图-----Java版
一、图基本介绍
为什么要有图
- 线性表和树
- 线性表局限于一个直接前驱和一个直接后继的关系
- 树也只能有一个直接前驱也就是父节点
- 当我们需要表示多对多的关系时， 这里我们就用到了图。
图的举例说明
图是一种数据结构，其中结点可以具有零个或多个相邻元素。两个结点之间的连接称为边。 结点也可以称为顶点。如图：
图的常用概念
- 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）。
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。
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
- 举例说明
三、图的入门
-
要求: 代码实现如下图结构.
-
思路分析
(1) 存储顶点 String 使用 ArrayList
(2) 保存矩阵 int[][]edges
//插入结点
public void insertVertex(String vertex){
vertexList.add(vertex);
}
/**
*
* @param 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 表示
*/
//添加边
public void insertEdge(int v1,int v2,int weight){
edges[v1][v2]=weight;
edges[v2][v1]=weight;
numOfEdges++;
}
四、图的深度优先遍历
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(DepthFirstSearch) 。
- 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
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。
- 分析图
深度优先算法的代码实现 ：
//深度优先遍历算法
// i 第一次就是 0
private void dfs(boolean[] isVisited,int i){
//首先我们访问该结点,输出
System.out.print(getValueByIndex(i)+"->");
//将结点设置为已经访问
isVisited[i]=true;
//查找结点 i 的第一个邻接结点 w
int w=getFirstNeighbor(i);
while (w!=-1){
//说明有
if (!isVisited[w]){
dfs(isVisited,w);
}
//如果 w 结点已经被访问过
w=getNextNeighbor(i,w);
}
}
//对 dfs 进行一个重载, 遍历我们所有的结点，并进行 dfs
public void dfs(){
isVisited=new boolean[vertexList.size()];
//遍历所有的结点，进行 dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]){
dfs(isVisited,i);
}
}
}
五、图的广度优先遍历
广度优先遍历基本思想
- 图的广度优先搜索(BroadFirst 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
- 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。
广度优先算法的图示
//对一个结点进行广度优先遍历的方法
private void bfs(boolean [] isVisited,int i){
// 表示队列的头结点对应下标
int u;
// 邻接结点 w
int w;
//队列，记录结点访问的顺序
LinkedList queue = new LinkedList<>();
//访问结点，输出结点信息
System.out.print(getValueByIndex(i)+"->");
//标记为已访问
isVisited[i]=true;
//将结点加入队列
queue.addLast(i);
while (!queue.isEmpty()){
//取出队列的头结点下标
u=(Integer)queue.removeFirst();
//得到第一个邻接结点的下标 w
w=getFirstNeighbor(u);
while (w!=-1){
//找到
//是否访问过
if (!isVisited[w]){
System.out.print(getValueByIndex(w)+"->");
//标记已经访问
isVisited[w]=true;
//入队
queue.addLast(w);
}
//以 u 为前驱点，找 w 后面的下一个邻结点
//体现出我们的广度优先
w=getNextNeighbor(u,w);
}
}
}
//遍历所有的结点，都进行广度优先搜索
public void bfs(){
isVisited=new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]){
bfs(isVisited,i);
}
}
}
全部实现：
public class Graph {
//存储顶点集合
private ArrayList<String> vertexList;
//存储图对应的邻结矩阵
private int [][] edges;
//表示边的数目
private int numOfEdges;
//定义给数组 boolean[], 记录某个结点是否被访问
private boolean [] isVisited;
public static void main(String[] args) {
//测试一把图是否创建 ok
int n=8; //结点的个数
//StringVertexs[]={"A","B","C","D","E"};
String Vertexs[]={"1","2","3","4","5","6","7","8"};
//创建图对象
Graph graph = new Graph(n);
//循环的添加顶点
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); // A-B
graph.insertEdge(0, 2, 1); //
graph.insertEdge(1, 2, 1); //
graph.insertEdge(1, 3, 1); //
graph.insertEdge(1, 4, 1); //*/
//更新边的关系
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);
//显示一把邻结矩阵
graph.showGraph();
//测试一把，我们的dfs遍历是否ok
System.out.println("深度遍历");
graph.dfs(); // A->B->C->D->E [1->2->4->8->5->3->6->7]
System.out.println();
System.out.println("广度优先!");
graph.bfs(); // A->B->C->D-E [1->2->3->4->5->6->7->8]
}
//构造器
public Graph(int n) {
//初始化矩阵和 vertexList
edges=new int[n][n];
vertexList=new ArrayList<>(n);
numOfEdges=0;
}
//插入结点
public void insertVertex(String vertex){
vertexList.add(vertex);
}
//得到第一个邻接结点的下标 w
/**
*
* @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 j = 0; j < vertexList.size(); j++) {
if (edges[index][j]>0){
return j;
}
}
return -1;
}
//根据前一个邻接结点的下标来获取下一个邻接结点
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){
//首先我们访问该结点,输出
System.out.print(getValueByIndex(i)+"->");
//将结点设置为已经访问
isVisited[i]=true;
//查找结点 i 的第一个邻接结点 w
int w=getFirstNeighbor(i);
while (w!=-1){
//说明有
if (!isVisited[w]){
dfs(isVisited,w);
}
//如果 w 结点已经被访问过
w=getNextNeighbor(i,w);
}
}
//对 dfs 进行一个重载, 遍历我们所有的结点，并进行 dfs
public void dfs(){
isVisited=new boolean[vertexList.size()];
//遍历所有的结点，进行 dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]){
dfs(isVisited,i);
}
}
}
//对一个结点进行广度优先遍历的方法
private void bfs(boolean [] isVisited,int i){
// 表示队列的头结点对应下标
int u;
// 邻接结点 w
int w;
//队列，记录结点访问的顺序
LinkedList queue = new LinkedList<>();
//访问结点，输出结点信息
System.out.print(getValueByIndex(i)+"->");
//标记为已访问
isVisited[i]=true;
//将结点加入队列
queue.addLast(i);
while (!queue.isEmpty()){
//取出队列的头结点下标
u=(Integer)queue.removeFirst();
//得到第一个邻接结点的下标 w
w=getFirstNeighbor(u);
while (w!=-1){
//找到
//是否访问过
if (!isVisited[w]){
System.out.print(getValueByIndex(w)+"->");
//标记已经访问
isVisited[w]=true;
//入队
queue.addLast(w);
}
//以 u 为前驱点，找 w 后面的下一个邻结点
//体现出我们的广度优先
w=getNextNeighbor(u,w);
}
}
}
//遍历所有的结点，都进行广度优先搜索
public void bfs(){
isVisited=new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]){
bfs(isVisited,i);
}
}
}
//图中常用的方法
//返回结点的个数
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;
}
//返回结点 i(下标)对应的数据 0->"A"1->"B"2->"C"
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];
}
//添加边
/**
*
* @param 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 表示
*/
public void insertEdge(int v1,int v2,int weight){
edges[v1][v2]=weight;
edges[v2][v1]=weight;
numOfEdges++;
}
}
六、图的深度优先 VS 广度优先
扫一扫
659
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
