本文完整代码下载
一、基本介绍
1.为什么要有图
- 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
2.基本术语
- 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(edge)。
- 结点也可以称为顶点(vertex)。
- 路径:如下图,从A →B→C 就是一条路径
- 无向图:如下图,没有每个顶点之间没有指向的图
- 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)。
3.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。
4.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
二、创建图(graph)
将下图用邻接矩阵保存
思路分析
- 存储顶点。
- 保存矩阵。
代码实现
class Graph {
/**存储顶点集合*/
private ArrayList<String> vertexList;
/**存储图对应的邻接矩阵*/
private int[][] edges;
/**总边数*/
private int numOfEdges;
/**某个结点是否被访问过*/
private boolean[] isVisited;
/**
* 构造器,进行初始化
*/
public Graph(int vertexSize) {
edges = new int[vertexSize][vertexSize];
vertexList = new ArrayList<>(vertexSize);
isVisited = new boolean[vertexSize];
}
/**
* 添加顶点/结点
*/
public void insertVertex(String vertex){
vertexList.add(vertex);
}
/**
* 添加边
* @param v1 第一个顶点的下标
* @param v2 第二个顶点的下标
* @param weight 权值
*/
public void insertEdge(int v1,int v2,int weight){
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
/**
* 显示图的对应矩阵
*/
public void showGraph(){
for (int[] link : edges){
System.out.println(Arrays.toString(link));
}
}
}
运行效果
三、深度优先遍历
介绍
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。
- 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。
- 深度优先搜索是一个递归的过程
遍历步骤
- 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
所需调用基础方法
class Graph {
/**
* 得到第一个临接结点的下标
*
* @param index 第几个结点
* @return 存在则返回下标,否则返回-1
*/
private 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从下一个邻接结点
* @param v1 要查找的结点的下标
* @param v2 开始的下标
* @return 存在则返回下标,否则返回-1
*/
private int getNextNeighbor(int v1, int v2){
for(int j = v2 + 1; j < vertexList.size(); j ++){
if(edges[v1][j] > 0){
return j;
}
}
return -1;
}
/**
* 返回结点个数
* @return 结点个数
*/
private int getNumOfVertex(){
return vertexList.size();
}
/**
* 边的数量
* @return 边的数量
*/
private int getNumOfEdges(){
return numOfEdges;
}
/**
* 获取结点i(下标)的值
* @param i
* @return
*/
private String getValueByIndex(int i){
return vertexList.get(i);
}
/**
* 返回v1 和 v2 的权值
* @param v1
* @param v2
* @return
*/
private int getWeight(int v1,int v2){
return edges[v1][v2];
}
}
深度优先遍历算法代码
class Graph {
/**
* 深度优先遍历算法
* @param i
*/
private void depthFirstSearch(int i){
//输出当前结点
System.out.print(getValueByIndex(i)+" -> ");
//将结点设置为已访问
isVisited[i] = true;
//查找结点i 的第一个邻接结点 w
int w = getFirstNeighbor(i);
while (w != -1){
if(!isVisited[w]){
depthFirstSearch(w);
}
w = getNextNeighbor(i,w);
}
}
/**
* 暴露出方法深度优先遍历算法
*/
public void depthFirstSearch(){
clearIsVisited();
//遍历所有节点
for (int i = 0; i < getNumOfVertex(); i++) {
if(!isVisited[i]){
depthFirstSearch(i);
}
}
System.out.println();
}
}
四、广度优先遍历
介绍
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
遍历步骤
- 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
class Graph {
/**
* 广度优先算法
* @param i
*/
private void breadthFirstSearch(int i){
//队列头结点的下标
int headIndex;
//邻接节点
int neighborIndex;
//记录节点访问的顺序
LinkedList queue = new LinkedList();
//输出结点信息
System.out.print(getValueByIndex(i) + " -> ");
//标记已访问
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
headIndex = (Integer)queue.removeFirst();
//得到第一个邻接结点的下标
neighborIndex = getFirstNeighbor(headIndex);
//不断进入下一层
while (neighborIndex != -1){
//判断是否访问过
if(!isVisited[neighborIndex]){
System.out.print(getValueByIndex(neighborIndex) + " -> " );
//标记已访问
isVisited[neighborIndex] = true;
//将结点加入队列
queue.addLast(neighborIndex);
}
neighborIndex = getNextNeighbor(headIndex,neighborIndex);
}
}
}
/**
* 暴露出方法广度优先遍历算法
*/
public void breadthFirstSearch(){
clearIsVisited();
for (int i = 0;i < getNumOfVertex();i++){
if(!isVisited[i]){
breadthFirstSearch(i);
}
}
System.out.println();
}
}
运行效果
本文完整代码下载