一:为什么要有图
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。如图:
二:图的常用概念
- 顶点(vertex)
- 边(edge)
- 路径
- 无向图(右图)
- 有向图
- 带权图
三: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)
3.1: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。
3.2: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
举例说明
四:图的遍历方式
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
4.1: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
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) 查找结点 v 的 w 邻接结点的下一个邻接结点,转到步骤 3。
分析图
4.2:图的广度优先遍历
- 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。
广度优先算法的图示
五:代码实现如下:
package com.github.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
/**
* @author lizhangyu
* @version 1.0
* @description
* @date 2021/3/25 10:31
*/
public class Graph {
/**
* 存储顶点集合
*/
private ArrayList<String> vertexList;
/**
* 存储图对应的邻结矩阵
*/
private int[][] edges;
/**
* 表示边的数目
*/
private int numOfEdges;
/**
* 定义给数组boolean[],记录某个节点是否被访问
*/
private boolean[] isVisited;
public static void main(String[] args) {
int n = 8;
String vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
//创建图对象
Graph graph = new Graph(n);
//添加节点
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);
//显示一把临结矩阵
graph.showGraph();
System.out.println("深度遍历");
graph.dfs();
System.out.println();
System.out.println("广度优先");
graph.bfs();
}
public Graph(int n) {
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
}
/**
* 返回节点个数
* @return
*/
public int getNumOfVertex() {
return vertexList.size();
}
/**
* 显示图对应的矩阵
*/
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
/**
* 得到边的数目
* @return
*/
public int getNumOfEdges() {
return numOfEdges;
}
/**
* 返回节点i(下标)对应的数据
* @param i
* @return
*/
public String getValueByIndex(int i) {
return vertexList.get(i);
}
/**
* 返回v1和v2的权值
* @param v1
* @param v2
* @return
*/
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
/**
* 插入节点
* @param vertex
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
* @param v1 表示点的下标即使第几个顶点
* @param v2 第二个顶点对应的下标
* @param weight 表示权重
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
/**
* 得到第一个邻接结点的下标
* @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
* @param v1
* @param v2
* @return
*/
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·优先算法遍历
* i第一次就是0
* @param isVisited
* @param i
*/
public void dfs(boolean[] isVisited, int i) {
//首先我们访问该节点,输出
System.out.print(getValueByIndex(i) + "->");
//将节点设置为已经访问
isVisited[i] = true;
//查找节点i
int w = getFirstNeighbor(i);
while (w != -1) {
if (!isVisited[w]) {
dfs(isVisited, w);
}
//如果w节点已经被访问过
w = getNextNeighbor(i, w);
}
}
/**
* 对dfs进行一个重载,遍历我们所有的节点,并进行dfs
*/
public void dfs() {
isVisited = new boolean[vertexList.size()];
//遍历所有的节点,进行dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
/**
* 对一个节点进行广度优先算法
* @param isVisited
* @param i
*/
private void bfs(boolean[] isVisited, int i) {
//表示队列的头节点对应下标
int u;
//邻接节点w
int w;
//队列,记录节点访问的顺序
LinkedList queue = new LinkedList();
//访问节点,输出节点信息
System.out.print(getValueByIndex(i) + "=>");
//标记为已访问
isVisited[i] = true;
//将节点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {
//取出队列的头节点下标
u = (Integer) queue.removeFirst();
//得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
while (w != -1) {
//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,体现出我们的广度优先
w = getNextNeighbor(u, w);
}
}
}
/**
* 遍历所有的节点,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);
}
}
}
}
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=>