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。
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
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
图的深度优先搜索(Depth First Search) 。
- 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。
- 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。
广度优先遍历基本思想
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。
package com.zx.ds.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
//存储顶点集合
private ArrayList<String> vertexList;
//定义给数组boolean[], 记录某个结点是否被访问
private boolean isVisted[];
//表示边的数目
private int numOfEdges;
//存储图对应的邻结矩阵
private int edges[][];
public Graph(int n) {
//初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
//添加边
public void insertEdge(int e1, int e2, int v) {
edges[e1][e2] = v;
edges[e2][e1] = v;
numOfEdges++;
}
//插入结点
public void insertVertex(String v) {
vertexList.add(v);
}
//得到边的数目
public int getNumOfEdges() {
return numOfEdges;
}
//返回结点的个数
public int getNumofVertex() {
return vertexList.size();
}
public int getWeight(int e1, int e2) {
return edges[e1][e2];
}
public void showGraph() {
for (int edge[] : edges) {
System.out.println(Arrays.toString(edge));
}
}
//得到第一个邻接结点的下标
/**
*
* @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 i = 0; i < getNumofVertex(); i++) {
if (edges[index][i] > 0) {
return i;
}
}
return -1;
}
//根据前一个邻接结点的下标v来获取下一个邻接结点
public int getNextNeighbor(int index, int v) {
for (int i = v + 1; i < getNumofVertex(); i++) {
if (edges[index][i] > 0) {
return i;
}
}
return -1;
}
public void dfs() {
isVisted = new boolean[vertexList.size()];
//遍历所有的结点,进行dfs
for (int i = 0; i < vertexList.size(); i++) {
if (!isVisted[i]) {
dfs(isVisted, i);
}
}
}
//深度优先遍历算法
public void dfs(boolean isVisted[], int index) {
//首先我们访问该结点,输出
System.out.print(vertexList.get(index) + "->");
//将结点设置为已经访问
isVisted[index] = true;
//查找结点i的第一个邻接结点w
int w = getFirstNeighbor(index);
while (w != -1) {//说明有
if (!isVisted[w]) {
dfs(isVisted, w);
}
//如果w结点已经被访问过
w = getNextNeighbor(index, w);
}
}
public void bfs() {
isVisted = new boolean[getNumofVertex()];
//遍历所有的结点,都进行广度优先搜索
for (int i = 0; i < getNumofVertex(); i++) {
if (!isVisted[i]) {
bfs(isVisted, i);
}
}
}
//对一个结点进行广度优先遍历的方法
public void bfs(boolean isVisted[], int index) {
//访问结点,输出结点信息
System.out.print(vertexList.get(index) + "=>");
//标记为已访问
isVisted[index] = true;
//队列,记录结点访问的顺序
LinkedList<Integer> list = new LinkedList<>();
//将结点加入队列
list.addLast(index);
while (!list.isEmpty()) {
//取出队列的头结点下标
int i = (Integer) list.removeFirst();
//得到第一个邻接结点的下标 w
int w = getFirstNeighbor(i);
while (w != -1) {
if (!isVisted[w]) {
System.out.print(vertexList.get(w) + "=>");
//标记已经访问
isVisted[w] = true;
list.add(w);
}
w = getNextNeighbor(i, w);
}
}
}
public static void main(String[] args) {
//String vertexs[]={"a","b","c","d","e"};
String vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
Graph graph = new Graph(vertexs.length);
for (int i = 0; i < vertexs.length; i++) {
graph.insertVertex(vertexs[i]);
}
// 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);
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);
graph.showGraph();
System.out.println("深度优先:");
graph.dfs();
System.out.println();
System.out.println("广度优先:");
graph.bfs();
}
}
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 0, 1, 1, 0, 0, 0]
[1, 0, 0, 0, 0, 1, 1, 0]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0, 1, 0]
[0, 0, 1, 0, 0, 1, 0, 0]
[0, 0, 0, 1, 1, 0, 0, 0]
深度优先:
1->2->4->8->5->3->6->7->
广度优先:
1=>2=>3=>4=>5=>6=>7=>8=>