1.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:
2.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
(1)深度优先遍历基本思想
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
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。
(2) 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
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。
3.代码展示
public class Graph {
private List<String> vertexList;
private int[][] edges;
private int numOfEdges;
private boolean[] isVisited;
public static void main(String[] args) {
Graph graph = new Graph(8);
// String[] arr = {"A", "B", "C", "D", "E"};
String[] arr = {"1", "2", "3", "4", "5", "6", "7", "8"};
for (String s : arr) {
graph.insertVertex(s);
}
// 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);
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);
graph.showGraph();
graph.dfs();
System.out.println();
graph.bfs();
}
/**
* 获取第一个邻接节点的下标
*
* @param i 行 从本行查找
* @return 如果存在就返回下标,不存在就返回-1
*/
public int getFirstNeighbor(int i) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[i][j] != 0) {
return j;
}
}
return -1;
}
/**
* 根据前一个邻接节点的下标返回下一个邻接节点的下标
*
* @param v1 行
* @param v2 列
* @return 如果存在就返回下标,不存在就返回-1
*/
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;
}
/**
* 深度优先遍历某一个节点
*
* @param i
*/
private void dfs(int i) {
// 输出访问的节点
System.out.print(getValueByIndex(i) + "->");
// 将节点设置为已访问
isVisited[i] = true;
// 获取i节点的第一个邻接节点
int first = getFirstNeighbor(i);
// 邻接节点存在
while (first != -1) {
// 邻接节点未被访问
if (!isVisited[first]) {
// 递归访问该邻接节点
dfs(first);
}
// 邻接节点已被访问,去访问邻接节点的下一个节点
first = getNextNeighbor(i, first);
}
}
/**
* 深度优先遍历每一个顶点
*/
public void dfs() {
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < vertexList.size(); i++) {
if (!isVisited[i]) {
dfs(i);
}
}
}
/**
* 广度优先遍历每一个顶点
*/
public void bfs() {
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < vertexList.size(); i++) {
if (!isVisited[i]) {
bfs(i);
}
}
}
/**
* 广度优先遍历,一层一层遍历
*
* @param i
*/
private void bfs(int i) {
int u;
int w;
// 创建一个队列
LinkedList<Integer> queue = new LinkedList<>();
// 输出访问的节点
System.out.print(getValueByIndex(i) + "=>");
// 将节点设置为已访问
isVisited[i] = true;
// 将访问过的节点加入队列
queue.addLast(i);
// 如果队列不为空
while (!queue.isEmpty()) {
// 取出队列头
u = queue.removeFirst();
// 获取u节点的第一个邻接节点w
w = getFirstNeighbor(u);
// 邻接节点存在
while (w != -1) {
// 邻接节点未被访问
if (!isVisited[w]) {
// 输出访问的节点
System.out.print(getValueByIndex(w) + "=>");
// 将访问的节点加入队列
queue.addLast(w);
// 设置该节点已访问
isVisited[w] = true;
}
// 邻接节点已被访问,去访问邻接节点的下一个节点
w = getNextNeighbor(u, w);
}
}
}
/**
* 展示图
*/
public void showGraph() {
for (int[] edge : edges) {
System.out.println(Arrays.toString(edge));
}
}
public Graph(int n) {
edges = new int[n][n];
vertexList = new ArrayList<>(n);
}
/**
* 根据下标获取顶点
*
* @param index
* @return
*/
public String getValueByIndex(int index) {
return vertexList.get(index);
}
/**
* 插入顶点
*
* @param str
*/
public void insertVertex(String str) {
vertexList.add(str);
}
/**
* 插入边
*
* @param v1
* @param v2
* @param weight
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}