java graph结构_数据结构—图(Graph)的入门概念、存储结构、遍历方式以及Java代码的实现...-CSDN博客

本文链接：https://blog.csdn.net/weixin_33478575/article/details/114351796

本文首先介绍了图的入门概念，然后介绍了图的邻接矩阵和邻接表两种存储结构、以及深度优先遍历和广度优先遍历的两种遍历方式，最后提供了Java代码的实现。图，算作一种比较复杂的数据结构，因此建议有一定数据结构基础的人再来学习！1 图的定义和相关概念定义图(Graph)是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G(V,E)，其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合。图在...

摘要由CSDN通过智能技术生成

本文首先介绍了图的入门概念，然后介绍了图的邻接矩阵和邻接表两种存储结构、以及深度优先遍历和广度优先遍历的两种遍历方式，最后提供了Java代码的实现。

图，算作一种比较复杂的数据结构，因此建议有一定数据结构基础的人再来学习！

1 图的定义和相关概念

定义

图(Graph)是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G(V,E)，其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合。图在数据结构中是中多对多的关系，而树则是1对多的关系，树就是一种特别的没有闭环的图。

顶点

图中的顶点就是节点的意思，不过图中任意的节点都算作顶点。将顶点集合为空的图称为空图。图中任意两个顶点之间都可能存在关系，顶点之间的逻辑关系用边来表示，边集可以是空的。

无向图

若顶点vi到vj之间的边没有方向，则称这条边为无向边(Edge)，用无序偶对(vi,vj)来表示。如果图中任意两个顶点之间的边都是无向边，则称该图为无向图(Undirected graphs)。

有向图

若从顶点vi到vj的边有方向，则称这条边为有向边，也称为弧(Arc)。如果图中任意两个顶点之间的边都是有向边，则称该图为有向图(Directed graphs)。

完全图、稠密图、稀疏图

具有n个顶点，n(n-1)/2条边的图，称为完全无向图；具有n个顶点，n(n-1) 条弧的有向图,称为完全有向图。完全无向图和完全有向图都称为完全图。。

当一个图接近完全图时，则称它为稠密图，当一个图中含有较少的边或弧时，则称它为稀疏图。

权、网

有些图的边或弧具有与它相关的数字，这种与图的边或弧相关的数叫做权(Weight)。这些权可以表示从一个顶点到另一个顶点的距离或耗费。这种带权的图通常称为网(Network)。

子图

若有两个图G=(V1,E1)， G2=(V2,E2)，满足如下条件：V2⊆V1 ，E2⊆ E1，即V2为V1的子集，E2为E1的子集，则称图G2为图G1的子图。

下图中带底纹的图均为左侧无向图与有向图的子图。

临界点、度

相邻且有边直接连接的两个顶点称为邻接点。顶点所连边的数目称为度，在有向图中，由于边有方向，则顶点的度分为入度和出度。

简单路径、连通图

图中顶点间存在路径，两顶点存在路径则说明是连通的，如果路径最终回到起始点则称为环，当中不重复叫简单路径。若任意两顶点都是连通的，则图就是连通图，有向则称强连通图。图中有子图，若子图极大连通则就是连通分量，有向的则称强连通分量。

生成树

无向图中连通且n个顶点n-1条边叫生成树。有向图中一顶点入度为0其余顶点入度为1的叫有向树。一个有向图由若干棵有向树构成生成森林。

2 图的存储结构

由于图的结构比较复杂，任意两个顶点之间都可能存在联系，因此无法以单一的结构来表示。图最常见的表示形式为邻接链表和邻接矩阵，它们都是采用复合的结构来表示图。

2.1 邻接矩阵

邻接矩阵(Adjacency Matrix)：采用两个数组来存储图，一个一维数组存储图顶点信息，一个二维数组存储图边或弧的信息，二维数组可以看作矩阵，这也是“邻接矩阵”名字的由来。这是最简单的图的存储方式，但是存在空间浪费的情况。

设图G有n个顶点，则邻接矩阵是一个n×n的方阵，定义为：

矩阵的对角线始终为0，因为顶点不能和自己连接。无向图的数据是对称的，有向图就一定了。

下图就是采用邻接矩阵表示的无向图。

下图就是采用邻接矩阵表示的有向图。

有向图讲究入度与出度，顶点0的入度为3，正好是第1列各数之和。顶点0的出度为3，即第1行的各数之和。一个点的入度是点所表示的列的各数的和，出度就是个点所表示的行的各数的和。

下图就是采用邻接矩阵表示的带权有向图。

注意，边二维数组中的数字表示权，没有关系的顶点(没有权)使用”/”表示。

2.2 邻接表

邻接表(Adjacency List)：采用数组和链表存储，一个数组存储顶点，同时顶点想外拉出链表表示边或者弧，链表称为边表，如度的边表称为入边表，出度的边表称为出边表。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。

下图就是采用邻接表表示的无向图。

下图就是采用邻接表表示的有向图。

下图就是采用邻接矩阵表示的带权有向图。

邻接表在表示稀疏图时非常紧凑而成为了通常的选择，相比之下，如果在稀疏图表示时使用邻接矩阵，会浪费很多内存空间，遍历的时候也会增加开销。如果图是稠密图，邻接表的优势就不明显了，那么就可以选择更加方便的邻接矩阵。

3 图的遍历

3.1 深度优先遍历

深度优先遍历(Depth First Search)，也有称为深度优先搜索，简称为DFS。类似于树的先序遍历。基本思想是“一条路走到黑”，然后往回退，回退过程中如果遇到没探索过的支路，就进入该支路继续深入，直到所有顶点都被访问到。

假设初始状态是图中所有顶点均未被访问，则从某个顶点v出发，首先访问该顶点，然后依次从它的各个未被访问的邻接点出发深度优先搜索遍历图，直至图中所有和v有路径相通的顶点都被访问到。但此时还有可能有其他分支我们没有访问到，若此时尚有其他顶点未被访问到，需要回溯，另选一个未被访问的顶点作起始点，重复上述过程，直至图中所有顶点都被访问到为止。显然，深度优先搜索是一个递归的过程。

对如下左边无向图从0顶点开始进行深度优先遍历之后一种结果为：0、1、4、5、3、2，如右图。

从起始点0开始遍历，在访问了0后，选择其邻接点1。因为1未曾访问过，则从1出发进行深度优先遍历。依次类推，接着从4、5、3出发进行遍历。在访问了3后，由于3的邻接点都已被访问，则遍历回退到5。此时5的另一个邻接点2未被访问，则遍历又从5到2,再继续进行下去，于是得到节点的线性顺序为：0、1、4、5、3、2，如右图中红色箭头线为其深度优先遍历顺序。

对如下左边有向图从0顶点开始进行深度优先遍历之后一种结果为：0、1、4、2、5、3，如右图。

有向图的深度优先遍历顶点的领边需要考虑顶点的出度对应的顶点。该顶点的出度对应的顶点算作邻接点。

从起始点0开始遍历，在访问了0后，选择其出度邻接点1、2。这里选择1进行访问，从1出发进行有向图深度优先遍历。依次类推，在访问了4后，由于4的出度邻接点0、1都已被访问，则遍历回退直到0。此时0的另一个邻接点2未被访问，则遍历又从0到2,再继续进行下去，于是得到节点的线性顺序为：0、1、4、2、5、4，如右图中红色箭头线为有向图深度优先遍历顺序。

3.2 广度优先遍历

广度优先遍历(Depth First Search) ，也有称为广度优先搜索，简称BFS，类似于树的层序遍历。基本思想是尽最大程度辐射能够覆盖的节点，并对其进行访问。

从图中某顶点v出发，在访问了v之后依次访问v的各个未曾访问过的邻接点，然后分别从这些邻接点出发依次访问它们的邻接点，并使得“先被访问的顶点的邻接点先于后被访问的顶点的邻接点被访问，直至图中所有已被访问的顶点的邻接点都被访问到。如果此时图中尚有顶点未被访问，则需要另选一个未曾被访问过的顶点作为新的起始点，重复上述过程，直至图中所有顶点都被访问到为止。换句话说，广度优先搜索遍历图的过程是以v为起点，由近至远。

对如下左边无向图从0顶点开始进行深度优先遍历之后一种结果为：0、1、2、3、4、5，如右图。