图的深度优先搜索（Depth First Search）算法实现

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

算法

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。
6. 分析图

代码实现

package com.edu.graph;

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

/**
 * @Date 2020/6/3 17:27
 * @Author by hp
 * @Description 图
 */
public class Graph {
    /**
     * 存储顶点集合
     */
    private ArrayList<String> vertexList;
    /**
     * 存储图对应的邻接矩阵
     */
    private int[][] edges;
    /**
     * 表示边的数目
     */
    private int numOfEdges;
    /**
     * 记录某个节点是否被访问
     */
    private boolean[] isVisited;

    public Graph(int n) {
        edges = new int[n][n];
        vertexList = new ArrayList<String>(n);
        numOfEdges = 0;

    }


    /**
     * 深度优先算法
     *
     * @param isVisited 节点数组是否被访问
     * @param i         节点
     */
    private void dfs(boolean[] isVisited, int i) {
        //输出访问的第一个节点
        System.out.print(getValueByIndex(i) + "->");
        //将节点设置成已访问
        isVisited[i] = true;
        //查找节点i的第一个邻接节点
        int w = getFirstNeighbor(i);
        //如果节点存在进行循环
        while (w != -1) {
            //节点没有被访问
            if (!isVisited[w]) {
                dfs(isVisited, w);
            }
            //节点已经被访问
            w = getNextNeighbor(i, w);
        }
    }

    /**
     * 对dfs进行重载，遍历我们所有的节点，进行dfs
     */
    public void dfs() {
        isVisited = new boolean[vertexList.size()];
        for (int i = 0; i < getNumOfVertex(); i++) {
            if (!isVisited[i]) {
                dfs(isVisited, i);
            }
        }
    }

  


    /**
     * 得到第一个邻接节点的下标
     *
     * @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 i = 0; i < vertexList.size(); i++) {
            if (edges[index][i] > 0) {
                return i;
            }
        }
        return -1;
    }

    /**
     * 根据前一个邻接节点的下标获取下一个邻接节点
     *
     * @param v1 节点v1
     * @param v2 节点 v2
     * @return 下一个邻接节点
     */
    public int getNextNeighbor(int v1, int v2) {
        //v2下标从0开始，所以要 +1
        for (int i = v2 + 1; i < vertexList.size(); i++) {
            if (edges[v1][i] > 0) {
                return i;
            }
        }
        return -1;
    }

    /**
     * @return 边的数目
     */
    public int getNumOfEdges() {
        return numOfEdges;
    }

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

    /**
     * 显示图对应的矩阵
     */
    public void showGraph() {
        for (int[] link : edges) {
            System.err.println(Arrays.toString(link));
        }
    }

    /**
     * 返回节点i(下标）对应的数据 0->"A" 1->"B" 2->"C"
     *
     * @param i i(下标）
     * @return 对应的数据
     */
    public String getValueByIndex(int i) {
        return vertexList.get(i);
    }

    /**
     * @param v1 节点v1的下标
     * @param v2 节点v2的下标
     * @return 返回v1和v2的权值
     */
    public int getWeight(int v1, int v2) {
        return edges[v1][v2];
    }

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

    /**
     * 添加边
     *
     * @param v1     v1 表示点的下标即使第几个顶点  "A"-"B" "A"->0 "B"->1
     * @param v2     第二个顶点对应的下标
     * @param weight 权重
     */
    public void insertEdge(int v1, int v2, int weight) {
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges++;
    }

}