为什么要有图
前面我们学了线性表和树
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也就是父节点
当我们需要表示多对多的关系时, 这里我们就用到了图
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
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
图的创建代码实现
图的快速入门案例
package Graph;
import com.sun.org.apache.bcel.internal.generic.NEW;
import java.util.ArrayList;
import java.util.Arrays;
public class Graph {
private ArrayList<String> vertexList;//存储顶点集合
private int[][]edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
public static void main(String[] args) {
//测试图是否创建成功
int n=5;//节点个数
String VertexValue[]={"A","B","C","D","E"};
Graph graph = new Graph(n);
//循环地添加顶点
for(String vertex:VertexValue)
{
graph.insertVertex(vertex);
}
//添加边 //A-B A-C B-C B-D B-E
//边的关系没法for循环,只能一个一个加
graph.insertEdge(0,1,1);//A-B
graph.insertEdge(0, 2, 1); //
graph.insertEdge(1, 2, 1); //
graph.insertEdge(1, 3, 1); //
graph.insertEdge(1, 4, 1); // B-E
//显示邻接矩阵
graph.showGraph();
}
public Graph(int n) {
//初始化矩阵和veertexList
edges=new int[n][n];
vertexList=new ArrayList<String>(n);
numOfEdges=0;
}
//图中常用的方法
//返回节点的个数
public int getNumOfVertex()
{
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges()
{
return numOfEdges;
}
//返回节点i(下标)对应的数据 比如,输入0就放回A对应的数据 输入1就放回B对应的数据
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)//先取一行,再取下一行
{
System.out.println(Arrays.toString((link)));
}
}
//插入顶点(传入的是顶点对应的字符串)
public void insertVertex(String vertex)
{
vertexList.add(vertex);
}
//添加边
//weight是边对应的值,V1表示点的下标,即是第几个顶点
//@param v1 表示点的下标即使第几个顶点 "A"-"B" "A"->0 "B"->1
//@param v2 第二个顶点对应的下标(这两个顶点之间有连线)
public void insertEdge(int v1,int v2,int weight)
{
edges[v1][v2]=weight;
edges[v2][v1]=weight;//因为是无向图,所以是一样的
numOfEdges++;
}
}
结果
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,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
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
1 访问初始结点v,并标记结点v为已访问(用变量)。
2 查找结点v的第一个邻接结点w。
3 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。
4 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)。
5 查找结点v的w邻接结点的下一个邻接结点,转到步骤3。
例子
访问顺序: A B C D E
图的深度优先(DFS)算法代码实现
这里韩老师好像写复杂了,建议看看网上其他的方法
//得到第一个邻接节点的下标w
public int getFirstNeighbor(int index)//传入当前节点的下标,返回第一个邻接节点的下标w
{
for(int j=0;j<vertexList.size();j++)
{
if(edges[index][j]==0)//说明存在下一个邻接点
{
return j;
}
}
return -1;//没有找到下一个邻接节点就返回-1
}
//根据前一个邻接节点的下标获取下一个邻接节点
public int getNextNeighbor(int v1,int v2)
{
for(int j=v2+1;j<vertexList.size();j++)
{
if(edges[v1][j]>0)
{
return j;
}
}
return -1;
}
//深度优先遍历算法
public void dfs(boolean [] isaVisited,int i)
{
//整个过程中会判断节点是否被访问
//i第一次是0首先我们输出该节点
System.out.print(getValueByIndex(i)+"->");
//将节点设置为已经访问
isaVisited[i]=true;
int w=getFirstNeighbor(i);
//然后以i这个节点进行深度遍历
while(w!=-1)
{
if(isVisited[w]=false)
{
dfs(isVisited,w);
}
//如果w节点已经被访问
w=getNextNeighbor(i,w);
}
}
//对dfs 进行一个重载, 遍历我们所有的结点,并进行 dfs
public void dfs() {
isVisited = new boolean[vertexList.size()];
//遍历所有的结点,进行dfs[回溯]
for(int i = 0; i < getNumOfVertex(); i++) {
if(!isVisited[i]) {
dfs(isVisited, i);
}
}
}
图的广度优先(BFS)算法图解
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
1 访问初始结点v并标记结点v为已访问。
2 结点v入队列
3 当队列非空时,继续执行,否则算法结束。
4 出队列,取得队头结点u。
5 查找结点u的第一个邻接结点w。
6 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。
广度优先举例说明
先访问A,再访问A的下一个邻接节点 B,如果是深度优先,则以B节点开始找B的下一个节点即C,广度优先则是A访问B之后再以A为起始节点访问C,再看A有没有其他邻接节点,看B有没有其他节点,B的C已经被访问了,那么访问E,再访问B的D,退出条件是所有节点都被访问
图的广度优先(BFS)算法代码实现
注意加入我们现在通过A找到了B,下一个判断B的下一个节点C是否和A连接,因为就算C不是B的下一个节点,我们也是要先把与A有连接的节点都遍历一遍
//对一个结点进行广度优先遍历的方法
private void bfs(boolean[] isVisited, int i) {
int u ; // 表示队列的头结点对应下标
int w ; // 邻接结点w
//队列,记录结点访问的顺序
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)queue.removeFirst();
//得到第一个邻接结点的下标 w
w = getFirstNeighbor(u);
while(w != -1) {//找到
//是否访问过
if(!isVisited[w]) {
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后面的下一个邻结点
w = getNextNeighbor(u, w); //体现出我们的广度优先
}
}
}
//遍历所有的结点,都进行广度优先搜索
public void bfs() {
isVisited = new boolean[vertexList.size()];
for(int i = 0; i < getNumOfVertex(); i++) {
if(!isVisited[i]) {
bfs(isVisited, i);
}
}
}
图的深度优先和广度优先的区别
深度优先遍历顺序为 1->2->4->8->5->3->6->7
广度优先算法的遍历顺序为:1->2->3->4->5->6->7->8 (层序遍历)
完整代码
链接:https://pan.baidu.com/s/16iv9o-WpIaq_l5KTjD_KzQ
提取码:e6xd