图的dfs、bfs

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++;
    }
}