数据结构之图及两种遍历(深度优先和广度优先)

最新推荐文章于 2023-10-04 20:02:50 发布

代码编制世界

最新推荐文章于 2023-10-04 20:02:50 发布

阅读量1.3k

点赞数

分类专栏：原创文章标签：数据结构图论

本文链接：https://blog.csdn.net/qq_44962429/article/details/103972866

版权

原创专栏收录该内容

61 篇文章 1 订阅

订阅专栏

为什么要有图?
前面我们学到了线性表和树,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,这里就用到了图

1.图的基本介绍

图是一种数据结构,其中节点可以具有零个或多个相邻元素,两个节点之间的连接称为边,结点也可以称为顶点,如图:
在这里插入图片描述

2.图的常用概念

(1)顶点(vertex)
(2)边(edge)
(3)路径:比如从D->C的路径有
1)D->B->C
2)D->A->B->C
在这里插入图片描述

3.图的分类

(1)无向图:顶点之间的连接没有方向,上面的图就是无向图
(2)有向图:顶点之间的连接有方向
在这里插入图片描述
(3)带权图:边带权(这种边带权值的图也叫网)

4.图的表示方式

图的表示方式有两种,一种是二维数组表示(邻接矩阵),另一种是数组加链表表示(邻接表)
(1)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
在这里插入图片描述
缺点:邻接矩阵需要为每个顶点分配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.
(2)邻接表
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.

5.快速二门案例

在这里插入图片描述
图的插入

package com.self.dataStructure.graph;

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

public class Graph {
    private ArrayList<String> vertexList;  //储存顶点的集合
    private int[][] edges; //储存图对应的邻结矩阵
    private int numOfEdges; //表示边的数目
    public static void main(String[] args) {
        int n = 5;
        String[] vertexs = {"A","B","C","D","E"};
        Graph graph = new Graph(n);
        for (String vertex : vertexs) {
            graph.insertVertex(vertex);
        }
        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.showGraph();
    }

    /**
     * @param n 顶点的个数
     */
    public Graph(int n){
        edges = new int[n][n];
        vertexList = new ArrayList<String>(n);
        numOfEdges = 0;
    }

    /**
     * @return  返回结点的个数
     */
    public int getNumOfVertex(){
        return vertexList.size();
    }

    /**
     * 显示邻矩
     */
    public void showGraph(){
        for (int[] edge : edges) {
            System.out.println(Arrays.toString(edge));
        }
    }
    /**
     * @return  得到边的数目
     */
    public int getNumOfEdges(){
        return numOfEdges;
    }

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

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

    /**  插入节点
     * @param vertex
     */
    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
     * @param weight
     */
    public void insertEdge(int v1,int v2,int weight){
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges ++;
    }
}

图遍历
所谓图遍历,即是对结点的访问,一个图有那么多结点,如何遍历这些结点,需要特定策略,一般有两种访问策略,一种是深度优先遍历,另一种是广度优先遍历

深度优先
(1)深度优先遍历思想

深度优先遍历,从最初访问结点出发,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,这样的访问策略师优先往纵向挖掘深入,而不是对一个结点的所有邻接点进行横向访问,显然,深度优先搜索是一个递归过程

(2)深度优先遍历算法步骤

1)访问初始结点v,并标记v已访问
2)查找结点v的第一个(针对数组)邻接结点w
3)若w存在,则继续访问执行4),如果w不存在,则回到第一步,将从v的下一个节点继续
4)若w未被访问,对w进行深度优先遍历递归(即把当做另一个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
在这里插入图片描述

 /**  得到第一个邻接结点的下标  如果存在返回下标 不存在返回-1
     * @param index
     * @return
     */
    public int getFirstNeighbor(int index){
        for (int i = 0; i < vertexList.size(); i++) {
            if(edges[index][i] > 0){
                return i;
            }
        }
        return -1;
    }

    /**  根据前一个邻接结点的下标获取下一个邻接结点
     * @param v1
     * @param v2
     * @return
     */
    public int getNexNeighbor(int v1,int v2){
        for (int i = v2 + 1; i < vertexList.size(); i++) {
            if(edges[v1][i] > 0){
                return i;
            }
        }
        return -1;
    }

    /**
     * @param isVisited
     * @param i 第一次就是0
     */
    private void dfs(boolean[] isVisited,int i){
        //我们访问的节点,输出
        System.out.println(getValueByIndex(i) + "->");
        //将节点设置为已访问
        isVisuted[i] = true;
        //查找结点i的第一个邻接结点
        int w = getFirstNeighbor(i);
        while (w != -1){
            if(!isVisuted[w]){
                dfs(isVisited,w);
            }
            w = getNexNeighbor(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(){
        for (int i = 0; i < getNumOfVertex(); i++) {
            if(!isVisuted[i]){
                dfs(isVisuted,i);
            }
        }
    }

广度优先
(1)广度优先遍历基本思想(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

(2)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)当队列为非空时,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结点w,转到步骤6

    /**  定义一个广度优先遍历的方法
     * @param isVisited
     * @param i
     */
    private void bfs(boolean[] isVisited,int i){
        int u;  //表示队列的头结点对应的下标
        int w;  //邻接结点w
        //队列,记录结点的访问顺序
        LinkedList<Object> queue = new LinkedList<>();
        //访问结点,输出结点信息
        System.out.println(getValueByIndex(i) + "->");
        //标记为已访问
        isVisited[i] = true;
        //将节点加入队列
        queue.addLast(i);
        while (!queue.isEmpty()){
            //取出队列头结点下标
            u = (Integer) queue.removeFirst();
            //得到第一个邻节点的下标
            w = getFirstNeighbor(u);
            while (w != -1){  //找到
                //判断是否访问过
                if(!isVisited[w]){
                    System.out.println(getValueByIndex(w) + "->");
                    //标记已经访问过
                    isVisited[w] = true;
                    //入队
                    queue.addLast(w);
                }
                //以u为前驱点,找到w后面的下一个邻接点
                w = getNexNeighbor(u,w);   //体现出广义优先
            }
        }
    }

    /**
     *  遍历所有的结点,都进行广度优先
     */
    public void bfs(){
        for (int i = 0; i < getNumOfVertex(); i++) {
            if(!isVisuted[i]){
                bfs(isVisuted,i);
            }
        }
    }

图的深度优先 VS 广度优先 (对比)
在这里插入图片描述
完整测试代码

package com.self.dataStructure.graph;

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

public class Graph {
    private ArrayList<String> vertexList;  //储存顶点的集合
    private int[][] edges; //储存图对应的邻结矩阵
    private int numOfEdges; //表示边的数目
    private boolean[] isVisuted = null; //记录某个结点是否被访问
    public static void main(String[] args) {
        int n = 8;
        //String[] vertexs = {"A","B","C","D","E"};
        String[] vertexs = {"1","2","3","4","5","6","7","8"};
        Graph graph = new Graph(n);
        for (String vertex : vertexs) {
            graph.insertVertex(vertex);
        }
        /*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();
        //graph.bfs();
    }

    /**  得到第一个邻接结点的下标  如果存在返回下标 不存在返回-1
     * @param index
     * @return
     */
    public int getFirstNeighbor(int index){
        for (int i = 0; i < vertexList.size(); i++) {
            if(edges[index][i] > 0){
                return i;
            }
        }
        return -1;
    }

    /**  根据前一个邻接结点的下标获取下一个邻接结点
     * @param v1
     * @param v2
     * @return
     */
    public int getNexNeighbor(int v1,int v2){
        for (int i = v2 + 1; i < vertexList.size(); i++) {
            if(edges[v1][i] > 0){
                return i;
            }
        }
        return -1;
    }

    /**
     * @param isVisited
     * @param i 第一次就是0
     */
    private void dfs(boolean[] isVisited,int i){
        //我们访问的节点,输出
        System.out.println(getValueByIndex(i) + "->");
        //将节点设置为已访问
        isVisuted[i] = true;
        //查找结点i的第一个邻接结点
        int w = getFirstNeighbor(i);
        while (w != -1){
            if(!isVisuted[w]){
                dfs(isVisited,w);
            }
            w = getNexNeighbor(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(){
        for (int i = 0; i < getNumOfVertex(); i++) {
            if(!isVisuted[i]){
                dfs(isVisuted,i);
            }
        }
    }

    /**  定义一个广度优先遍历的方法
     * @param isVisited
     * @param i
     */
    private void bfs(boolean[] isVisited,int i){
        int u;  //表示队列的头结点对应的下标
        int w;  //邻接结点w
        //队列,记录结点的访问顺序
        LinkedList<Object> queue = new LinkedList<>();
        //访问结点,输出结点信息
        System.out.println(getValueByIndex(i) + "->");
        //标记为已访问
        isVisited[i] = true;
        //将节点加入队列
        queue.addLast(i);
        while (!queue.isEmpty()){
            //取出队列头结点下标
            u = (Integer) queue.removeFirst();
            //得到第一个邻节点的下标
            w = getFirstNeighbor(u);
            while (w != -1){  //找到
                //判断是否访问过
                if(!isVisited[w]){
                    System.out.println(getValueByIndex(w) + "->");
                    //标记已经访问过
                    isVisited[w] = true;
                    //入队
                    queue.addLast(w);
                }
                //以u为前驱点,找到w后面的下一个邻接点
                w = getNexNeighbor(u,w);   //体现出广义优先
            }
        }
    }

    /**
     *  遍历所有的结点,都进行广度优先
     */
    public void bfs(){
        for (int i = 0; i < getNumOfVertex(); i++) {
            if(!isVisuted[i]){
                bfs(isVisuted,i);
            }
        }
    }


    /**
     * @param n 顶点的个数
     */
    public Graph(int n){
        edges = new int[n][n];
        vertexList = new ArrayList<String>(n);
        numOfEdges = 0;
        isVisuted = new boolean[n];
    }

    /**
     * @return  返回结点的个数
     */
    public int getNumOfVertex(){
        return vertexList.size();
    }

    /**
     * 显示邻矩
     */
    public void showGraph(){
        for (int[] edge : edges) {
            System.out.println(Arrays.toString(edge));
        }
    }
    /**
     * @return  得到边的数目
     */
    public int getNumOfEdges(){
        return numOfEdges;
    }

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

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

    /**  插入节点
     * @param vertex
     */
    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
     * @param weight
     */
    public void insertEdge(int v1,int v2,int weight){
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges ++;
    }
}

代码编制世界

关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
数据结构之图及两种遍历(深度优先和广度优先)

为什么要有图?前面我们学到了线性表和树,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,这里就用到了图1.图的基本介绍图是一种数据结构,其中节点可以具有零个或多个相邻元素,两个节点之间的连接称为边,结点也可以称为顶点,如图:2.图的常用概念(1)顶点(vertex)(2)边(edge)(3)路径:比如从D->C的...
复制链接

扫一扫