文章目录
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);
}
}
}
}