数据结构与算法：终于可以用三种语言（C，C#，JavaScript）把图的广度优先遍历讲清楚了（推荐收藏）

文章目录

邻接矩阵存储图的广度优先遍历过程分析
C语言实现队列编程
程序中加入图的处理函数
结果的再次分析
C#语言实现图的广度优先遍历、并显示广度优先遍历生成树
JavaScript语言实现图的广度优先遍历、并显示广度优先遍历生成树

邻接矩阵存储图的广度优先遍历过程分析

对图1这样的无向图，要写成邻接矩阵，则就是下面的式子
在这里插入图片描述一般要计算这样的问题，画成表格来处理是相当方便的事情，实际中计算机处理问题，也根本不知道所谓矩阵是什么，所以画成表格很容易帮助我们完成后面的编程任务。在我们前面介绍的内容中，有不少是借助着表格完成计算任务的，如Huffman树。

在这里插入图片描述
为了记录那些顶点是已经走过的，还要设计一个表来标记已经走过的顶点，在开始，我们假设未走过的是0，走过的是1，于是有：

在这里插入图片描述
对广度优先遍历，还需要补充一个队列、来记录一个顶点可以抵达到的其他顶点。

广度优先遍历过程如下：

在这里插入图片描述
结果分析

从上面的过程可以看出：仅仅就顶点访问到的次序而言，图1的广度优先遍历结果是：

V1->V2->V3>V4->V5->V6->7->V8

但实际执行过程中我们可以发现：所谓图的广度优先遍历、其结果应该是一个树：

在这里插入图片描述
在C语言中，显示这个结果并不容易，所以大多C语言的教材中并不会给出这样的结果。

C语言实现队列编程

根据上面的分析，我们可以知道：要广度优先遍历图，首先要一个队列系统。

队列在C语言上只能自己构造，好在我们前面有链表、有顺序表，我们可以复制过来一个链表程序构造一个队列，于是从链表程序中复制过来b5.c或者b6.c即可，我们分析队列的ADT可知，最需要的队列功能需求是：

QueueInit()、EnQueue、DeQueue()、QueueEmpty()这4个函数，于是有以下队列定义：

struct Queue 
{
	struct LinkedList * LinkQueue;
	int Count;
};

由于我们已经确定使用链表做队列，所以队列实际就是链表的换名包装，所以我们可以理解为队列就是链表的另一种应用，表3的程序就是这样的做法，所以对队列的初始化，就是：

struct Queue * QueueInit()
{
	struct Queue *q;
	q=(struct Queue *)malloc(sizeof(struct Queue));
	q->LinkQueue=LinkedListInit(); 
	q->Count=0; 
	return q;
}

有了队列的初始化，则进入队列、实际相当于给这个链表追加一条记录，就是Append()的另类包装：

int EnQueue(struct Queue *Q,struct ElemType *E)
{
	if(Q==NULL) return -1;
	if(E==NULL) return -2;
	Append(Q->LinkQueue,E);
	Q->Count++; 
	return 0;
}

注意数据出队列，出队列总是把链表中第一个结点的数据给出来、并删除第一个结点，所以出队列就是：

int DeQueue(struct Queue *Q,struct ElemType *E)
{
	struct ElemType *pE;
	if(Q==NULL) return -1;
	if(E==NULL) return -2;
	pE=LinkedListGet(Q->LinkQueue,1);
	ElemCopy(pE,E); 
	LinkedListDel(Q->LinkQueue,1); 
	Q->Count--;
	return 0;
}

出队列函数总是把第一个结点删除掉，注意队列完全可能数据出完后再次有数据进入队列，则原来的结点删除函数有Bug，这在程序开发中很正常，修改后就是：

int LinkedListDel(struct LinkedList *L,int n)
{
	int i;
	struct Node *p0,*p1;
	if(L==NULL) return -1;
	if(n<0||n>L->Count) return -2;
	p0=L->Head;
	for(i=0;i<n-1;i++) 
		p0=p0->next;
	p1=p0->next;
	p0->next=p1->next;
	free(p1);
	L->Count--;
	if(L->Count==0) L->Tail=L->Head;  
	return 0;
}

修改的这个链表结点函数、仅仅加了第14行，在过去，所以结点删除后，最后的尾巴结点指针Tail所指的存储空间被释放，导致这个指针变量不可用，现在在结点个数为0的情况下，再次让尾结点指向头结点，保证下次进入链表的数据依然正确。

而判断队列是否为空则相对简单的多，就是：

int QueueEmpty(struct Queue *Q)
{
	if(Q==NULL) return -1;
	return !(Q->Count); 
}

补充main()函数，测试多批次进入队列、出队列，全部程序见B0.c

在我们的图遍历应用中，我们对队列的数据仅仅要求一个整数即可，而这个程序进出队列的数据有三列数据，为加强该程序可靠行，修改ElemType()，就是：

void ElemCopy(struct ElemType *s,struct ElemType *d)
{
	d->sNo=s->sNo;
	//strcpy(d->sName,s->sName);
	//d->sAge=s->sAge;  
}

在一个系统中，类似这样的修改很正常，使用已有的程序完成自己的工作，会大大加快编程的进度，使得编程工作更加流畅。
而这一切都需要自己有足够的积累，有这个积累后完成这样的工作才有基础，所谓技术水平，就是不断积累的过程。

下面，在图的处理中会再次体现这样的过程。

程序中加入图的处理函数

我们的队列系统完成后，记着再复制一个文件，加入图的邻接矩阵读数据程序，我们这里这个程序名称是b1.c。对邻接矩阵数据的读取、并构造图的过程，在深度优先遍历程序中已完成，所以直接复制过来即可，回顾广度优先遍历算法，就是把第一个顶点先无条件装进队列，所以编写遍历BFSM函数如下：

四、程序中加入图的处理函数
我们的队列系统完成后，记着再复制一个文件，加入图的邻接矩阵读数据程序，我们这里这个程序名称是b1.c。对邻接矩阵数据的读取、并构造图的过程，在深度优先遍历程序中已完成，所以直接复制过来即可，回顾广度优先遍历算法，就是把第一个顶点先无条件装进队列，所以编写遍历BFSM函数如下：
void BFSM(struct Graph *G)
{
	int i,n;
	struct Queue *Q;
	struct ElemType *p,E,e;
	Q=QueueInit();	
	E.sNo=0;           // 设置0进队列
	EnQueue(Q,&E);
	G->Visited[0]=1;     // 设置0号顶点已被访问
	p=&e;
	while(!QueueEmpty(Q))
	{
    //待补充
	}
}

从第11行开始，则进入真正的遍历。

有这么个函数后，我们可以补充main()的测试函数就是：

main()
{
	struct Graph *G;
	G=GraphCreat("p176G719.txt");
	BFSM(G);
}

main()很短，也很简单，如有不明白的回顾下深度优先遍历函数。

回顾一下：就是队列Q里出队列，然后找与该顶点相连的所有顶点、在进队列，就是：

void BFSM(struct Graph *G)
{
	int i,n;
	struct Queue *Q;
	struct ElemType *p,E,e;
	Q=QueueInit();	
	E.sNo=0;
	EnQueue(Q,&E);
	G->Visited[0]=1; 
	p=&e;
	while(!QueueEmpty(Q))
	{
		DeQueue(Q,p);
		n=p->sNo;
		printf("%s
",G->pV[n]);
		for(i=0;i<G->num;i++)
			if(G->pA[n][i]==1&&G->Visited[i]==0)
			{
				G->Visited[i]=1; 
				E.sNo=i;
				EnQueue(Q,&E);
			}
	}
}

运行这个程序、就会打印出这个图的广度优先遍历结果。

结果的再次分析

有了这个函数后，构造main()开始从第0个顶点遍历图1，就是：

进一步测试该函数，按图1的数据仔细分析下它的执行过程，如有图的连接分量不为1，则会在第一个连接分量遍历完成后终止。如下图4，在B1.C中是无法全部遍历完成的。这个图的文件在G4.TXT，修改表23中第5行，从G4.TXT中读数据，则会发现这个程序仅仅遍历了A、B、C、D，而没有到达过E、F、G这三个顶点。

在这里插入图片描述
这个图该如何遍历呢？请同学们自己修改程序，完成这个图的遍历。
广度优先遍历到此结束。

C#语言实现图的广度优先遍历、并显示广度优先遍历生成树

在C#文件夹中可以找到“Graph0.cs”，这个文件中包含着深度优先遍历、广度优先遍历等程序中的所有图类程序，现在，我们就要在这个类中补充新的方法。
首先复制这个类到Graph.cs，然后用C#建立一个Windows应用程序，然后在资源管理器中添加这个类，这个类和在深度优先遍历中的类完全一致，但去掉了命名空间说明，这样，这个类就可以使用在其他工程中了。

首先是再次熟悉这个类中的变量定义：

private int[,] A         //邻接矩阵
private string[] V       //顶点矩阵
private int[] Visited    //顶点访问表
private TreeNode[] T     //遍历生成树
private int num          //顶点个数
private int ConnComp     //连通分量

找到这个类中的最后一个方法：DSFTraverse()，然后开始在这个方法后补充新方法：DFS()，由于算法和C语言完全一致，此处算法问题不在介绍。

private void BFS(int N)
{
            int n;
            Queue<int> Q = new Queue<int>();
            Q.Enqueue(N);
            Visited[N] = 1; 
            while (Q.Count != 0)
            {
                n = Q.Dequeue();
                for (int i = 0; i < num; i++)
                    if (A[n, i] == 1 && Visited[i] == 0)
                    {
                        T[n].Nodes.Add(T[i]);  
                        Visited[i] = 1; 
                        Q.Enqueue(i);
                    }
            }
}

这个方法可以从第N个顶点开始遍历，同前面涉及的问题一样，考虑到多次遍历、以及多连通分量的图，我们还要补充下面的方法：

        public int BFSTraverse()
        {
            int i;
            ConnComp = 0;
            for (i = 0; i < num; i++)
            {
                T[i] = new TreeNode(V[i]);
                Visited[i] = 0;
            }
            for (i = 0; i < num; i++)
                if (Visited[i] == 0)
                {
                    BFS(i);
                    ConnComp++;
                }
            return ConnComp; 
        }

补充完类Graph中两个方法补充后、就可以进行界面设计，设计界面如下：

在这里插入图片描述
根据图1的界面设计，则广度优先遍历程序中连通分量为1的图在button1下，于是有：

private void button1_Click(object sender, EventArgs e)
{
            int m;
            int[,] A = {
                            {0, 1, 1, 0, 0, 0, 0, 0},
                            {1, 0, 0, 1, 1, 0, 0, 0},
                            {1, 0, 0, 0, 0, 1, 1, 0},
                            {0, 1, 0, 0, 0, 0, 0, 1},
                            {0, 1, 0, 0, 0, 0, 0, 1},
                            {0, 0, 1, 0, 0, 0, 1, 0},
                            {0, 0, 1, 0, 0, 1, 0, 0},
                            {0, 0, 0, 1, 1, 0, 0, 0}
                         };
            string[] V = { "V1", "V2", "V3", "V4", "V5", "V6", "V7", "V8" };
            Graph G = new Graph(8);
            G.Arc = A; G.Vertex = V;
            m = G.BFSTraverse(); 
            treeView1.Nodes.Clear();
            treeView1.Nodes.Add(G.DFSResult);
            textBox1.Text = "该图连接分量为" + m.ToString(); 
}

由于类设计中、广泛使用了原有的代码，所以这段程序看起来和深度优先遍历的测试代码差别很小。同理，在有多个连通分量的情况下，在button2下的代码是：

        private void button2_Click(object sender, EventArgs e)
        {
            int m;
            int[,] A = {
                        {0, 1, 1, 0, 0, 0, 0},
                        {1, 0, 0, 1, 0, 0, 0},
                        {1, 0, 0, 1, 0, 0, 0},
                        {0, 1, 1, 0, 0, 0, 0},
                        {0, 0, 0, 0, 0, 1, 1},
                        {0, 0, 0, 0, 1, 0, 1},
                        {0, 0, 0, 0, 1, 1, 0}
                       };
            string[] V = { "A", "B", "C", "D", "E", "F", "G" };
            Graph G = new Graph(7);
            G.Arc = A; G.Vertex = V;
            m = G.BFSTraverse(); 
            treeView1.Nodes.Clear();
            G.AddInTreeView(treeView1);
            textBox1.Text = "该图连接分量为" + m.ToString(); 
        }

请自行补充button3下的代码。

程序运行结果就是：
在这里插入图片描述图的广度优先遍历到此结束。通过上述编程我们可以发现：大量使用已有的代码，可以大大简化编程的复杂程度。

问题：

我们在C#的程序中、并没有使用类似C语言那样的技术：在数据文件中保存图的数据，这首先是基于我们对C#的使用方式造成的，C#最重要的应用场合是连接数据库服务器和前端的用户浏览器，这个场合下C#提供一个正确的运算类就足够了，其数据要来自于数据库，而结果要给到浏览器上的程序。浏览器下的程序就是JavaScript，这样的情况下C#不做数据文件读取、而要做的是数据库上数据读取，至于送到JavaScript，这个对C#、就要通过一种叫WebService的技术，而在JavaScript上、则要用到一种叫Ajax技术读写这些数据，而这些都是下学期的重要实验任务。

JavaScript语言实现图的广度优先遍历、并显示广度优先遍历生成树

对JavaScript而言，是没有队列类的，尽管数组的类型直接泛型，但仅有栈而无队列。我们需要最低代价完成一个队列系统，所以要再次查看JavaScript数组的所有方法和属性：

其中：FF: Firefox, IE: Internet Explorer

在这里插入图片描述
而这个对象提供的属性，则如下表：FF: Firefox, IE: Internet Explorer

在这里插入图片描述
回顾栈和队列的差异，一个是先进后出、一个是先进先出，查找上述数组的方法，有个方法是reverse()，含义是颠倒数组元素的次序，很显然：

如果进队列是数组的push()操作，那么出队列则就是颠倒数组次序、然后pop()操作，有这个思路，按这个算法构造队列类就是：

		function Queue()
		{
		this.Q=new Array();
		this.EnQueue=function(E)
			{
			this.Q.push(E);
			}
		this.DeQueue=function()
			{
			var E;
			this.Q=this.Q.reverse();
			E=this.Q.pop();
			this.Q=this.Q.reverse();
			return E;
			}
		this.Count=function()
			{
			return this.Q.length;
			}
		}

一定注意这个类的第13行，颠倒次序出栈后一定要再次颠倒这个数组的次序，保证进栈数据的次序。这样，我们就用最小代价完成了一个队列系统，然后补充多次进出队列的测试网页，就是：

<html>
	<head>
	<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
	<title>一个调用Ext类库的模板页面</title>
		<script type="text/javascript" src="Queue.js"></script>
		<script type="text/javascript" src="ext-3.0.0/adapter/ext/ext-base.js"></script>
  		<script type="text/javascript" src="ext-3.0.0/ext-all.js"></script>
   		<link rel="stylesheet" type="text/css" href="ext-3.0.0/resources/css/ext-all.css" />  
	</head>
	<body bgcolor="#FFFFFF">
	<div id="hello"></div>
	<script type="text/javascript">
		function fun()
		{
		var Q=new Queue();
		Q.EnQueue(1);
		Q.EnQueue(2);
		Q.EnQueue(3);
		while(Q.Count()>0)
			{
			document.write(Q.DeQueue()+'<br>');
			}
		Q.EnQueue(4);
		Q.EnQueue(5);
		while(Q.Count()>0)
			{
			document.write(Q.DeQueue()+'<br>');
			}
	     }
 	Ext.onReady(fun);
	</script>
	</body>
</html>

注意第5行一定要引用Queue.js这个文件，否则程序无法运行。

补充广度优先遍历程序

根据广度优先遍历的算法、以及表1的队列对象，不难写出广度优先遍历程序，但写以前我们要回顾深度优先遍历函数的入口参数：

A[][]: 邻接矩阵
vCount: 顶点个数
m: 进入遍历的顶点编号
Visited[] :顶点访问状态表
T[]: Ext.tree.TreeNode对象数组，遍历结果树

我们回顾这些的原因是：我们新的遍历函数、也要尽量和旧的方法使用的参数一致，这样就对后续的编程提供了大量的方便。如果意义相近的方法、其函数入口参数差异很大、这样对后续的编程造成很多困惑。

//A[][]:     邻接矩阵
//vCount:    顶点个数
//m:         进入遍历的顶点编号
//Visited[] :顶点访问状态表
//T[]:       Ext.tree.TreeNode对象数组，遍历结果树
function BFS(A,vCount,m,Visited,T)
{
		var i,n;
		var Q=new Queue();
		Q.EnQueue(m);
		Visited[m]=1;
		while(Q.Count()>0)
			{
                n = Q.DeQueue();
        	        for (i = 0; i <vCount; i++)
                	    if (A[n][i] == 1 && Visited[i] == 0)
	                    {
        	                T[n].appendChild(T[i]);
	                        Visited[i] = 1; 
	                        Q.EnQueue(i);
	                    }			
			}
}

表3 JavaScript语言图的广度优先遍历，见工程B0.html

该函数算法不在介绍，程序原理和C、C#没什么差别。

从深度优先遍历网页补充广度优先遍历程序

从深度优先遍历网页G8.html复制文件到B0.html，在F3区域的邻接矩阵编辑窗口补充命令按钮“广度优先遍历”，就是表4.
对这个表中的程序，注意是一个程序框架，而不是全部。现在就要在合适的位置补充广度优先遍历的初始化程序。

var grid=new Ext.grid.EditorGridPanel({
			renderTo:"GRID",
			title:"图的邻接矩阵编辑",
			height:400,
			width:400,
			cm:colM,
			store:gstore,
			tbar: [ 
			{ 
			text: "深度优先遍历图",   
			handler: function()
					{ 
					//已有的深度遍历代码
					} 
			},
			{
			text:"广度优先遍历图",
			handler: function()
					{
			          //以下写进遍历的代码
					} 
			}
			] 
});

注意表4，其第20行就是补充广度优先遍历程序的地方，这程序本质就是给BFS()准备合适的数据、并初始化、然后调用BFS()函数，所以这地方和深度优先遍历的代码是一致的，于是有：

text:"广度优先遍历图",
handler: function()
{
//以下写进遍历的代码
		var m=gstore.getCount();
		var n=gstore.getAt(m-1).get('row')+1;
		var Visited=Array();
		var A=Array();
		var i,j;
		for(i=0;i<n;i++)
			{
			Visited[i]=0;
			A[i]=Array();
			T[i]=new Ext.tree.TreeNode({id:vstore.getAt(i).get('id'),text:vstore.getAt(i).get('V')});
			}
		for(i=0;i<m;i++)
			{
			var r=gstore.getAt(i).get('row');
			var c=gstore.getAt(i).get('col');
			var v=gstore.getAt(i).get('Value');
			A[r][c]=v;
			}
			var Concom=0;
		for(i=0;i<n;i++)
			if(Visited[i]==0) 
				{
				BFS(A,n,i,Visited,T);Concom++;
				}
				var TR=new Ext.tree.TreeNode({id:10000,text:'广度优先遍历树，连通分量'+Concom});
		for(i=0;i<n;i++)
				if(T[i].parentNode==null)
							TR.appendChild(T[i]);
		treeView1.setRootNode(TR);
} 
}

和前面深度优先遍历的程序完全一致，仅仅是调用了不同的遍历函数。

遍历网页的进一步修改和完善：构造图类

从B0.html这个网页程序看，首先在两个遍历的命令按钮程序上有大量重复代码，其次是有关图的计算，其邻接矩阵、顶点矩阵、顶点访问状态矩阵、遍历函数等都是分离的变量和函数，而没有构成一个类、从而也就没有图的对象，这样对后续的编程也造成很多不利。

为此，我们要构造一个JavaScript的图类，整体参照C#。

对任何一个语言的类编程而言，都存在数据如何进入对象、以及数据如何从对象里给出这两个基本问题，在使用Ext过程中，我们熟悉了大量的Ext对象属性获得方法，那么我们这里也将按同样的方法来构造类，详细的介绍参见json教程。以下类名称是Graph，其中G是属性参数：

function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
}



<html>
	<head>
	<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
	<title>一个调用Ext类库的模板页面</title>
		<script type="text/javascript" src="G0.js"></script>
		<script type="text/javascript" src="ext-3.0.0/adapter/ext/ext-base.js"></script>
  		<script type="text/javascript" src="ext-3.0.0/ext-all.js"></script>
   		<link rel="stylesheet" type="text/css" href="ext-3.0.0/resources/css/ext-all.css" />  
	</head>
	<body bgcolor="#FFFFFF">
	<div id="hello"></div>
	<script type="text/javascript">
		function fun()
		{
		var G=new Graph({
			      A:[[1,2,3],[4,5,6],[7,8,9]],V:['A','B','C'],Visited:[0,0,0]
			      });
	     }
 	     Ext.onReady(fun);
	</script>
	</body>
</html>

注意第16行，其中构造函数的参数里：

{A:[[1,2,3],[4,5,6],[7,8,9]],V:['A','B','C'],Visited:[0,0,0]}

整体构成对象G，进入类后，进入表5程序后，由第3到第5行的程序赋值给对象相应的属性。再次参照表5程序，其中的this，对应在表6的程序是G，广义上，实例化的对象就是表5中的this。

有了上述分析，我们就可以在表5的程序中加入一个公共方法，用来获得属性中V数组的内容，代码就是：

function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
this.VName=function()
	{
	var i;
	for(i=0;i<this.num;i++)
		document.write(this.V[i]);
	}
}

这样写的方法类似是C#中的public void VName()，这样的写法可以在实例对象中引用这样方法，如：

<html>
	<head>
	<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
	<title>一个调用Ext类库的模板页面</title>
		<script type="text/javascript" src="G1.js"></script>
		<script type="text/javascript" src="ext-3.0.0/adapter/ext/ext-base.js"></script>
  		<script type="text/javascript" src="ext-3.0.0/ext-all.js"></script>
   		<link rel="stylesheet" type="text/css" href="ext-3.0.0/resources/css/ext-all.css" />  
	</head>
	<body bgcolor="#FFFFFF">
	<script type="text/javascript">
	function fun()
	{
	 var G=new Graph({
			      A:[[1,2,3],[4,5,6],[7,8,9]],
			      V:['A','B','C'],
			Visited:[0,0,0],
			    num:3
			});
		G.VName();
	}
 	Ext.onReady(fun);
	</script>
	</body>
</html>

上述过程完成后，可以加入一个求V数组中每行平均值的方法，涉及到求平均值，首先我们需要一个求指定行和的函数，这个函数定义成私有的，如同表9的程序中的Sum()，私有函数定义和普通的JavaScript函数完全一致。

但在实际使用中，错误首先在第17行，表示this.num是没有定义。

造成这样的结果，主要是私有的函数Sum()并不包含在对象中，这点和C#是完全不一样，所以私有函数中要引用对象的数据，要首先获得该对象的实例，就是要有这样的方法：

var Ob=this;
function Sum()
{
…
for(i=0;i<Ob.num;i++)
…
}



function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
this.VName=function()
	{
	var i;
	for(i=0;i<this.num;i++)
		document.write(this.V[i]);
	}
function Sum(n)
{
var s=0,i;
for(i=0;i<this.num;i++)  //私有方法中错误引用对象数据
	s+=this.A[n][i];
return s;
}
this.AVG=function(n)
	{
	var s;
	s=Sum(n)/this.num;	
	}
}



function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
this.VName=function()
	{
	var i;
	for(i=0;i<this.num;i++)
		document.write(this.V[i]);
	}
function Sum(n)
{
var s=0,i;
for(i=0;i<this.num;i++)  //私有方法中错误引用对象数据
	s+=this.A[n][i];
return s;
}
this.AVG=function(n)
	{
	var s;
	s=Sum(n)/this.num;	
	}
}



function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
var Ob=this;
//公共方法
this.VName=function()
	{
	var i;
	for(i=0;i<this.num;i++)
		document.write(this.V[i]);
	}
//私有方法
function Sum(n)
{
var s,i;
s=0;
for(i=0;i<Ob.num;i++)
	s+=Ob.A[n][i];
return s;
}
//公共方法
this.AVG=function(n)
	{
	var a;
	a=Sum(n)/this.num;	
	return a;
	}
}

通过上述实验过程，则有两个遍历方法的图类就是：

function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
var Ob=this;
//私有方法：深度优先遍历
function DFS(m)
{
var i;
Ob.Visited[m]=1;
for(i=0;i<Ob.num;i++)
	{
	if(Ob.A[m][i]!=0&&Ob.Visited[i]!=1) 
		{
		Ob.T[m].appendChild(Ob.T[i]);
		DFS(i);
		}
	}
}
//公共方法：深度优先遍历、以及初始化
this.DSFTraverse=function()
	{
	var i,Comcon=0;
	if (this.num==0||this.num==undefined) return -1;
	for(i=0;i<this.num;i++)
		{
		this.Visited[i]=0;
		this.T[i]=new Ext.tree.TreeNode({id:i,text:this.V[i]}); 
		}
	for(i=0;i<this.num;i++)
		if(this.Visited[i]==0)
			{
			DFS(i);Comcon++;
			}
	return Comcon;
	}
//私有方法：广度优先遍历
function BFS(m)
{
	var i,n;
	var Q=new Queue();
	Q.EnQueue(m);
	Ob.Visited[m]=1;
	while(Q.Count()>0)
		{
	        n = Q.DeQueue();
                for (i = 0; i <Ob.num; i++)
               	    if (Ob.A[n][i] == 1 && Ob.Visited[i] == 0)
	            {
                        Ob.T[n].appendChild(Ob.T[i]);
	                Ob.Visited[i] = 1; 
	                Q.EnQueue(i);
	            }			
		}
}
//公共方法：深度优先遍历、以及初始化
this.BSFTraverse=function()
	{
	var i,Comcon=0;
	if (this.num==0||this.num==undefined) return -1;
	for(i=0;i<this.num;i++)
		{
		this.Visited[i]=0;
		this.T[i]=new Ext.tree.TreeNode({id:i,text:this.V[i]}); 
		}
	for(i=0;i<this.num;i++)
		if(this.Visited[i]==0)
			{
			BFS(i);
			Comcon++;
			}
	return Comcon;
	}
//获得遍历结果树，适应多个连接分量情况下。
this.getTree=function()
	{
	for(i=1;i<this.num;i++)
		if(this.T[i].parentNode==null)
			this.T[0].appendChild(this.T[i]);
	return this.T[0];
	}
}

有了上述图类后，则相应的界面上“深度优先遍历”按钮下的相应程序就是：

text: "深度优先遍历图",   
handler: function()
{   
//以下写进遍历的代码
	var m=gstore.getCount();
	var n=gstore.getAt(m-1).get('row')+1;
	var Visited=Array();
	var A=Array();
	var i,j;
	for(i=0;i<n;i++)
		{
		Visited[i]=0;
		A[i]=Array();
		}
	//获得邻接矩阵数据							
	for(i=0;i<m;i++)
		{
		var r=gstore.getAt(i).get('row');
		var c=gstore.getAt(i).get('col');
		var v=gstore.getAt(i).get('Value');
		A[r][c]=v;
		}
	//获得邻接矩阵数据							
	var V=new Array();
	//获得顶点名称
	for(i=0;i<vstore.getCount();i++)
		V[i]=vstore.getAt(i).get('V');
	//用变量给对象各个属性赋值
	var G=new Graph({
				A:A,V:V,T:T,num:n,Visited:Visited
		});				
	m=G.DSFTraverse();
	var TR=new Ext.tree.TreeNode({id:10000,text:'深度优先遍历树，连通分量'+m});
	TR.appendChild(G.getTree());					
	treeView1.setRootNode(TR);
}

上面仅仅给出深度优先遍历的响应程序，广度优先遍历的代码同上述过程基本一样，仅仅是在第32行处为：m=G.BSFTraverse();

到此，JavaScript的两种遍历全部完成，这里，图的数据来自Ext.data.ArrayStore对象，目前是常数定义或者控件输入，以后还要加入Ajax方法、从C#读远程数据库的数据，这都是下学期的任务了。

在这里插入图片描述