图

1.图基本介绍

1.1为什么要有图

线性表局限于一个直接前驱和一个直接后继的关系
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

1.2图的常用概念

• 顶点(vertex)
• 边(edge)
• 路径
• 无向图(右图)
• 无向图： 顶点之间的连接没有方向，比如A-B，即可以是 A-> B 也可以 B->A
• 路径：比如从 D -> C 的路径有D->B->C 和D->A->B->C
  
• 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：这种边带权值的图也叫网
  

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）

2.1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

2.2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
邻接表说明：
标号为0的结点的相关联的结点为 1 2 3 4
标号为1的结点的相关联结点为 0 4
标号为2的结点相关联的结点为 0 4 5
…

3.图的创建

3.1代码思路

邻接矩阵法：

• 存储顶点：ArrayList
• 存储矩阵：int[][]
• 存储边数：Integer

3.2图的定义

图的定义：

• vertexList ：存储顶点集合
• edges ：邻结矩阵
• numOfEdges ：边的数目（每添加一条边，numOfEdges 加一）

class Graph {
   	

	private ArrayList<String> vertexList; //存储顶点集合
	private int[][] edges; //存储图对应的邻结矩阵
	private int numOfEdges; //表示边的数目
	
	//构造器
	public Graph(int n) {
   
		//初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;
		
	}
	
	//插入结点
	public void insertVertex(String vertex) {
   
		vertexList.add(vertex);
	}
	//添加边
	/**
	 * 
	 * @param v1 第二个顶点对应的下标
	 * @param v2 第二个顶点对应的下标
	 * @param weight 表示权值，0：不连接；1：连接
	 */
	public void insertEdge(int v1, int v2, int weight) {
   
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}
	
	//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[] link : edges) {
   
			System.out.println(Arrays.toString(link));
		}
	}
}

代码测试

public static void main(String[] args) {
   
    //测试一把图是否创建ok
    String Vertexs[] = {
   "A", "B", "C", "D", "E"};
    int n = Vertexs.length;  //结点的个数
    // String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};

    //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
    //A-B A-C B-C B-D B-E 
    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
    //显示一把邻结矩阵
    graph.showGraph();

}

程序运行结果

[0, 1, 1, 0, 0]
[1, 0, 1, 1, 1]
[1, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
[0, 1, 0, 0, 0]

4.图的遍历

4.1深度优先和广度优先

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

4.2图的深度优先遍历

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

4.2.1代码思路

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
  • 如果 w 存在
    • 如果 w 未被访问过，先标记 w 已被访问过，然后把 w 当做下一个 v ，查找 w 的第一个邻接点，继续执行深度遍历（这是个递归的过程）
    • 如果 w 已经被访问过，则跳过此节点
  • 如果 w 不存在，说明 v 真的没有下一个邻接点了，已经到头了，我们回到节点 v ，将从v的下一个结点继续查找
• 经过如上步骤，图中可能还有其他顶点未被访问，继续从下一个顶点执行如上操作

如何找到当前顶点的下一个邻接点？
假设当前正在遍历的顶点索引为 i ，顶点 i 的边信息存储在 edges[][]数组中第 i 行
假设顶点 i 的当前遍历到的邻接点索引为 j ，即已经遍历到了 第 edges[i][j]处，需要从 edges[i][j]之后去找顶点 i 的下一个邻接点索引

举例说明：

访问顶点 A 后输出 A ，A 的第一个邻接点是 B ，B 未被访问过，我们访问顶点 B

访问顶点 B 后输出 A–> B
B 的第一个邻接点 A 已经被访问过了
B 的第二个邻接点 C 还未被访问过，我们访问节点 C

访问节点 C
C 的第一个邻接点是 A ，然而 A 已经访问过了
C 的下一个邻接点是 B ，然而 B 也已经访问过了
除此之外，C 再也没有其他邻接点
我们回到顶点 B ，访问节点 B 的下一个邻接点：顶点 D

访问顶点 D 后输出 A --> B --> C --> D ，D 没有邻接节点，所以又返回到顶点 B ，访问顶点 B 的下一个邻接点：顶点 E
访问顶点 E 后输出 A --> B --> C --> D --> E，E 没有邻接节点，所以又返回到顶点 B
B 的所有邻接点都访问过了，返回到顶点 A
以上所有操作仅是一轮，还需要再对图中其他顶点进行以上操作

总结：

• 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࿰