数据结构之图：深度优先与广度优先搜索算法Java实现

一、图的表示

1.图的两种表示

1.1 邻接表

对于图$G=(V,E)$来说，邻接表表示由一个包含$|V|$条链表的数组$A$构成，对于每一个结点$u\in V$，邻接链表$A[u]$包含所有与结点$u$之间有边相连的结点。
如下图所示：

如上图，图$G$是一个无向图，则对于边$(u,v)$来说，结点$v$将出现在链表$A[u]$中，结点$u$也会出现在链表$A[v]$中，因此邻接链表长度之和为$2|E|$。而有向图则会减少一半，长度之和为$|E|$。
显然，邻接表存储空间为$\Theta (V+E)$。
可在链表中的数据域中添加权重使得邻接表可表示一个权重图。

1.2 邻接矩阵

对于邻接矩阵来说，将图$G$编码为$0，1，2，\cdots ，|V-1|$。则，图G的邻接矩阵表示由一个$|V|\times |V|$的矩阵$A=(a_{ij})$表示。矩阵满足
$$a_{ij}=\{\begin{array}{l}1(i,j)\in E\\ 0(i,j)\notin E\end{array}$$
若需要修改为权重图，则：
$$a_{ij}=\{\begin{array}{l}{w}_{ij}(i,j)\in E\\ \infty (i,j)\notin E\end{array}$$
如下图所示：

2.各自优势与缺陷

2.1 邻接表优势与缺陷

优点在于表示稀疏图$（|E|<<|V^2|）$的图时非常紧凑，相比于邻接矩阵花费的空间少得多。
能够随意地对链表的结点进行修改来添加一些附加信息，鲁棒性高。
缺点在于无法快速判断一条边$(u,v)$是否是图中的一条边。

2.2 邻接矩阵优势与缺陷

优点在于能够快速判断一条边$(u,v)$是否是图中的一条边，只需要找到对应下标元素相关信息即可。
缺点在于消耗的空间大。

3.具体程序表示

3.1 邻接矩阵表示

private static final int maxWeight = 1000;  //无法到达的权重表示
private static final int maxVertices = 10;  //最大结点数
private ArrayList<E> Vertices;  //结点数组
private int[][] edge;      //边数组
private int numOfEdges;

3.2 邻接表表示

private static final int maxVertices = 10;  //最大结点数
private ArrayList<ListNode> Vertices;   //结点列表
private int numOfEdges;
private int numOfVexs;

private class EdgeNode{
     //边类
    int nodeIndex;    //边指向的结点索引
    int weight;     //边权重
    EdgeNode next;   //同一结点的下一条边

    EdgeNode(int nodeIndex,int weight,EdgeNode next){
   
        this.nodeIndex = nodeIndex;
        this.weight = weight;
        this.next = next;
    }
}

private class ListNode{
     //结点类
    E data;    //结点数据域
    int headNodeIndex;    //结点索引位置
    EdgeNode headNode;   //第一条边

    ListNode(E data, int headNodeIndex, EdgeNode headNode){
   
        this.data = data;        
        this.headNodeIndex = headNodeIndex;
        this.headNode = headNode;     
    }
}

二、搜索算法实现

1.搜索算法图解

以下图为例子，从$B$点出发

1.1 广度优先搜索算法图解

广度优先搜索类似于数的层