数据结构和算法之图的DFS、BFS

图遍历介绍

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

深度优先遍历基本思想

图的深度优先搜索(Depth First Search) 。
1）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。
2）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。
3）显然，深度优先搜索是一个递归的过程。

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。

广度优先遍历基本思想

图的广度优先搜索(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

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。

以当前图为例进行深度，广度优先遍历，图的存储方法为矩阵存储：

代码实现：

package com.atguigu.graph;

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

public class Graph {

	private ArrayList<String> vertexList; // 存储顶点集合
	private int[][] edges; // 存储图对应的邻结矩阵
	private int numOfEdges; // 表示边的数目
	// 定义给数组boolean[], 记录某个节点是否被访问
	private boolean[] isVisited;

	public static void main(String[] args) {
		// 测试一把
		int n = 5;
		String[] vertexs = new String[] { "A", "B", "C", "D", "E" };

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环的添加节点
		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); // A-B
		graph.insertEdge(0, 2, 1); //
		graph.insertEdge(1, 2, 1); //
		graph.insertEdge(1, 3, 1); //
		graph.insertEdge(1, 4, 1); //

		// 显示邻结矩阵
		graph.showGraph();

		System.out.println("深度遍历：");
		graph.dfs();

		System.out.println();

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

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;
	}

	// 得到第一个邻接点的下标 w
	/**
	 *
	 * @param index
	 *            当前节点的下标
	 * @return 如果存入在就返回对应的下标，否则返回-1
	 */
	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 第一次就是0
	private void dfs(boolean[] isVisited, int i) {
		// 首先将我们访问的节点输出
		System.out.print(vertexList.get(i) + "->");
		// 将节点设置为已经访问
		isVisited[i] = true;
		// 查找节点i的第一个邻接点w
		int w = getFirstNeighbor(i);
		while (w != -1) {
			// 说明找到了
			if (!isVisited[w]) {
				dfs(isVisited, w);
			}
			// 如果w被访问过
			w = getNextNeighbor(i, w);
		}
	}

	// 对dfs进行一个重载，遍历我们所有的节点，并进行dfs
	public void dfs() {
		isVisited = new boolean[vertexList.size()];
		// 遍历所有的节点，进行dfs[回溯]
		for (int i = 0; i < getNumOfvertex(); i++) {
			if (!isVisited[i]) {
				dfs(isVisited, i);
			}
		}
	}

	// 广度优先遍历
	// i从0开始
	public void bfs(boolean[] isVisited, int i) {
		int u; // 表示队列的首元素的下标
		int w; // 表示邻接点w
		// 队列，记录节点访问顺序
		LinkedList queue = new LinkedList();
		// 访问节点，输出节点信息
		System.out.print(getValueByIndex(i) + "=>");
		// 标记为已访问
		isVisited[i] = true;
		// 将节点加入队列
		queue.addLast(i);
		while (!queue.isEmpty()) {
			// 取出队列的头部节点下标
			u = (Integer) queue.removeFirst();
			// 得到第一个邻接点的下标w
			w = getFirstNeighbor(u);
			while (w != -1) {
				if (!isVisited[w]) {
					System.out.print(getValueByIndex(w) + "=>");
					// 标记已访问
					isVisited[w] = true;
					// 入队
					queue.addLast(w);
				}
				// 以u为前驱点，找w后面的下一个邻接点
				w = getNextNeighbor(u, w);
			}
		}
	}

	// 重载bfs，考虑到非连通无向图
	public void bfs() {
		isVisited = new boolean[getNumOfvertex()];
		for (int i = 0; i < getNumOfvertex(); i++) {
			if (!isVisited[i]) {
				bfs(isVisited, i);
			}
		}
	}

	// 图中常用的方法
	// 返回节点的个数
	public int getNumOfvertex() {
		return vertexList.size();
	}

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

	// 得到边的数目
	public int getNumOfEdges() {
		return numOfEdges;
	}

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

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

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

	// 添加边
	/**
	 * 
	 * @param v1
	 *            表示点的下标即是第几个顶点
	 * @param v2
	 *            第二个顶点对应的下标
	 * @param weight
	 *            这两个节点边的权值
	 */
	public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}
}

结果截图