Java数据结构与算法_11 图
本人是个新手,写下博客用于自我复习、自我总结。
如有错误之处,请各位大佬指出。
学习资料来源于:尚硅谷
图基本介绍
为什么要有图?
前面出现了线性表和树。
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, 只有图能满足条件。
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:
图的常用概念
- 顶点(vertex):如图
- 边(edge):如图
- 无向图:顶点之间的连接没有方向,比如A-B:即可以是 A-> B 也可以 B->A 。
- 路径:比如从 D -> C 的路径有 :D->B->C 或 D->A->B->C
- 有向图:顶点之间的连接有方向,比如A-B:只能是 A-> B 不能是 B->A 。如图
- 带权图:如图。这种边带权值的图也叫网。
图的表示方式
图的表示方式有两种:二维数组表示(邻接矩阵);链表表示(邻接表)。
邻接矩阵是表示图形中顶点之间相邻关系的矩阵。对于n个顶点的图而言,矩阵的row和col表示的是1…n个点。
邻接表
- 邻接矩阵需要为每个顶点都分配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。
- 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
接下来就只用邻接矩阵的方式编写代码。邻接表就不再赘述,和哈希表的实现一样。重要的是之后的图的遍历。
要求:代码实现如下图结构
完整代码
import java.util.Arrays;
public class Graph {
private int[][] edges; // 存储图对应的邻结矩阵
public static void main(String[] args) {
// 测试
int n = 5; // 结点的个数
// 创建图对象
Graph graph = new Graph(n);
// 添加边
// A-B A-C B-C B-D B-E
graph.insertEdge(0, 1, 1); // A-B
graph.insertEdge(0, 2, 1); // A-C
graph.insertEdge(1, 2, 1); // B-C
graph.insertEdge(1, 3, 1); // B-D
graph.insertEdge(1, 4, 1); // B-E
// 显示
graph.showGraph();
}
// 构造器
public Graph(int n) {
// 初始化矩阵
edges = new int[n][n];
}
// 显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.err.println(Arrays.toString(link));
}
}
// 添加边
/**
* @param v1
* 表示点的下标是第几个顶点 "A"-"B" "A"->0 "B"->1
* @param v2
* 第二个顶点对应的下标
* @param weight
* 表示连通性
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
}
}
图的遍历
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
深度优先遍历基本思想
- 深度优先遍历,从初始访问结点出发,同时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。
示例: 对下图进行深度优先遍历, 从A 开始遍历。
思路分析
- A 被访问, 入栈 。进一个顶点,则表示该顶点被访问
- B 被访问,入栈
- C 被访问,入栈
- A - D 不连接,因此 看栈顶的 C 是否能连接 D 。
不通,所以回溯,将 C 弹出栈。 - 这时 栈顶值为 1 -> B , 将当前 currentIndex = stack.peek()
//peek () 返回栈顶值 - 看看 1->B 是否可以连接到 D, 这时可以
- 3->D 入栈
- D - E 不连接 , 3 -> D 出栈,并 进行 currentIndex = stack.peek()
- 看看 1->B 是否可以连接到 E, 这时可以
- 4->E 入栈
- 依次将栈的值弹出,直到 stack 为空,就退出 while循环
所以结果是:A B C D E
广度优先遍历基本思想
广度优先搜索 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。
示例: 对下图进行广度优先遍历, 从A 开始遍历。
简单说明:A入队后 ,A标记已访问,A出队。A的第一个邻接节点B,B标记已访问;A的下一个邻接节点C,C标记已访问。因为再没有邻接节点,所以回到步骤3。B出队。B的第一个邻接节点D,D标记已访问;D的下一个邻接节点E,E标记已访问。因为再没有邻接节点,所以回到步骤3。C出队,无邻接节点。D出队,无邻接节点。E出队,无邻接节点。结束。
结果为:A B C D E
上面的示例看不出什么效果,接下来看另一个示例:
深度优先遍历顺序为 1->2->4->8->5->3->6->7
广度优先算法的遍历顺序为:1->2->3->4->5->6->7->8
(如果不知道为什么,可以仔细看看两个遍历的算法步骤,慢慢比对)
完整代码
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList; // 存储顶点集合
private int[][] edges; // 存储图对应的邻结矩阵
private int numOfEdges; // 表示边的数目
// 定义个数组boolean[], 记录某个结点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
int n = 8; // 结点的个数
String Vertexs[] = { "1", "2", "3", "4", "5", "6", "7", "8" };
// 创建图对象
Graph graph = new Graph(n);
// 循环的添加顶点
for (String vertex : Vertexs) {
graph.insertVertex(vertex);
}
// 添加边
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);
// 显示
graph.showGraph();
// 测试
System.out.println("深度遍历");
graph.dfs(); // [1->2->4->8->5->3->6->7]
System.out.println();
System.out.println("广度优先");
graph.bfs(); // [1->2->3->4->5->6->7->8]
}
// 构造器
public Graph(int n) {
// 初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
// 得到第一个邻接结点的下标 w
/**
* @param index
* @return 如果存在就返回对应的下标,否则返回-1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
// 根据前一个邻接结点的下标来获取下一个邻接结点
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;
}
// 深度优先遍历算法
private void dfs(boolean[] isVisited, int i) {
// 首先我们访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
// 将结点设置为已经访问
isVisited[i] = true;
// 查找结点i的第一个邻接结点w
int w = getFirstNeighbor(i);
while (w != -1) {// 说明有
if (!isVisited[w]) {
dfs(isVisited, w);
}
// 如果w结点已经被访问过
w = getNextNeighbor(i, w);
}
}
// 对dfs 进行一个重载, 遍历我们所有的结点,并进行 dfs
public void dfs() {
isVisited = new boolean[vertexList.size()];
// 遍历所有的结点,进行dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
// 对一个结点进行广度优先遍历的方法
private void bfs(boolean[] isVisited, int i) {
int u; // 表示队列的头结点对应下标
int w; // 邻接结点w
// 队列,记录结点访问的顺序
LinkedList queue = new LinkedList();
// 访问结点,输出结点信息
System.out.print(getValueByIndex(i) + "=>");
// 标记为已访问
isVisited[i] = true;
// 将结点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {
// 取出队列的头结点下标
u = (Integer) queue.removeFirst();
// 得到第一个邻接结点的下标 w
w = getFirstNeighbor(u);
while (w != -1) {// 找到
// 是否访问过
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "=>");
// 标记已经访问
isVisited[w] = true;
// 入队
queue.addLast(w);
}
// 以u为前驱点,找w后面的下一个邻结点
w = getNextNeighbor(u, w); // 体现出广度优先
}
}
}
// 遍历所有的结点,都进行广度优先搜索
public void bfs() {
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
// 图中常用的方法
// 返回结点的个数
public int getNumOfVertex() {
return vertexList.size();
}
// 显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.err.println(Arrays.toString(link));
}
}
// 得到边的数目
public int getNumOfEdges() {
return numOfEdges;
}
// 返回结点i(下标)对应的数据 0->"A" 1->"B" 2->"C"
public String getValueByIndex(int i) {
return vertexList.get(i);
}
// 返回v1和v2的权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
// 插入结点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
// 添加边
/**
* @param v1
* 表示点的下标是第几个顶点 "A"-"B" "A"->0 "B"->1
* @param v2
* 第二个顶点对应的下标
* @param weight
* 表示连通性
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}