深度优先遍历和广度优先遍历
图
介绍：用于表示多对多的关系
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。如图：
图的常用概念
- 顶点(vertex)
- 边(edge)
- 路径
- 无向图
- 有向图
- 带权图
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，矩阵是的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
要求: 代码实现如下图结构.
图的实现
图的属性和常用方法
package com.datestructures.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList;//存储顶点集合
private int[][] edges;//存储图对应的邻结矩阵
private int numOfEdges;//表示边的数目
//定义一个数组boolean[] ，记录某个节点是否被访问
private boolean[] isVisited;
//构造器
public Graph(int n) {
//初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
isVisited = new boolean[n];
numOfEdges = 0;
}
//图中常用方法
//返回节点个数
public int getNumOfVertex(){
return vertexList.size();
}
//返回边的个数
public int getNumOfEdges(){
return numOfEdges;
}
//返回节点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 getWeight(int v1,int v2){
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph(){
for(int[] link:edges){
System.out.println(Arrays.toString(link));
}
}
//插入节点
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"-"E" "A"->0 "B"->1
* @param v2 表示第二个顶点的下标
* @param weight 表示权值
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
遍历方式
所谓图的遍历，即是对结点的访问。一个图有那么多个结点，如何遍历这些结点，需要特定策略，一般有两种访问策略: (1)深度优先遍历 (2)广度优先遍历
遍历中用到的方法
/**
* 得到第一个邻接节点的下标w
* @param index
* @return 如果存在就返回对应的下标 否则返回-1
*/
public int getFirstNeighbor(int index){
for (int i = 0; i < vertexList.size(); i++) {
if(edges[index][i]>0){
return i;
}
}
return -1;
}
/**
* 根据前一个邻接节点的下标来获取下一个邻接节点
* @param v1
* @param v2
* @return
*/
public int getNextNeighbor(int v1,int v2){
for (int i = v2 +1; i < vertexList.size(); i++) {
if(edges[v1][i]>0){
return i;
}
}
return -1;
}
深度优先遍历基本思想
图的深度优先搜索(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。
我们可以看到，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，深度优先搜索是一个递归的过程
深度优先遍历算法步骤
- 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邻接结点的下一个邻接结点，转到步骤3。
代码实现
//深度优先遍历算法 i第一次就是0
private void dfs(boolean[] isVisited,int i){
//首先访问该节点
System.out.print(getValueByIndex(i)+"->");
//将该节点设置为已经访问过
isVisited[i] = true;
//查找节点i的第一个邻接节点
int w = getFirstNeighbor(i);
while (w!=-1){
//存在且没有被访问过
if(!isVisited[w]){
dfs(isVisited,w);
}else {
//存在且被访问过
w = getNextNeighbor(i,w);
}
}
}
//对dfs进行一个重载 遍历所有的节点 并进行dfs
public void dfs(){
isVisited = new boolean[vertexList.size()];
//遍历所有的节点进行dfs
for (int i = 0; i < getNumOfVertex(); i++) {
if(!isVisited[i]){
dfs(isVisited,i);
}
}
}
广度优先遍历基本思想
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
广度优先遍历算法步骤
- 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。
- 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：
6.1 若结点w尚未被访问，则访问结点w并标记为已访问。
6.2 结点w入队列
6.3 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。
代码实现
//对一个节点进行广度优先遍历的方法
private void bfs(boolean[] isVisited,int i){
int u;//表示队列头结点的下标
int w;//表示邻接节点w
//队列 记录节点访问顺序
LinkedList queue = new LinkedList();
//访问这个节点 输出节点信息
System.out.print(getValueByIndex(i)+"=>");
//标记已访问
isVisited[i] = true;
//将节点加入队列
queue.addLast(i);
while (!queue.isEmpty()){
//取出队列头结点的下标
u = (Integer) queue.removeFirst();
//得到第一个邻接节点的下标
w = getFirstNeighbor(u);
while (w!=-1){//说明找到
//是否访问过
if(!isVisited[w]){//没有访问过
System.out.print(getValueByIndex(w)+"=>");
//标记已经访问
isVisited[w] = true;
//入队
queue.addLast(w);
}
//以u为前驱点找w后面的下一个邻接节点
w = getNextNeighbor(u,w);//体现出广度优先
}
}
}
//遍历所有的节点进行广度优先搜索
public void bfs(){
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if(!isVisited[i]){
bfs(isVisited,i);
}
}
}
完整代码
图的实现类
package com.datestructures.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList;//存储顶点集合
private int[][] edges;//存储图对应的邻结矩阵
private int numOfEdges;//表示边的数目
//定义一个数组boolean[] ，记录某个节点是否被访问
private boolean[] isVisited;
//构造器
public Graph(int n) {
//初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
isVisited = new boolean[n];
numOfEdges = 0;
}
/**
* 得到第一个邻接节点的下标w
* @param index
* @return 如果存在就返回对应的下标 否则返回-1
*/
public int getFirstNeighbor(int index){
for (int i = 0; i < vertexList.size(); i++) {
if(edges[index][i]>0){
return i;
}
}
return -1;
}
/**
* 根据前一个邻接节点的下标来获取下一个邻接节点
* @param v1
* @param v2
* @return
*/
public int getNextNeighbor(int v1,int v2){
for (int i = v2 +1; i < vertexList.size(); i++) {
if(edges[v1][i]>0){
return i;
}
}
return -1;
}
//深度优先遍历算法 i第一次就是0
private void dfs(boolean[] isVisited,int i){
//首先访问该节点
System.out.print(getValueByIndex(i)+"->");
//将该节点设置为已经访问过
isVisited[i] = true;
//查找节点i的第一个邻接节点
int w = getFirstNeighbor(i);
while (w!=-1){
//存在且没有被访问过
if(!isVisited[w]){
dfs(isVisited,w);
}else {
//存在且被访问过
w = getNextNeighbor(i,w);
}
}
}
//对dfs进行一个重载 遍历所有的节点 并进行dfs
public void dfs(){
isVisited = new boolean[vertexList.size()];
//遍历所有的节点进行dfs
for (int i = 0; i < getNumOfVertex(); i++) {
if(!isVisited[i]){
dfs(isVisited,i);
}
}
}
//对一个节点进行广度优先遍历的方法
private void bfs(boolean[] isVisited,int i){
int u;//表示队列头结点的下标
int w;//表示邻接节点w
//队列 记录节点访问顺序
LinkedList queue = new LinkedList();
//访问这个节点 输出节点信息
System.out.print(getValueByIndex(i)+"=>");
//标记已访问
isVisited[i] = true;
//将节点加入队列
queue.addLast(i);
while (!queue.isEmpty()){
//取出队列头结点的下标
u = (Integer) queue.removeFirst();
//得到第一个邻接节点的下标
w = getFirstNeighbor(u);
while (w!=-1){//说明找到
//是否访问过
if(!isVisited[w]){//没有访问过
System.out.print(getValueByIndex(w)+"=>");
//标记已经访问
isVisited[w] = true;
//入队
queue.addLast(w);
}
//以u为前驱点找w后面的下一个邻接节点
w = getNextNeighbor(u,w);//体现出广度优先
}
}
}
//遍历所有的节点进行广度优先搜索
public void bfs(){
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if(!isVisited[i]){
bfs(isVisited,i);
}
}
}
//图中常用方法
//返回节点个数
public int getNumOfVertex(){
return vertexList.size();
}
//返回边的个数
public int getNumOfEdges(){
return numOfEdges;
}
//返回节点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 getWeight(int v1,int v2){
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph(){
for(int[] link:edges){
System.out.println(Arrays.toString(link));
}
}
//插入节点
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"-"E" "A"->0 "B"->1
* @param v2 表示第二个顶点的下标
* @param weight 表示权值
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
测试类
package com.datestructures.graph;
public class GraphDemo {
public static void main(String[] args) {
int n = 5;//节点的个数
//String vertexs[] = {"A","B","C","D","E"};
String vertexs[] = {"1","2","3","4","5","6","7","8"};
//创建图对象
Graph graph = new Graph(8);
//循环添加顶点
for(String value:vertexs){
graph.insertVertex(value);
}
//添加边 A-B A-C B-C B-D B-E
/*graph.insertEdge(0,1,1);//A和B构成边
graph.insertEdge(0,2,1);
graph.insertEdge(1,2,1);
graph.insertEdge(1,3,1);
graph.insertEdge(1,4,1);*/
//更新边的关系
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);
//显示一下
graph.showGraph();
//测试dfs
System.out.println("深度遍历");
graph.dfs();
System.out.println();
System.out.println("广度优先");
graph.bfs();
}
}
2655
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
