九、图结构
1、基本介绍
定义
- 当我们需要表示多对多的关系时,我们就需要图
- 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
表示方法
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
如上图的邻接矩阵就是
0 1 0 0 1
1 0 1 1 0
0 1 0 0 0
0 1 0 0 1
1 0 0 1 0
其中0表示没有连接,1表示有连接
邻接表
-
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
-
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
- 数组的索引代表顶点
- 链表中元素的值代表与该顶点相连的顶点的值
如上图的进阶表就是
[
2、图的创建
邻接矩阵创建图
public class Demo2 {
public static void main(String[] args) {
int sum = 5;
String[] vertex = {"A", "B", "C", "D", "E"};
Graph graph = new Graph(sum);
//指明图的顶点
for(String top : vertex) {
graph.insertVertex(top);
}
//指明相连的顶点
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);
//显示邻接矩阵
System.out.println("邻接矩阵");
graph.showGraph();
}
}
class Graph {
ArrayList<String> vertexList;
int[][] edges;
int numOfEdges;
public Graph(int sum) {
//根据顶点总数进行初始化
vertexList = new ArrayList<>(sum);
edges = new int[sum][sum];
numOfEdges = 0;
}
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
public void insertEdge(int vertex1, int vertex2, int weight) {
edges[vertex1][vertex2] = weight;
edges[vertex2][vertex1] = weight;
numOfEdges++;
}
public int getNumOfEdges() {
return numOfEdges;
}
public int getNumOfVertex() {
return vertexList.size();
}
public int getWeight(int vertex1, int vertex2) {
return edges[vertex1][vertex2];
}
public void showGraph() {
for(int[] list : edges) {
System.out.println(Arrays.toString(list));
}
}
}
运行结果
[0, 1, 1, 0, 0]
[1, 0, 1, 1, 1]
[1, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
3、图的遍历
对该图进行深度优先遍历和广度优先遍历
[
深度优先遍历(DFS)
- 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
- 深度优先搜索是一个递归的过程
思路
- 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邻接结点的下一个邻接结点,转到步骤 3
实现代码
public class Demo2 {
public static void main(String[] args) {
int sum = 5;
String[] vertex = {"A", "B", "C", "D", "E"};
Graph graph = new Graph(sum);
//指明图的顶点
for(String top : vertex) {
graph.insertVertex(top);
}
//指明相连的顶点
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(0, 3, 1);
graph.insertEdge(1, 2, 1);
graph.insertEdge(1, 4, 1);
//显示邻接矩阵
System.out.println("邻接矩阵");
graph.showGraph();
//深度优先遍历
System.out.println("进行深度优先遍历");
graph.dfs();
}
}
class Graph {
private ArrayList<String> vertexList;
private int[][] edges;
private int numOfEdges;
/**
* 标记是否访问过该顶点,用于遍历
*/
private boolean[] isTraversed;
public Graph(int sum) {
//根据顶点总数进行初始化
vertexList = new ArrayList<>(sum);
edges = new int[sum][sum];
isTraversed = new boolean[sum];
numOfEdges = 0;
}
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
public void insertEdge(int vertex1, int vertex2, int weight) {
edges[vertex1][vertex2] = weight;
edges[vertex2][vertex1] = weight;
numOfEdges++;
}
public void showGraph() {
for(int[] list : edges) {
System.out.println(Arrays.toString(list));
}
}
/**
* 深度优先遍历
* @param vertex 开始顶点下标
*/
private void dfs(int vertex) {
//被访问过了就返回
if(isTraversed[vertex]) {
return;
}
System.out.print(vertexList.get(vertex) + "->");
//标记已被访问
isTraversed[vertex] = true;
//从相邻顶点开始深度优先遍历
for(int nextVertex = vertex+1; nextVertex<vertexList.size(); nextVertex++) {
//如果该顶点存在且未被访问,就向下访问
if(edges[vertex][nextVertex] != 0 && !isTraversed[nextVertex] ) {
dfs(nextVertex);
}
}
}
public void dfs() {
//对未被访问的顶点都进行深度优先遍历
for(int i = 0; i<vertexList.size(); i++) {
if(!isTraversed[i]) {
dfs(i);
}
}
}
}
运行结果
邻接矩阵
[0, 1, 1, 0, 0]
[1, 0, 1, 1, 1]
[1, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
进行深度优先遍历
A->B->C->E->D->
广度优先遍历(BFS)
- 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
思路
- 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
- 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
实现代码
public class Demo2 {
public static void main(String[] args) {
int sum = 5;
String[] vertex = {"A", "B", "C", "D", "E"};
Graph graph = new Graph(sum);
//指明图的顶点
for(String top : vertex) {
graph.insertVertex(top);
}
//指明相连的顶点
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(0, 3, 1);
graph.insertEdge(1, 2, 1);
graph.insertEdge(1, 4, 1);
//显示邻接矩阵
System.out.println("邻接矩阵");
graph.showGraph();
//广度优先遍历
System.out.println("进行广度优先遍历");
graph.bfs();
}
}
class Graph {
private ArrayList<String> vertexList;
private int[][] edges;
private int numOfEdges;
/**
* 标记是否访问过该顶点,用于遍历
*/
private boolean[] isTraversed;
/**
* 用于保存访问过的顶点
*/
private Queue<Integer> queue;
public Graph(int sum) {
//根据顶点总数进行初始化
vertexList = new ArrayList<>(sum);
edges = new int[sum][sum];
isTraversed = new boolean[sum];
numOfEdges = 0;
queue = new LinkedList<Integer>();
}
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
public void insertEdge(int vertex1, int vertex2, int weight) {
edges[vertex1][vertex2] = weight;
edges[vertex2][vertex1] = weight;
numOfEdges++;
}
public void showGraph() {
for(int[] list : edges) {
System.out.println(Arrays.toString(list));
}
}
/**
* 广度优先遍历
*
* @param vertex 遍历顶点的下标
*/
private void bfs(int vertex) {
//未被访问,打印顶点信息
if(!isTraversed[vertex]) {
System.out.print(vertexList.get(vertex) + "->");
isTraversed[vertex] = true;
}
//继续访问相邻元素
for(int nextVertex = vertex+1; nextVertex < vertexList.size(); nextVertex++) {
//如果存在且未被访问
if(edges[vertex][nextVertex] != 0 && !isTraversed[nextVertex]) {
//打印顶点信息
System.out.print(vertexList.get(nextVertex) + "->");
//标记为已访问
isTraversed[nextVertex] = true;
//入队
queue.add(nextVertex);
}
}
//相邻元素访问完了(广度优先),再让队列中的元素出队,继续访问
while (!queue.isEmpty()) {
//队首元素出队,继续访问
bfs(queue.remove());
}
}
public void bfs() {
for(int i = 0; i<vertexList.size(); i++) {
//未被访问过,就进行广度优先遍历
if(!isTraversed[i]) {
bfs(i);
}
}
}
}
运行结果
邻接矩阵
[0, 1, 1, 1, 0]
[1, 0, 1, 0, 1]
[1, 1, 0, 0, 0]
[1, 0, 0, 0, 0]
[0, 1, 0, 0, 0]
进行广度优先遍历
A->B->C->D->E->