图
图的基本介绍
为什么要有图?
- 线性表局限于一个直接前驱和一个后继的关系。
- 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,这里我们就用到了图。
举例说明
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。节点也可以称为顶点。如图:
图的常用概念
- 顶点(vertex)
- 边(edge)
- 路径
- 无向图(下图)
无向图:顶点之间的连接没有方向,比如 A - B,既可以是 A -> B 也可以是 B -> A。
路径:比如从 D -> C 的路径有
- D -> B -> C
- D -> A -> B -> C
- 有向图
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。
- 带权图
带权图: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
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节点都分配 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。
说明:
- 标号为 0 的节点的相关联的节点为 1 2 3 4
- 标号为 1 的节点的相关联的节点为 0 4
- 标号为 2 的节点的相关联的节点为 0 4 5
- …
图的快速入门
要求:代码实现如下结构:
思路分析:
- 存储顶点 String 使用 ArrayList 来存储。
- 使用
int[][]
二维数组来保存矩阵。
代码实现:
public class Graph {
private ArrayList<String> vertexList; // 存储顶点集合
private int[][] edges; // 存储图对应的矩阵
private int numOfEdges; // 表示边的数目
public static void main(String[] args) {
// 测试
int n = 5; // 节点的个数
String[] Vertexes = {"A","B","C","D","E"};
// 创建图对象
Graph graph = new Graph(n);
// 循环添加顶点
for (String vertex : Vertexes) {
graph.insertVertex(vertex);
}
// 添加边
// A-B A-C B-C B-D B-E
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);
// 显示
graph.showGraph();
}
// 构造器,初始化
public Graph(int n) {
// 初始化矩阵和 ArrayList
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
}
/**
* 显示图对应的矩阵
*/
public void showGraph() {
for (int[] link : edges) {
System.err.println(Arrays.toString(link));
}
}
/**
* 返回节点的个数
*
* @return
*/
public int getNumOfVertex() {
return vertexList.size();
}
/**
* 返回边的数目
*
* @return
*/
public int getNumOfEdges() {
return numOfEdges;
}
/**
* 返回节点i(下标)对应的数据
*
* @param i 节点i(下标)
* @return
*/
public String getValueByIndex(int i) {
return vertexList.get(i);
}
/**
* 返回 v1 v2 的权值
*
* @param v1 v1 节点
* @param v2 v2 节点
* @return
*/
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
/**
* 插入顶点
*
* @param vertex 要插入的顶点
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
*
* @param v1 表示第一个顶点的下标
* @param v2 表示第二个顶点的下标
* @param weight 表示权值
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
图的深度优先(DFS)
基本思想
图的优先搜索(Depth First Search)
- 深度优先遍历,从初始访问节点出发,初始访问节点可能有多个邻接节点,深度优先遍历的策略就是首先访问第一个邻接节点,然后再以这个被访问的邻接节点作为初始节点,访问它的第一个邻接节点,可以这样理解:每次都在访问完当前节点后首先访问当前节点的第一个邻接节点。
- 我们可以看到,这样的访问策略是优先往纵向挖掘深入,而不是对一个节点的所有邻接节点进行横向访问。
- 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
- 访问初始节点 v,并标记节点 v 为已访问;
- 查找节点 v 的第一个邻接节点 w;
- 若 w 存在,则继续执行第 4 步,如果 w 不存在,则回到第 1 步,将从 v 的下一个节点继续;
- 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 1,2,3);
- 查找节点 v 的 w 邻接节点的下一个邻接节点,转到步骤 3。
/**
* 深度优先遍历算法
*
* @param isVisited
* @param i
*/
private void dfs(boolean[] isVisited, int i) {
// 首先访问节点,输出
System.out.print(getValueByIndex(i) + "->");
// 将节点设置为已经访问
isVisited[i] = true; // t t t f f
// 查找该节点的第一个邻接节点
int w = getFirstNeighbor(i); // 0 1 1 0 2 -1
while (w != -1) { // 存在
// 判断是否被访问
if (!isVisited[w]) {
dfs(isVisited, w);
}
// 如果 w 节点已经被访问
w = getNextNeighbor(i, w);
}
}
// 对 dfs 进行重载,遍历我们所有节点,并进行 dfs
public void dfs() {
// 遍历所有的节点,进行 dfs 回溯
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
图的广度优先(BFS)
基本思想
图的广度优先搜索(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节点的顺序,以便按这个顺序来访问这些节点的邻接节点。
广度优先遍历算法步骤
- 访问初始节点 v 并记录节点 v 为已访问;
- 节点 v 入队列;
- 当队列非空时,继续执行,否则算法结束;
- 出队列,取得队头节点 u;
- 查找节点 u 的第一个邻接节点 w;
- 若节点 w 的邻接节点 w 不存在,则转到步骤 3;否则循环执行以下三个步骤;
- 若节点 w 尚未被访问,则访问节点 w 并标记为已访问;
- 节点 w 入队列;
- 查找节点 u 的继 w 邻接节点后的下一个邻接节点 w,转到步骤 6;
/**
* 广度优先遍历算法
*
* @param isVisited
* @param i
*/
public void bfs(boolean[] isVisited, int i) {
int u; // 表示队列头结点的下标
int w; // 邻接节点 w
// 队列,记录节点访问的顺序
LinkedList queue = new LinkedList();
// 访问节点,输出节点信息
System.out.print(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();
// 得到第一个邻接节点的下标 w
w = getFirstNeighbor(u);
while (w != -1) { // 找到
// 判断是否访问过
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "=>");
// 标记为已访问
isVisited[w] = true;
// 入队列
queue.addLast(w);
}
// 以 u 为前驱点,找 w 后面的下一个节点
w = getNextNeighbor(u, w); // 体现出广度优先
}
}
}
// 遍历所有的节点,都进行广度优先搜索
public void bfs() {
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}