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
-
顶点(vertex)
-
边(edge)
-
路径
-
无向图
-
有向图
-
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
- 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
三、使用邻接矩阵构建图
思路分析:
- 使用一个数组来存储节点
- 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:
- 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)。
- 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:
- 访问初始结点 v 并标记结点 v 为已访问。
- 结点 v 入队列
- 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。
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();
}
}