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:
- 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。
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:
- 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: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++;
}
}