图的深度优先遍历(DFS)—java实现
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)
(1)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。
(2)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。
(3)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。
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.若w已经访问查找结点v的w邻接结点的下一个邻接结点,转到步骤3。
图解
我们假设定义图如下所示,其中添加结点时的顺序为:{A,B,C,D,E}
则:
故最后的DFS遍历结果为:A==>B==>C==>D==>E
代码实现
package com.bingym.temp01.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
public class Graph {
//图的实现:利用邻接矩阵的形式实现
//注意:此处实现的是无向图
//定义图的内部属性
private List<String> vertexList;//用于存储顶点的集合
private int[][] edges;//用来保存图对应的邻接矩阵
private int edgeOfNums;//显示边的个数
//定义boolean数组:记录某个结点是否已经被访问,数组大小和结点个数大小相同
private boolean[] isVisited;
public static void main(String[] args) {
//定义图的所有顶点
String[] vertexs = {"A","B","C","D","E"};
//创建图
Graph graph = new Graph(vertexs.length);
//添加顶点到图中
for (String vertex : vertexs) {
graph.addVertex(vertex);
}
//添加边到图中
//A-B A-C B-C B-D B-E
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);
//显示图的邻接矩阵信息
graph.showGraph();
//进行图的深度优先遍历A==>B==>C==>D==>E
graph.DFS();
}
//定义图的构造器
public Graph(int n) {//n表示定义的图的顶点的个数
//初始化邻接矩阵和顶点集合
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
}
//===========深度优先遍历的方法===========
//1.根据当前结点的下标获取其第一个邻接结点的下标
//若存在,返回其下标;若不存在,则返回-1
public int getFirstNeighbor(int index) {
//遍历顶点集合
for (int i = 0; i < vertexList.size(); i++) {
if (edges[index][i] == 1) {
return i;
}
}
//若没有邻接的结点,则返回-1
return -1;
}
//2.根据当前结点的前一个邻接结点的下标获取下一个邻接结点的下标
//同上:若存在,返回其下标;若不存在,则返回-1
public int getNextNeighbor(int v1,int v2) {
for (int i = v2 +1;i < vertexList.size();i++) {
if (edges[v1][i] == 1) {
return i;
}
}
//若没有下一个邻接的结点,则返回-1
return -1;
}
//3.深度优先算法DFS
private void DFS(boolean[] isVisited,int i) {
//i表示访问的当前结点的下标
//1.访问该结点,输出
System.out.print(getVertexByIndex(i) + "==>");
//2.将该结点设置为已经访问
isVisited[i] = true;
//3.查找结点i的第一个邻接的结点w
int w = getFirstNeighbor(i);
//4.判断w是否存在
while (w != -1) {
//表示w(第一个邻接的结点存在)
//5.判断w是否已经被访问
if (!isVisited[w]) {
//6.1如果没有被访问,则对w进行深度优先遍历递归
DFS(isVisited,w);
}
//6.2如果w已经被访问过了
//查找v的w的邻接结点的下一个邻接结点
//同时回到4:判断其是否存在
w = getNextNeighbor(i,w);
}
}
//上面的DFS没有考虑W不存在,返回到结点i的下一个结点继续进行DFS
//我们利用一个DFS方法的重载来完成DFS的回溯
public void DFS() {
isVisited = new boolean[vertexList.size()];//初始化isVisited的size
for (int i = 0; i < getVertexNum(); i++) {
if (!isVisited[i]) {
DFS(isVisited,i);
}
}
}
//===========深度优先遍历的方法(为上)===========
//插入结点(顶点的方法)
public void addVertex(String vertex) {
vertexList.add(vertex);
}
//添加边:传入参数
/**
*
* @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
* @param weight 表示是否连接0/1
*/
public void insertEdge(int v1,int v2,int weight) {
//由于图为无向图,故将两个顶点的正序和反序都设置为weight
edges[v1][v2] = weight;
edges[v2][v1] = weight;
edgeOfNums++;//每增加一条边,将边的条数加1
}
//图的常用API
//1.获取两个顶点的权值weight
public int getWeight(int v1,int v2) {
return edges[v1][v2];
}
//2.获取图的边的长度
public int getEdgeOfNums(){
return edgeOfNums;
}
//3.返回结点i(下标)对应的数据 0->"A" 1->"B" 2->"C"
public String getVertexByIndex(int index) {
return vertexList.get(index);
}
//4.图的邻接矩阵的显示方法
public void showGraph() {
for (int[] edge : edges) {
System.out.println(Arrays.toString(edge));
}
}
//5.获取顶点的个数
public int getVertexNum() {
return vertexList.size();
}
}
输出结果:
图的邻接矩阵:
[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]
图的深度优先遍历:
A==>B==>C==>D==>E==>