图的基本介绍
引入
1) 线性表局限于一个直接前驱和一个直接后继的关系
2) 树也只能有一个直接前驱也就是父节点
3) 当需要表示多对多的关系时, 这里我们就用到了图
图的举例
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。如图:
图的常用概念
1) 顶点(vertex)
2) 边(edge)
3) 路径,与有向图、无向图相关。
4) 无向图(右图
5) 有向图
6) 带权图,也叫网,边带权值。
图的表示
图的表示方式有两种:二维数组表示(邻接矩阵);链表(+数组)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。
上图中,0表示不直接连接,有时也用无穷大表示,1表示直接连通。
邻接表
1) 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,会造成的空间损失.
2) 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。多个结点,用多条链表表示,再用数组管理这多个链表。
图的实现案例
创建图的要求
用代码实现下图结构。
创建图的思路
(1) 存储顶点 用String类型, 使用 ArrayList存储。
(2) 保存矩阵 int[][] edges,为邻接矩阵。
生成图的邻接矩阵的相关方法:
基本属性及初始化:
private ArrayList<String> vertexList;//存储顶点
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的个数
//构造器 初始化工作
public Graph(int n) {
//初始化邻接局矩阵
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;//初始化0
}
插入结点的方法:
//插入结点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
添加边:
//添加边
/**
* @param v1 表示点的下标 即 第几个顶点 如:A-0;B-1;C-2
* @param v2 表示第二个顶点的下标
* @param weight 表示权值关系 连接 1 未连接 0
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
图的常用方法:包括 返回结点个数、得到边的数目、返回结点下标对应的数据、返回某两点之间的路径值、显示图对应的邻接矩阵。
//----图的常用方法-------/
//方法:返回结点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//方法:得到边的数目
public int getNumOfEdges() {
return numOfEdges;
}
//方法:返回结点i(下标)对应的数据 如 0-->A;1-->B;2-->C
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//方法:返回 v1和v2的权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
//显示图 ——显示邻接矩阵
public void showGraph() {
//相当于遍历邻接矩阵
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
测试,创建图对应的邻接矩阵:
public static void main(String[] args) {
//测试图的创建
int n = 5;//结点个数
String[] vertexs = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(n);
//循环添加顶点
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);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
//显示 邻接矩阵
graph.showGraph();
}
创建结果
图的深度优先遍历(DFS)
图遍历介绍
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
1) 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。
2) 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。
3) 深度优先搜索是一个递归的过程
思路图解:
深度优先搜索的步骤
1) 访问初始结点 v,并标记结点 v 为已访问。
2) 查找结点 v 的第一个邻接结点 w。
3) 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。
4) 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)。
5) 查找结点 v 的 w 邻接结点的下一个邻接结点,转到步骤 3
代码实现
main:
//测试 深度优先遍历
graph.dfs();//
///遍历的相关方法///
//得到第一个邻接结点的下标 w
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;//说明下一个邻接点存在返回下标
}
}
return -1;//不存在,返回-1
}
//根据前一个邻接结点的下标来获取下一个邻接结点
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
return j;//存在 并返回对应下标
}
}
return -1;
}
//深度优先遍历方法
//i第一次就是0
public void dfs(boolean[] isVisited, int i) {
//首先访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
//将结点设置为已访问
isVisited[i] = true;
//查找结点i 的第一个邻接结点
int w = getFirstNeighbor(i);
while (w != -1) {//说明有 找到了
if (!isVisited[w]) {
dfs(isVisited, w);
}
//如果w 结点 已经被访问,查找邻接点的下一个结点
w = getNextNeighbor(i, w);
}
}
//对 dfs进行重载,遍历所有结点,斌进行dfs
public void dfs() {
//遍历所有结点,进行dfs
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
代码结果
图的广度优先遍历(BFS)
广度优先搜索的基本思想
1) 图的广度优先搜索(Broad First Search) 。
2) 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
1) 访问初始结点 v 并标记结点 v 为已访问。 2) 结点 v 入队列
3) 当队列非空时,继续执行,否则算法结束。
4) 出队列,取得队头结点 u。
5) 查找结点 u 的第一个邻接结点 w。
6) 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。
代码实现
main:
//测试,广度优先遍历
System.out.println("\n广度优先遍历");
graph.bfs();
///广度优先遍历///
//对一个结点进行广度优先遍历
private void bfs(boolean[] isVisited, int i) {//i初始结点
int u;//表示队列的头节点对应的下标
int w;//邻接结点的下标
//队列,记录结点访问顺序
LinkedList queue = new LinkedList();
//访问结点,即输出结点信息
System.out.print(getValueByIndex(i) + "->");
//标记为已访问
isVisited[i] =true;
//将结点加入队列
queue.addLast(i);
while (! queue.isEmpty()) {
//取出队列的头结点下标
u = (Integer) queue.removeFirst();
//得到第一个邻接结点的下标 w
w = getFirstNeighbor(u);
while (w != -1) {//找到
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "->");
//标记已经访问
isVisited[w] = true;
//入队列
queue.addLast(w);
}
//已经访问过了,以u 为起始点,找w 后面的下一个邻接结点
w = getNextNeighbor(u, w);//体现出广度优先
}
}
}
//遍历所有的结点,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);
}
}
}
结果:
图的所有代码汇总
package com.study.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList;//存储顶点
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的个数
//定义boolean数组,记录某个结点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
//测试图的创建
int n = 5;//结点个数
String[] vertexs = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(n);
//循环添加顶点
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);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
//显示 邻接矩阵
graph.showGraph();
//测试 深度优先遍历
// System.out.println("深度优先遍历");
// graph.dfs();//
//测试,广度优先遍历
System.out.println("\n广度优先遍历");
graph.bfs();
}
//构造器 初始化工作
public Graph(int n) {
//初始化邻接局矩阵
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;//初始化0
isVisited = new boolean[n];
}
//插入结点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
//添加边
/**
* @param v1 表示点的下标 即 第几个顶点 如:A-0;B-1;C-2
* @param v2 表示第二个顶点的下标
* @param weight 表示权值关系 连接 1 未连接 0
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//----图的常用方法-------/
//方法:返回结点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//方法:得到边的数目
public int getNumOfEdges() {
return numOfEdges;
}
//方法:返回结点i(下标)对应的数据 如 0-->A;1-->B;2-->C
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//方法:返回 v1和v2的权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
//显示图 ——显示邻接矩阵
public void showGraph() {
//相当于遍历邻接矩阵
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
///遍历的相关方法///
//得到第一个邻接结点的下标 w
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;//说明下一个邻接点存在返回下标
}
}
return -1;//不存在,返回-1
}
//根据前一个邻接结点的下标来获取下一个邻接结点
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
return j;//存在 并返回对应下标
}
}
return -1;
}
//深度优先遍历方法
//i第一次就是0
public void dfs(boolean[] isVisited, int i) {
//首先访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
//将结点设置为已访问
isVisited[i] = true;
//查找结点i 的第一个邻接结点
int w = getFirstNeighbor(i);
while (w != -1) {//说明有 找到了
if (!isVisited[w]) {//还没有访问,就递归访问
dfs(isVisited, w);
}
//如果w 结点 已经被访问,查找邻接点的下一个结点
w = getNextNeighbor(i, w);
}
}
//对 dfs进行重载,遍历所有结点,斌进行dfs
public void dfs() {
//遍历所有结点,进行dfs
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
///广度优先遍历///
//对一个结点进行广度优先遍历
private void bfs(boolean[] isVisited, int i) {//i初始结点
int u;//表示队列的头节点对应的下标
int w;//邻接结点的下标
//队列,记录结点访问顺序
LinkedList queue = new LinkedList();
//访问结点,即输出结点信息
System.out.print(getValueByIndex(i) + "->");
//标记为已访问
isVisited[i] =true;
//将结点加入队列
queue.addLast(i);
while (! queue.isEmpty()) {
//取出队列的头结点下标
u = (Integer) queue.removeFirst();
//得到第一个邻接结点的下标 w
w = getFirstNeighbor(u);
while (w != -1) {//找到
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "->");
//标记已经访问
isVisited[w] = true;
//入队列
queue.addLast(w);
}
//已经访问过了,以u 为起始点,找w 后面的下一个邻接结点
w = getNextNeighbor(u, w);//体现出广度优先
}
}
}
//遍历所有的结点,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);
}
}
}
}
广度优先和深度优先的比较
通过两种遍历结果可以看到,两种算法结果不同。