图
基本介绍
为什么要有图
前面我们学了线性表和树
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(右图
有向图
带权图
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, 如图:
图的基本创建
- 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
- 代码实现
public class Graph {
private ArrayList<String> vertexList;//存储定点集合
private int[][] edges; //存储图对应的邻接矩阵
private int numOfEdges; // 表示边的数目
public static void main(String[] args) {
//测试图的创建
int n = 5; //节点的个数
String VertexValue[] = {"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 :
VertexValue) {
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); //A-C
graph.insertEdge(1,2,1); //B-C
graph.insertEdge(1,3,1); //B-D
graph.insertEdge(1,4,1); //B-E
//显示矩阵
graph.showGraph();
}
//构造器
public Graph(int n){
//初始化矩阵 和 vertexList
edges = new int[n][n];
vertexList = new ArrayList<>();
numOfEdges = 0;
}
//图中常用的方法
//显示图对应的邻接矩阵
public void showGraph(){
for (int[] link :
edges) {
System.out.println(Arrays.toString(link));
}
}
//得到边的数目
public int getNumOfEdges(){
return numOfEdges;
}
//返回节点的个数
public int getNumOfVertex(){
return vertexList.size();
}
//返回节点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];
}
//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 “A”-"B" "A"->0 "B"->1
* @param v2 第二个顶点对应的下标
* @param weight 表示权值
*/
public void insertEdge(int v1, int v2, int weight){
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
运行结果:
[0, 1, 1, 0, 0]
[1, 0, 1, 1, 1]
[1, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
图的深度优先遍历(dfs)算法
基本介绍
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
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。
代码实现(核心)
//深度优先遍历算法(dfs)
// i 第一次就是 0
private void dfs(boolean[] isVisited, int i){
//首先我们访问该节点, 输出
System.out.print(getValueByIndex(i)+"->");
//将节点设置为已访问
isVisited[i] = true;
//查找邻接节点i的 第一个 邻接节点w
int w = getFirstNeighbor(i);
while (w != -1){// 说明 i 有邻接节点
if (!isVisited[w]) {
dfs(isVisited, w);
}else {
//如果w已经被访问过了
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[getNumOfVertex()];
//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);
}
}
}
运行结果:
深度优先遍历:
A->B->C->D->E->
图的广度优先遍历(bfs)算法
基本介绍
- 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
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。
代码实现(核心)
//对一个结点进行广度优先遍历的算法
private void bfs(boolean[] isVisited,int i){
int u; // 表示队列的头结点对应的下标
int w; // 邻接节点w
//队列, 记录节点访问的顺序
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()){
//取出队列的头结点的下标
u = (Integer)queue.removeFirst();
//得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
//注: 在这个while循环里, 我们将完成对(以A节点为例)目标节点的所有邻接节点的访问
while (w != -1){ //找到
//是否访问过
if (!isVisited[w]){
System.out.print(getValueByIndex(w)+"=>");
//标记为已访问
isVisited[w] = true;
//入队
queue.addLast(w);
}else {
//寻找u节点除了w节点以外的别的邻接节点
// (若u以 A 的下标0为例, 则第一轮循环执行这条语句之前的的w就是 1(B),执行之后就是 2(C))
w = getNextNeighbor(u,w);
}
}
}
}
//对bfs进行一个重载, 遍历我们所有的节点, 都进行bfs
public void bfs(){
isVisited = new boolean[getNumOfVertex()];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]){
bfs(isVisited,i);
}
}
}
运行结果:
广度优先遍历:
A=>B=>C=>D=>E=>
图的代码实现(汇总)
public class Graph {
private ArrayList<String> vertexList;//存储定点集合
private int[][] edges; //存储图对应的邻接矩阵
private int numOfEdges; // 表示边的数目
//定义一个数组boolean[] , 记录某个节点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
//测试图的创建
//int n = 5; //节点的个数
int n = 8;
//String VertexValue[] = {"A","B","C","D","E"};
String VertexValue[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
//创建图对象
Graph graph = new Graph(n);
//循环的添加节点
for (String vertex :
VertexValue) {
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); //A-C
// graph.insertEdge(1,2,1); //B-C
// graph.insertEdge(1,3,1); //B-D
// graph.insertEdge(1,4,1); //B-E
//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);
//显示矩阵
graph.showGraph();
//测试一下dfs 是否ok
System.out.println("深度优先遍历:");
graph.dfs();// A->B->C->D->E [1->2->4->8->5->3->6->7]
System.out.println();
System.out.println("广度优先遍历:");
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<>();
numOfEdges = 0;
}
//得到目标节点的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 j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0){
return j;
}
}
return -1;
}
//根据前一个邻接节点的下标来获取下一个邻接节点
/**
*
* @param v1 指的是一个节点的下标
* @param v2 指的是该节点的邻接节点
* @return 我们要找的 即是 该节点的邻接节点的下一个邻接节点的下标
*/
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(dfs)
// i 第一次就是 0
private void dfs(boolean[] isVisited, int i){
//首先我们访问该节点, 输出
System.out.print(getValueByIndex(i)+"->");
//将节点设置为已访问
isVisited[i] = true;
//查找邻接节点i的 第一个 邻接节点w
int w = getFirstNeighbor(i);
while (w != -1){// 说明 i 有邻接节点
if (!isVisited[w]) {
dfs(isVisited, w);
}else {
//如果w已经被访问过了
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[getNumOfVertex()];
//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);
}
}
}
//对一个结点进行广度优先遍历的算法
private void bfs(boolean[] isVisited,int i){
int u; // 表示队列的头结点对应的下标
int w; // 邻接节点w
//队列, 记录节点访问的顺序
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()){
//取出队列的头结点的下标
u = (Integer)queue.removeFirst();
//得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
//注: 在这个while循环里, 我们将完成对(以A节点为例)目标节点的所有邻接节点的访问
while (w != -1){ //找到
//是否访问过
if (!isVisited[w]){
System.out.print(getValueByIndex(w)+"=>");
//标记为已访问
isVisited[w] = true;
//入队
queue.addLast(w);
}else {
//寻找u节点除了w节点以外的别的邻接节点
// (若u以 A 的下标0为例, 则第一轮循环执行这条语句之前的的w就是 1(B),执行之后就是 2(C))
w = getNextNeighbor(u,w);
}
}
}
}
//对bfs进行一个重载, 遍历我们所有的节点, 都进行bfs
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
//显示图对应的邻接矩阵
public void showGraph(){
for (int[] link :
edges) {
System.out.println(Arrays.toString(link));
}
}
//得到边的数目
public int getNumOfEdges(){
return numOfEdges;
}
//返回节点的个数
public int getNumOfVertex(){
return vertexList.size();
}
//返回节点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];
}
//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 “A”-"B" "A"->0 "B"->1
* @param v2 第二个顶点对应的下标
* @param weight 表示权值
*/
public void insertEdge(int v1, int v2, int weight){
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
运行结果:
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 0, 1, 1, 0, 0, 0]
[1, 0, 0, 0, 0, 1, 1, 0]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0, 1, 0]
[0, 0, 1, 0, 0, 1, 0, 0]
[0, 0, 0, 1, 1, 0, 0, 0]
深度优先遍历:
1->2->4->8->5->3->6->7->
广度优先遍历:
1=>2=>3=>4=>5=>6=>7=>8=>