图的基本介绍以及深度优先遍历和广度优先遍历

1、图的基本介绍

1.1、图的定义

• 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。

• 无向图：顶点之间的连接没有方向，比如A-B，即问以是A->B也可以B->A，无向图如下
  

• 有向图：顶点之间的连接有方向，比如A-B，只能是A->8不能是B->A，有向带权图如下

1.2、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

  • 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，矩阵是的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

2、图的深度优先遍历介绍

2.1、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:
  • 深度优先遍历
  • 广度优先遍历

2.2、深度优先遍历基本思想

• 图的深度优先搜索(Depth First Search)。【dfs】
  • 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。
  • 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

2.3、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）
• 若w已访问，查找结点v的w邻接结点的下一个邻接结点，转到步骤3。

3、图的广度优先遍历

3.1、广度优先遍历基本思想

• 图的广度优先搜索(Broad First Search)。【bfs】
  • 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

3.2、广度优先遍历算法步骤

• 访间初始结点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:
  • 若结点w尚未被访问，则访问结点w并标记为已访问。
  • 结点w入队列
  • 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。

4、图的应用示例

• 要求:代码实现如下图结构并实现遍历
  

• 思路分析

  • 存储顶点 String ，使用 ArrayList
  • 保存矩阵 int[ ][ ] edges
  • 图的深度优先遍历
  • 图的广度优先遍历

• 代码实现

public class Graph {

    private final ArrayList<String> vertexList; //存储顶点的集合
    private final int[][] edges; //存储图对应的邻接矩阵
    private int numOfEdges; //表示边的数目
    //定义给数组boolean[]，记录某个结点是否被访问
    private boolean[] isVisited;

    public static void main(String[] args) {
        //测试图的创建
        int n = 5; //结点的个数
        String[] vertexs = {"A", "B", "C", "D", "E"};
        //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); //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

        //显示邻接矩阵
        graph.showGraph();

        //测试dfs遍历
        System.out.println("深度优先遍历");
        graph.dfs();

        System.out.println();
        //测试bfs遍历
        System.out.println("广度优先遍历");
        graph.bfs();
    }

    //构造器
    //n 顶点个数
    public Graph(int n) {
        //初始化矩阵和vertexList
        edges = new int[n][n];
        vertexList = new ArrayList<String>(n);
        numOfEdges = 0;
        //isVisited = new boolean[n];
    }

	
    //图中常用的方法
    //返回结点的个数
    public int getNumOfVertex() {
        return vertexList.size();
    }

    //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];
    }

    //显示图对应的矩阵
    public void showGraph() {
        for (int[] edge : edges) {
            System.out.println(Arrays.toString(edge));
        }
    }

    //插入顶点
    public void insertVertex(String vertex) {
        vertexList.add(vertex);
    }

    //添加边
    /**
     * @param v1     表示第一个点的下标，即是第几个顶点 "A"-"B" 'A'->0 'B'->1
     * @param v2     表示第二个顶点对应的下标
     * @param weight 表示权值
     */
    public void insertEdge(int v1, int v2, int weight) {
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges++;
    }

    //得到第一个邻接结点的下标 w
    /**
     * @param index 当前结点的下标
     * @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
    //i 第一次就是0
    public void dfs(boolean[] isVisited, int i) {
        //首先访问该结点，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) { //说明存在邻接结点
            if (!isVisited[w]) { //没有被访问
                dfs(isVisited, w);
            }
            //如果结点w已经被访问过
            w = getNextNeighbor(i, w);
        }
    }

    //对dfs进行重载，遍历所有的结点，并进行dfs
    private void dfs() {
        isVisited = new boolean[5];
        //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; //表示邻接结点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;
                    //入队列
                    queue.addLast(w);
                }
                //如果访问过，以u为前驱点，找w后面的下一个邻接结点
                w = getNextNeighbor(u, w); //体现广度优先
            }
        }
    }

    //遍历所有的结点,都进行广度优先搜索
    public void bfs(){
        isVisited = new boolean[5];
        for (int i = 0; i < getNumOfVertex(); i++) {
            if(!isVisited[i]){
                bfs(isVisited,i);
            }

        }
    }
}