1、 序言
又很久没有学习了,上次学到哈希表又称散列表的相关知识,这次我们学习一种新的数据结构来建立网络模型。这种数据结构被称作图。首先,我们先应该先了解一下什么是图,其次学习第一种图的算法,这种图的算法被称作是广度优先搜索算法(breadth-first search ,BFS)。
广度优先搜索算法其实就是帮助你找出两样东西之间的最短距离,掌握了这种算法之后,我们可以完成以下几项内容:
--------此示例来源于《算法图解》
2、 图简介
听说户县到咸阳的大巴已经停运了,那么我们去咸阳的话就需要重新计算路线,(我们暂时排除自驾到咸阳的路线)假设我们乘坐公共交通工具前往,并且希望中间的换乘最少,可以到达的部分交通线路如下:
我们从图中可以发现想从石油大学直接到达咸阳湖景区,除了自驾其它并不能一步到达景区,接着我们使用两步、三步、四步发现都不能直接到达景区,最少也得需要五步,路线为:从石油大学东门(周南站)乘坐101路到鄠邑站,然后乘坐动车到达阿房宫站,然后乘坐1061路到达沣东第一学校站,接着换成咸阳郭杜线到达统一广场站,最终不步行到达咸阳湖景区。当然还有其他到达景区的路线,但它们执行起来路程会更远。这个算法发现,前往咸阳湖景区需要五步,这种问题在专业上称为“最短路径问题(shorterest-path problem)”。解决最短路径的问题的算法被称为广度优先搜索。
就像上图一样,我们将路线用图解的形式展现出来,这就是图!其实非常简单,图由节点和边组成。一个节点可能与众多节点直接相连,这些众多节点都被称为这个节点的邻节点,在上图,大十字站和亚迪路站都被称为郭寨桥站的邻节点。
一句话概括起来:图用于模拟不同的东西是如何相连的。
3、 广度优先搜索
广度优先搜索算法是一种可用于图的查找算法,可以帮助回答两类问题:
从节点A出发,有前往节点B的路径吗?
从节点A出发,前往节点B的哪条路径最短?
举个例子,假设你经营着一个果园,每年秋天果子成熟了你需要将苹果卖给他。在微信上,你在好友列表中去找这么一个人。这种查找很简单,只需每看到一个人,然后想想他是不是收苹果的。
假设你没有朋友是收苹果的,那么就必须在朋友的朋友中进行查找。然后问到信息之后立马把他记在小本本上,这样一来,不仅需要在朋友中进行查找,还需要在朋友的朋友中查找。如果你当前看到的朋友并不是收苹果的,就将其加入小本本里,这就意味着你将在他的人际关系中进行查找。这种算法最终会将你整个人际关系网进行搜索,直到找到苹果经销商,这就是广度优先搜索算法。
在刚才的例子中,我们先从自己的朋友开始找起,后来从朋友的朋友继续查找,自己朋友称为一度关系,朋友的朋友称为二度关系,显然,一度关系优于二度关系。
搜索时,肯定是先自己的朋友,其次是朋友的朋友。当然只有按添加顺序查找时,才能达到搜索的目的。举个例子,张三是自己的朋友,李四是张三的朋友,但是李四先添加到名单中时,假设张三和李四都是收苹果的,但是由于添加顺序不对,必定会先搜索李四,然后再搜索张三,这样的话只是搜索到了苹果经销商,但没搜索到最近的朋友。
别忘了广度优先搜索需要解决两个问题:第一个是存在吗?第二个是最短吗?
但是这种按照顺序存储的数据结构竟然存在,它的专业术语叫做“队列”。
数据结构的队列就如同我们吃饭排队,秉承先来后到的原则,先到的先吃饭。队列类似于栈,你不能随机地访问队列中的元素,队列只支持两种操作:入队和出队。
队列是一种先进先出的数据结构(First in First Out,FIFO)
3、 代码实现
package cn.yanhao.breadthfirstsearch;/** * 定义图类*/public class Graph {private final int Max_VERTS = 6; //图中顶点的个数private Vertex vertexList[]; //用来存储顶点的数组//用邻接矩阵来存储边,数组元素表示没有边界,1表示有边界private int adjMat[][];private int nVerts; //顶点个数private QueueX queue; //用队列实现广度优先搜索/*顶点类 */class Vertex{public char label;public boolean wasVisited;public Vertex(char label){this.label = label;wasVisited = false; } } Graph(){//顶点数组长度初始化为20vertexList = new Vertex[Max_VERTS];//初始化20x20矩阵adjMat = new int[Max_VERTS][Max_VERTS];nVerts = 0; //初始化顶点个数为0 //初始化邻接矩阵所有元素都为0,即所有顶点没有边for (int i = 0; i < Max_VERTS; i++) {for (int j = 0; j < Max_VERTS; j++) {adjMat[i][j] = 0; } }queue = new QueueX(); }//将顶点添加到数组中,是否访问位置置为wasVisited = false(未访问)public void addVertex(char lab){//先添加在加1vertexList[nVerts++] = new Vertex(lab); }//用邻接矩阵表示边,是对称的,两部分都要赋值public void addEdge(int start,int end){adjMat[start][end] = 1;adjMat[end][start] = 1; }//打印某个顶点表示的值public void displayVertex(int v){ System.out.print(vertexList[v].label+""); }//找到与某一顶点邻接且未被访问的顶点public int getAdjUnvisitedVertex(int v){for (int i = 0; i < nVerts; i++) {//v顶点与i顶点相邻且未被访问if(adjMat[v][i] == 1 && vertexList[i].wasVisited == false){return i; } }return -1; }/** * 广度优先搜索* 1、用remove方法检查栈顶* 2、试图找到这个顶点还未被访问的邻接点* 3、如果没有找到,该顶点出列* 4、如果找到这样的顶点,访问这个顶点,并把它放入队列中*/public void breadthFirstSearch() {//第一个顶点可访问vertexList[0].wasVisited = true;//打印第一个顶点的值displayVertex(0);//队列插入第一个元素queue.insert(0);int v2;//如果队列不为空while(!queue.isEmpty()){int v1 = queue.remove();while ((v2 = getAdjUnvisitedVertex(v1)) != -1){vertexList[v2].wasVisited = true; displayVertex(v2);queue.insert(v2); } }//搜索完毕,初始化,便于下次搜索for (int i = 0; i < nVerts; i++) {vertexList[i].wasVisited = false; } }public static void main(String[] args) { Graph graph = new Graph(); graph.addVertex('A'); graph.addVertex('B'); graph.addVertex('C'); graph.addVertex('D'); graph.addVertex('E'); graph.addEdge(0,1); //ABgraph.addEdge(1,2); //BCgraph.addEdge(0,3); //ADgraph.addEdge(3,4); //DESystem.out.println("广度优先搜索算法:"); graph.breadthFirstSearch(); } } |