4, 1);
graphDemo.insertEdge(3, 7, 1);
graphDemo.insertEdge(4, 7, 1);
graphDemo.insertEdge(2, 5, 1);
graphDemo.insertEdge(2, 6, 1);
graphDemo.insertEdge(5, 6, 1);
graphDemo.showGraph();
System.out.println();
System.out.println("深度优先");
graphDemo.dfs();
System.out.println();
System.out.println();
System.out.println("广度优先");
graphDemo.bfs();
System.out.println();
}
//构造器
public GraphDemo(int n) {
//初始化矩阵和 vertexList
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
isVisited = new boolean[n];
}
/**
* 得到第一个邻接结点的下标 w
*
* @return 如果存在返回对应的下标,否则 -1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
//说明下一个邻接点是存在的
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 像是 index 就是最外层遍历的那个索引 vertexList.fori 的 i
* @param v2 像是:二维数组的上一层遍历的的位置,例如,我上一次遍历到了 edges[0][1] 这个 v2 就是 edges[0][1] 的值
*/
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
//说明存在
return j;
}
}
return -1;
}
private void bfs(boolean[] isVisited, int i) {
// u 表示队列的头结点,对应的下标
int u;
//邻接结点 w
int w;
// 队列,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.valueOf(queue.removeFirst().toString());
//得到第一个邻结点的下标 w
w = getFirstNeighbor(u);
while (w != -1) {
//找到了,
//是否访问过
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "=>");
//标记已经访问
isVisited[w] = true;
//已经访问的就要加入队列
queue.addLast(w);
}
//以 u 为前驱点找 w 后面的下一个邻接点
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[isVisited.length];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
/**
* 尝试优先遍历算法
*/
private void dfs(boolean[] isVisited, int i) {
//首先访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
//将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
int w = getFirstNeighbor(i);
while (w != -1) { //说明有,下一个结点
if (!isVisited[w]) {
dfs(isVisited, w);
}
//如果 w 节点已经被访问过,
w = getNextNeighbor(i, w);
}
}
//dfs 进行一个重载 遍历所有的节点,并进行 dfs
public void dfs() {
//遍历所有的节点,进行 dfs【回溯】
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
//图中常用的方法
//返回结点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumOfedges() {
return numOfEdges;
}
//返回结点 i (下标) 对应的数据 0 -> A,1 -> B,2 -> C
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回 v1 和 v2 的权值
public int getEdge(int v1, int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph() {
for (int[] edge : edges) {
System.out.println(Arrays.toString(edge));
}
}
/**
* 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 即是第几个顶点 “A”
* @param v2 第二个顶点对应的下标
* @param weight 表示他们的值,表示它们是关联的 0 或 1
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}