第 13 章 图

已于 2022-08-17 18:38:16 修改
阅读量1.3k 收藏 21
点赞数 4
分类专栏： 老韩数据结构与算法 文章标签： java 图论 数据结构
于 2020-08-13 18:47:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/oneby1314/article/details/107987955
版权

第 13 章 图

1、图基本介绍

1.1、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

1.2、图的举例说明

  • 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：

image-20200720142123937

1.3、图的常用概念

  • 顶点(vertex)
  • 边(edge)
  • 路径
  • 无向图(右图)
    • 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

image-20200720142233263

  • 有向图：顶点之间的连接有方向，比如A-B，只能是 A-> B 不能是 B->A

image-20200720142311282

  • 带权图：这种边带权值的图也叫网

image-20200720142324252

2、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）

2.1、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

image-20200720142414839

2.2、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
  • 邻接表说明：
    • 标号为0的结点的相关联的结点为 1 2 3 4
    • 标号为1的结点的相关联结点为 0 4
    • 标号为2的结点相关联的结点为 0 4 5
    • …

image-20200720142423279

3、图的创建

3.1、代码思路

  • 邻接矩阵法：
    • 存储顶点：ArrayList
    • 存储矩阵：int[][]
    • 存储边数：Integer

image-20200720145732846

3.2、图的定义

  • 图的定义：
    • vertexList ：存储顶点集合
    • edges ：邻结矩阵
    • numOfEdges ：边的数目（每添加一条边，numOfEdges 加一）
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
	
	//构造器
	public Graph(int n) {
		//初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;
		
	}
	
	//插入结点
	public void insertVertex(String vertex) {
		vertexList.add(vertex);
	}
	//添加边
	/**
	 * 
	 * @param v1 第二个顶点对应的下标
	 * @param v2 第二个顶点对应的下标
	 * @param weight 表示权值，0：不连接；1：连接
	 */
	public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}
	
	//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 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));
		}
	}
}

3.3、代码测试

  • 代码
public static void main(String[] args) {
    //测试一把图是否创建ok
    String Vertexs[] = {"A", "B", "C", "D", "E"};
    int n = Vertexs.length;  //结点的个数
    // String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};

    //创建图对象
    Graph graph = new Graph(n);
    //循环的添加顶点
    for(String vertex: Vertexs) {
        graph.insertVertex(vertex);
    }

    //添加边
    //A-B A-C B-C B-D B-E 
    graph.insertEdge(0, 1, 1); // A-B
    graph.insertEdge(0, 2, 1); // A-C
    graph.insertEdge(1, 2, 1); // B-C
    graph.insertEdge(1, 3, 1); // B-D
    graph.insertEdge(1, 4, 1); // B-E
    //显示一把邻结矩阵
    graph.showGraph();

}
  • 程序运行结果
[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]

4、图的遍历

4.1、深度优先和广度优先

  • 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:
    • 深度优先遍历
    • 广度优先遍历

4.2、图的深度优先遍历

  • 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

4.2.1、代码思路

  • 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
      • 如果 w 存在
        • 如果 w 未被访问过，先标记 w 已被访问过，然后把 w 当做下一个 v ，查找 w 的第一个邻接点，继续执行深度遍历（这是个递归的过程）
        • 如果 w 已经被访问过，则跳过此节点
      • 如果 w 不存在，说明 v 真的没有下一个邻接点了，已经到头了，我们回到节点 v ，将从v的下一个结点继续查找
    • 经过如上步骤，图中可能还有其他顶点未被访问，继续从下一个顶点执行如上操作
    • 如何找到当前顶点的下一个邻接点？
      • 假设当前正在遍历的顶点索引为 i ，顶点 i 的边信息存储在 edges[][]数组中第 i 行
      • 假设顶点 i 的当前遍历到的邻接点索引为 j ，即已经遍历到了 第 edges[i][j]处，需要从 edges[i][j]之后去找顶点 i 的下一个邻接点索引

    image-20200720152934867

  • 举例说明：

    • 访问顶点 A 后输出 A ，A 的第一个邻接点是 B ，B 未被访问过，我们访问顶点 B

    image-20200720163418025

    • 访问顶点 B 后输出 A–> B
      • B 的第一个邻接点 A 已经被访问过了
      • B 的第二个邻接点 C 还未被访问过，我们访问节点 C

    image-20200720163837146

    • 访问节点 C
      • C 的第一个邻接点是 A ，然而 A 已经访问过了
      • C 的下一个邻接点是 B ，然而 B 也已经访问过了
      • 除此之外，C 再也没有其他邻接点
      • 我们回到顶点 B ，访问节点 B 的下一个邻接点：顶点 D

    image-20200720163935313

    • 访问顶点 D 后输出 A --> B --> C --> D ，D 没有邻接节点，所以又返回到顶点 B ，访问顶点 B 的下一个邻接点：顶点 E
    • 访问顶点 E 后输出 A --> B --> C --> D --> E，E 没有邻接节点，所以又返回到顶点 B
    • B 的所有邻接点都访问过了，返回到顶点 A
    • 以上所有操作仅是一轮，还需要再对图中其他顶点进行以上操作

image-20200720152934867

  • 总结：
    • 假设初始状态是图中所有顶点均未被访问，则从某个顶点v出发，首先访问该顶点，然后依次从它的各个未被访问的邻接点出发深度优先搜索遍历图，直至图中所有和v有路径相通的顶点都被访问到。
    • 若此时尚有其他顶点未被访问到，则另选一个未被访问的顶点作起始点（额，我实在想不到这种特例），重复上述过程，直至图中所有顶点都被访问到为止。
4.2.2、代码实现
  • 编写图的深度优先遍历
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
	
	//构造器
	public Graph(int n) {
		//初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;
		
	}
	
	//插入结点
	public void insertVertex(String vertex) {
		vertexList.add(vertex);
	}
	//添加边
	/**
	 * 
	 * @param v1 第二个顶点对应的下标
	 * @param v2 第二个顶点对应的下标
	 * @param weight 表示权值，0：不连接；1：连接
	 */
	public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}
	
	//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 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));
		}
	}

	//得到第一个邻接结点的下标 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 j = 0; j < vertexList.size(); j++) {
			if(edges[index][j] > 0) {
				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
	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
	//i 第一次就是 0
	private void dfs(boolean[] isVisited, int i) {
		//首先我们访问该结点,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w
		int w = getFirstNeighbor(i);
		while(w != -1) {//说明有
			if(!isVisited[w]) {
				dfs(isVisited, w);
			}
			//如果w结点已经被访问过
			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() {
		boolean[] 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);
			}
		}
	}

}
  • 测试代码
public static void main(String[] args) {
    //测试一把图是否创建ok
    String Vertexs[] = {"A", "B", "C", "D", "E"};
    int n = Vertexs.length;  //结点的个数
    // String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};

    //创建图对象
    Graph graph = new Graph(n);
    //循环的添加顶点
    for(String vertex: Vertexs) {
        graph.insertVertex(vertex);
    }

    //添加边
    //A-B A-C B-C B-D B-E 
    graph.insertEdge(0, 1, 1); // A-B
    graph.insertEdge(0, 2, 1); // A-C
    graph.insertEdge(1, 2, 1); // B-C
    graph.insertEdge(1, 3, 1); // B-D
    graph.insertEdge(1, 4, 1); // B-E

    //显示一把邻结矩阵
    graph.showGraph();

    //测试一把，我们的dfs遍历是否ok
    System.out.println("深度遍历");
    graph.dfs(); // A->B->C->D->E

}
  • 程序运行结果
[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]
深度遍历
A->B->C->D->E->

4.3、图的广度优先遍历

4.3.1、代码思路
  • 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
  • 广度优先遍历的编码流程：
    • 访问当前顶点 v 并标记结点 v 为已访问，并将顶点 v 入队
    • 将顶点 v 出队，并在同一层搜索顶点 v 的邻接点，将没有访问过的邻接点其加入队列中，说明这些邻接点待访问
    • 以队列头部的顶点作为新的顶点 v ，并进行与之前相同的操作：将顶点 v 出队 …
    • 直至队列为空
  • 经过如上步骤，图中可能还有其他顶点未被访问，继续从下一个顶点执行如上操作

image-20200720170911619

  • 举例说明：

    • 访问顶点 A 后输出 A ，并将顶点 A 压入队列中
    • 开始不断循环，循环条件：队列不为空
      • 将顶点 A 出队，找到顶点的的所有邻接点：顶点 B 和顶点 C ，顶点 B 和顶点 C 均没有被访问过，将其入队
      • 队列不为空，将队列头（顶点 B）取出，顶点 B 的邻接点为：顶点 C 、顶点 D 、顶点 E ，顶点 C 已经访问过了，不再添加至队列中，顶点 D 和顶点 E 均没有被访问过，将其入队
      • 队列不为空，将队列头（顶点 C）取出，顶点 C 的邻接点为：顶点 A 和顶点 B ，顶点 A 和顶点 B 均被访问过，不再添加至队列
      • 队列不为空，将队列头（顶点 D）取出，D 没有邻接点，啥也不做
      • 队列不为空，将队列头（顶点 E）取出，E 没有邻接点，啥也不做
      • 队列为空，退出循环
    • 以上所有操作仅是一轮，还需要再对图中其他顶点进行以上操作

  • 总结：

    • 从图中某顶点 v 出发，在访问了 v 之后依次访问 v 的各个未曾访问过的邻接点，然后分别从这些邻接点出发依次访问它们的邻接点，并使得“先被访问的顶点的邻接点先于后被访问的顶点的邻接点被访问，直至图中所有已被访问的顶点的邻接点都被访问到。
    • 如果此时图中尚有顶点未被访问，则需要另选一个未曾被访问过的顶点作为新的起始点，重复上述过程，直至图中所有顶点都被访问到为止。

  • 我把图重新画了一下，可以更好地理解广度优先遍历，即先把同一层顶点先遍历了，添加至队列中，再去到下一层

image-20200720184618478

4.3.2、代码实现
  • 编写图的广度优先遍历
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

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;

	}

	// 插入结点
	public void insertVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @param v1     第二个顶点对应的下标
	 * @param v2     第二个顶点对应的下标
	 * @param weight 表示权值，0：不连接；1：连接
	 */
	public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}

	// 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 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));
		}
	}

	// 得到第一个邻接结点的下标 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 j = 0; j < vertexList.size(); j++) {
			if (edges[index][j] > 0) {
				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
	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;
	}

	// 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<Integer> queue = new LinkedList<Integer>();
		// 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()) {// 体现出我们的广度优先
			// 取出队列的头结点下标
			u = 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);
			}
		}

	}

	// 遍历所有的结点，都进行广度优先搜索
	public void bfs() {
		boolean[] isVisited = new boolean[vertexList.size()];
		for (int i = 0; i < getNumOfVertex(); i++) {
			if (!isVisited[i]) {
				bfs(isVisited, i);
			}
		}
	}

}
  • 测试代码
public static void main(String[] args) {
    // 测试一把图是否创建ok
    String Vertexs[] = { "A", "B", "C", "D", "E" };
    int n = Vertexs.length; // 结点的个数
    // String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};

    // 创建图对象
    Graph graph = new Graph(n);
    // 循环的添加顶点
    for (String vertex : Vertexs) {
        graph.insertVertex(vertex);
    }

    // 添加边
    // A-B A-C B-C B-D B-E
    graph.insertEdge(0, 1, 1); // A-B
    graph.insertEdge(0, 2, 1); // A-C
    graph.insertEdge(1, 2, 1); // B-C
    graph.insertEdge(1, 3, 1); // B-D
    graph.insertEdge(1, 4, 1); // B-E

    // 显示一把邻结矩阵
    graph.showGraph();

    // 测试一把，我们的bfs遍历是否ok
    System.out.println("广度优先");
    graph.bfs(); // A->B->C->D->E

}
  • 程序运行结果
[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]
广度优先
A=>B=>C=>D=>E=>

4.4、深度 VS 广度优先

  • 待遍历的图

image-20200720185137601

  • 创建图
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);

  • 理论输出顺序：

    • 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

  • 测试代码

public class GraphDemo {
	public static void main(String[] args) {
        
		// 测试一把图是否创建ok
		String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
		int n = Vertexs.length; // 结点的个数

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环的添加顶点
		for (String vertex : Vertexs) {
			graph.insertVertex(vertex);
		}

		//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);	
		
		//显示一把邻结矩阵
		graph.showGraph();
		
		//测试一把，我们的dfs遍历是否ok
		System.out.println("深度遍历");
		graph.dfs(); // [1->2->4->8->5->3->6->7]
		System.out.println();
		System.out.println("广度优先!");
		graph.bfs(); // [1->2->3->4->5->6->7->8]

	}
}
  • 程序运行结果
[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]
深度遍历
1->2->4->8->5->3->6->7->
广度优先!
1=>2=>3=>4=>5=>6=>7=>8=>

5、图遍历的全部代码

public class GraphDemo {
	public static void main(String[] args) {
        
		// 测试一把图是否创建ok
		String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
		int n = Vertexs.length; // 结点的个数

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环的添加顶点
		for (String vertex : Vertexs) {
			graph.insertVertex(vertex);
		}

		//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);	
		
		//显示一把邻结矩阵
		graph.showGraph();
		
		//测试一把，我们的dfs遍历是否ok
		System.out.println("深度遍历");
		graph.dfs(); // [1->2->4->8->5->3->6->7]
		System.out.println();
		System.out.println("广度优先!");
		graph.bfs(); // [1->2->3->4->5->6->7->8]

	}
}

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

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;

	}

	// 插入结点
	public void insertVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @param v1     第二个顶点对应的下标
	 * @param v2     第二个顶点对应的下标
	 * @param weight 表示权值，0：不连接；1：连接
	 */
	public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}

	// 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 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));
		}
	}

	// 得到第一个邻接结点的下标 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 j = 0; j < vertexList.size(); j++) {
			if (edges[index][j] > 0) {
				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
	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
	// i 第一次就是 0
	private void dfs(boolean[] isVisited, int i) {
		// 首先我们访问该结点,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w
		int w = getFirstNeighbor(i);
		while (w != -1) {// 说明有
			if (!isVisited[w]) {
				dfs(isVisited, w);
			}
			// 如果w结点已经被访问过
			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() {
		boolean[] 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);
			}
		}
	}

	// 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<Integer> queue = new LinkedList<Integer>();
		// 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()) {// 体现出我们的广度优先
			// 取出队列的头结点下标
			u = 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);
			}
		}

	}

	// 遍历所有的结点，都进行广度优先搜索
	public void bfs() {
		boolean[] isVisited = new boolean[vertexList.size()];
		for (int i = 0; i < getNumOfVertex(); i++) {
			if (!isVisited[i]) {
				bfs(isVisited, i);
			}
		}
	}

}
OnebyWang
关注
  • 4
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【课上笔记】第八章 图
manerzi的博客
11-20 1086
【课上笔记】第八章 图
邻接表：顶点u的第一个邻接点
xiatutut的博客
07-04 1596
邻接表：顶点u的第一个邻接点 时间限制: 1S类别: DS：图->邻接表 晚于: 2022-07-31 23:55:00后提交分数乘系数50% 截止日期: 2022-08-07 23:55:00 目的：使用C++模板设计并逐步完善图的邻接表抽象数据类型（ADT）。 内容：（1）请参照图的邻接矩阵模板类原型，设计并逐步完善图的邻接表ADT。（由于该环境目前仅支持单文件的编译，故将所有内容都集中在一个源文件内。在实际的设计中，推荐将抽象类及对应的派生类分别放在单独的头文件中。...
C语言数据结构笔记(1)
qq_39863946的博客
12-18 711
第一章 1.1什么是数据结构 数据结构就是指计算机内部数据的组织形式和存储方法，主要包括：线性结构，树，图。 线性结构：由n个元素构成的有限序列。就是有限的一维数表。具体的讲线性结构包括：顺序表、链表、栈、队列等基本形式。顺序表和链表是从数据的储存形式上区分的，栈和队列是从逻辑功能上区分的。栈和队列是基于顺序表和链表的，他们由顺序表和链表构成。 树:“一对多” 图：“多对多” 1.2顺序表 顺序表...
数据结构-06 图
simple_a的博客
03-20 352
创建临界矩阵来表示图 //表示不相连 int MAX_WEIGHT = 1000; //构建用来表示图的邻接矩阵 int[][] matrix = {{0,10,MAX_WEIGHT,MAX_WEIGHT,MAX_WEIGHT,11,MAX_WEIGHT,MAX_WEIGHT,MAX_WEIGHT}, {10,0,18,MAX_WEIGHT,MAX_
图的基本术语
gengwei80的专栏
02-28 1160
1、端点和邻接点在一个无向图中，如果存在一条 边（i,j），则成为i,j为此边的两个端点，并称他们互为邻接点，在一个有向图中，如果存在一条 边（i,j），则称此边为i的一个出边，j的一个入边，i,j分别称为起始端点，终止端点2、完全图如果无向图中每两个顶点之间都有一条边，有向图中两个顶点间存在方向相反的两条边，则成为完全图。3、回路或环如果一条路径上的起始顶点和终止顶点是同一个
第13章 图形用户接口-教程与笔记习题
05-19
ARM9嵌入式系统设计基础教程 电子课件-第13章 图形用户接口
第13章 图形用户接口.zip-综合文档
05-19
第13章 图形用户接口.zip
MFC程序设计详细实例 第13章 MFC GDI与绘图
01-23
MFC程序设计详细实例 第13章 MFC GDI与绘图MFC程序设计详细实例 第13章 MFC GDI与绘图MFC程序设计详细实例 第13章 MFC GDI与绘图MFC程序设计详细实例 第13章 MFC GDI与绘图MFC程序设计详细实例 第13章 MFC GDI与绘图...
ARM9嵌入式系统设计基础教程－第13章 图形用户接口-综合文档
05-19
ARM9嵌入式系统设计基础教程－第13章 图形用户接口
ARM9嵌入式系统设计基础教程 电子课件第13章 图形用户接口-综合文档
05-19
ARM9嵌入式系统设计基础教程 电子课件第13章 图形用户接口
ARM9嵌入式系统设计基础教程 电子课件_第13章 图形用户接口-教程与笔记习题
05-14
ARM9嵌入式系统设计基础教程 电子课件_第13章 图形用户接口
第 13 章 基于霍夫曼图像压缩重建.zip
06-19
matlab实现基于霍夫曼图像压缩重建.机器学习深度学习实战图像处理
Word_2013办公从入门到精通教程第13章 图形和艺术字.zip
04-14
视频教程
Photoshop CC入门到精通视频教程第13章 图像文字的输入与编辑.zip
04-14
自学视频教程
AutoCAD 2014从入门到精通视频教程下载第13章 图块与属性.zip
04-13
AutoCAD 2014从入门到精通视频教程
图的邻接表存储结构及求各顶点的度
热门推荐
Wang.T的博客
11-22 3万+
数组与链表相结合的存储方法称为邻接表（Adjacency List） 邻接表的处理方法是： 1.图中顶点用一个一维数组存储， 2.图中 /*********************************************/ /*    邻接表存储结构      */ /*******************************************
【数据结构与算法】图——邻接表与邻接矩阵
qq_66314292的博客
05-04 1万+
邻接表与邻接矩阵
【数据结构】图的存储结构—邻接表
四季轮换叶，一路招摇胜
06-21 1万+
在图论和计算机科学中，邻接表【Adjacency List】是用来表示有限图的无序表的集合。每个列表描述图中一个顶点的邻域集。今天来和叶子一起学习邻接表吧！
数据结构与算法-图结构 | 尚硅谷韩顺平
weixin_54232666的博客
10-05 348
想弄懂数据结构与算法-图结构，这一篇就够了！包括图的介绍，图的深度遍历和广度遍历的思路和代码实现。
运用第6、7章知识和部分13章知识（卷积神经网络LeNet，深度卷积神经网络AlexNet，使用重复元素的网络VGG，网络中的网络NiN，含并行连结的网络GoogLeNet，残差网络ResNet，稠密连接DenseNet并利用图像增广和微调的技术）完成图像分类，代码实现
最新发布
06-12
非常抱歉，作为一名语言模型，我无法提供完整的代码实现。不过我可以为你提供一些参考资料，以帮助你更好地理解和实现图像分类算法。 ...这些论文中详细介绍了每个算法的网络结构和实现细节。 其次，你可以使用一些...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值