图的深度优先与广度优先

当我们需要表示多对多的关系时， 这里我们就用到了图。

一、图的概念

1. 顶点(vertex)

2. 边(edge)

3. 路径

4. 无向图
   

5. 有向图
   

6. 带权图
   

二、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）。

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。

2.邻接表

1. 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.
2. 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
   

三、使用邻接矩阵构建图

思路分析：

1. 使用一个数组来存储节点
2. 使用二维数组来表示节点与节点的边（0表示不能字节连接，1表示可以直接连接）

四、遍历

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

1.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。
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已经被访问,查找结点 v 的w邻接结点的下一个邻接结点，转到步骤 3。

2.广度优先遍历（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
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. 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。

完整代码

public class Graph {
    private ArrayList<String> vertexList;// 存储顶点集合
    private int[][] edges;//存储图相应的邻接矩阵
    private int numOfEdges;//表示边的数目
    private boolean[] isVisited;

    public Graph(int n) {
        this.vertexList = new ArrayList<>(n);
        this.edges = new int[n][n];
        this.numOfEdges = 0;
        this.isVisited = new boolean[n];
    }

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

    /**
     * @Description: insertEdge 添加边
     * @param: [v1, v2: v1和v2表示两个顶点之间的边, weight：代表权重]
     * @return: void
     * @auther: zqq
     * @date: 20/7/7 13:35
     */
    public void insertEdge(int v1, int v2, int weight){
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges++;
    }

    // 顶点的数目
    public int getNumOfVertex(){
        return vertexList.size();
    }

    //边的数据
    public int getNumOfEdges(){
        return numOfEdges;
    }

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

    // 返回第i个节点的权值
    public String getValueByIndex(int i){
        return vertexList.get(i);
    }

    public void showGraph(){
        // System.out.println(Arrays.deepToString(edges));
        for (int[] edge : edges) {
            System.out.println(Arrays.toString(edge));
        }
    }

    /**
     * @Description: getFirstNeighbor 返回第一个邻接点
     * @param: [index]
     * @return: int
     * @auther: zqq
     * @date: 20/7/7 14:01
     */
    public int getFirstNeighbor(int index){
        for (int i = 0; i < vertexList.size(); i++) {
            if (edges[index][i] > 0){
                return i;
            }
        }
        return -1;
    }

    /**
     * @Description: getNextNeighbor 根据前一个邻接点的下标查找i下一个邻接点
     * @param: [v1, v2]
     * @return: int
     * @auther: zqq
     * @date: 20/7/7 14:04
     */
    public int getNextNeighbor(int v1, int v2){
        for (int i = v2+1; i < vertexList.size(); i++) {
            if (edges[v1][i] > 0){
                return i;
            }
        }
        return -1;
    }

    /**
     * @Description: dfs 深度优先遍历
     * @param: [isVisited, i]
     * @return: void
     * @auther: zqq
     * @date: 20/7/7 14:24
     */
    public void dfs(boolean[] isVisited, int i){
        // 输出节点
        System.out.print( "=> " + vertexList.get(i));
        // 将该节点表示为已访问
        isVisited[i] = true;
        // 查找i的第一个邻接点
        int w = getFirstNeighbor(i);
        while (w != -1){ // 邻接点存在
            if (!isVisited[w]){
                dfs(isVisited, w);
            }
            // 下一个邻接点
            w = getNextNeighbor(i ,w);
        }
    }

    /**
     * @Description: dfs 遍历所有节点，避免不连通图
     * @param: []
     * @return: void
     * @auther: zqq
     * @date: 20/7/7 14:24
     */
    public void dfs(){
        for (int i = 0; i < getNumOfVertex(); i++) {
            if (!isVisited[i]){
                dfs(isVisited, i);
            }
        }
    }

    /**
     * @Description: bfs 广度优先遍历
     * @param: [isVisited, i]
     * @return: void
     * @auther: zqq
     * @date: 20/7/7 14:47
     */
    public void bfs(boolean[] isVisited, int i){
        int u; // 表示队列头节点对应的下标
        int w; // 邻接点的下标
        LinkedList<Integer> queue = new LinkedList<>();//记录访问节点的顺序
        // 输出节点
        System.out.print( "=> " + vertexList.get(i));
        // 将该节点表示为已访问
        isVisited[i] = true;
        queue.addLast(i);

        while (!queue.isEmpty()){
            // 取出队列头节点的下标
            u = queue.removeFirst();
            // 得到第一个邻接点下标
            w = getFirstNeighbor(u);
            while (w != -1){
                if (!isVisited[w]){
                    // 输出节点
                    System.out.print( "=> " + vertexList.get(w));
                    // 标记已经访问
                    isVisited[w] = true;
                    // 入队列
                    queue.addLast(w);
                }
                w = getNextNeighbor(u, w);
            }
        }
    }

    public void bfs(){
        for (int i = 0; i < getNumOfVertex(); i++) {
            if (!isVisited[i]){
                bfs(isVisited, i);
            }
        }
    }

    public static void main(String[] args) {
        String[] vertexs = {"A","B","C","D","E"};
        Graph graph = new Graph(vertexs.length);
        // 循环添加顶点
        for (String vertex : vertexs) {
            graph.insertVertex(vertex);
        }

        // 添加边  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);

        System.out.println("邻接矩阵：");
        graph.showGraph();

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

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