Java尚硅谷数据结构与算法学习记录(15)-图

图

需要表示多对多的关系时会用到图这种数据结构，图中结点可以具有零个或多个相邻元素。
无向图：顶点之间的连接没有方向
有向图：顶点之间的连接带有方向
带权图（网）：边带权值

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

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（DFS）：（纵向）
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。

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。

广度优先遍历（BFS）：（横向）
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。

代码实现：快速创建一个用矩阵表示的图 并进行深度优先和广度优先遍历。

package com.datastructures.graph;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;

public class Graph {
    public static void main(String[] args) {
        int n = 5;//顶点个数
        String Vertexs[] = {"A", "B", "C", "D", "E"};
        Graph graph = new Graph(n);
        //添加节点
        for (String vertex : Vertexs) {
            graph.insertVertex(vertex);
        }
        //添加边
        graph.insertEdges(0, 1, 1);
        graph.insertEdges(0, 2, 1);
        graph.insertEdges(1, 2, 1);
        graph.insertEdges(1, 3, 1);
        graph.insertEdges(1, 4, 1);

        graph.showGraph();

//        System.out.println("深度优先遍历：");
//        graph.dfs();
        System.out.println("广度优先遍历：");
        graph.bfs();


    }

    private int numOfEdges;//表示边的数目
    private int[][] edges;//存储图对应的邻接矩阵
    private ArrayList<String> vertexList;//存储图的顶点信息
    private boolean[] isVisited;//记录某个节点是否被访问

    public Graph(int n) {//n:顶点个数
        //初始化
        numOfEdges = 0;
        edges = new int[n][n];
        vertexList = new ArrayList<String>(n);
        isVisited = new boolean[5];
    }
    //得到第一个邻接节点的下标w

    /**
     * @param index
     * @return 如果存在邻接节点则返回该节点下标
     */
    public int getFirstNeighbor(int index) {
        for (int j = 0; j < vertexList.size(); j++) {
            if (edges[index][j] > 0) {
                return j;
            }
        }
        return -1;
    }

    //根据前一个邻接节点的下标来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
    //i 初始为0
    public void dfs(boolean[] isVisited, int i) {
        //访问当前节点并输出
        System.out.print(getValueByIndex(i) + "->");
        isVisited[i] = true;
        //查找当前节点的第一个邻接节点
        int w = getFirstNeighbor(i);
        while (w != -1) {
            if (!isVisited[w]) {
                dfs(isVisited, w);
            }
            w = getNextNeighbor(i, w);
        }

    }

    //对dfs()重载  遍历我们所有的节点并进行dfs
    public void dfs() {
        for (int i = 0; i < getNumOfVertex(); i++) {
            if (!isVisited[i]) {
                dfs(isVisited, i);
            }
        }
    }

    //广度优先遍历
    public void bfs(boolean[] isVisited, int i) {
        int u;//表示队列的头节点对应下标
        int w;//邻接节点w
        LinkedList queue = new LinkedList();//用队列来记录节点访问顺序
        //访问节点并输出节点信息
        System.out.print(getValueByIndex(i) + "->");
        //标记已访问
        isVisited[i] = true;
        //将当前节点加入队列
        queue.addLast(i);//队尾加入
        while (!queue.isEmpty()) {
            //取出队列头节点的下标
            u = (Integer) queue.removeFirst();
            //得到u的第一个邻接节点的下标
            w =getFirstNeighbor(u);
            while(w!=-1){
                if (!isVisited[w]){//找到了第一个邻接节点并且它未被访问
                    System.out.print(getValueByIndex(w) + "->");
                    //标记已访问
                    isVisited[w] = true;
                    //将当前节点加入队列
                    queue.addLast(w);//队尾加入
                }
                //如果已经被访问过 则退回去：以u为前驱找w后面的u的下一个邻接节点
                w=getNextNeighbor(u,w);

            }
        }

    }
    //遍历所有节点进行bfs
    public void bfs(){
        for (int i = 0; i <getNumOfVertex() ; i++) {
            if (!isVisited[i]){
                bfs(isVisited,i);
            }
        }
    }

    //返回节点的个数
    public int getNumOfVertex() {
        return vertexList.size();
    }

    //返回边的个数
    public int getNumOfEdges() {
        return numOfEdges;
    }

    //获得节点i（下标）对应的数据
    public String getValueByIndex(int i) {
        return vertexList.get(i);
    }

    //返回边的权值
    public int getWeight(int v1, int v2) {
        return edges[v1][v2];
    }

    //输出图对应的矩阵
    public void showGraph() {
        for (int[] link : edges) {
            System.out.println(Arrays.toString(link));
        }
    }

    //插入节点
    public void insertVertex(String vertex) {
        vertexList.add(vertex);
    }

    //添加边
    public void insertEdges(int v1, int v2, int weight) {
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;//因为是无向图
        numOfEdges++;
    }
}