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的路径有
1)D->B->C
2)D->A->B->C
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
(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
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
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
/** 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)
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 ++;
}
}