1)文笔有限,如果发现博客有书写有误的地方恳请读者直言不讳,我一定会第一时间改正。
2)代码的具体实现可以参考代码中的注释,如果由于注释不清楚而不明白相应原理,可以与作者私聊。码字不易,有兴趣的小伙伴点个赞呗,大家相互学习。
3)本篇博客为数据结构系列第三部分:图,如需了解数据结构的其它部分,欢迎点击链接。
传送门:
1 为什么需要图这种数据结构
- 线性表局限在只有一个直接前驱和一个直接后继的关系;
- 树虽然有多个直接后继,但是也只能有一个直接前驱,即父节点;
- 图就可以完成多个直接前驱和多个直接后继的功能。
2 图的种类
图是一种数据结构,其中节点可以具有零个或多个相邻元素,同时两个节点之间的连接称为边。
3 图的表示方式
图的表示方式有两种,一种是利用二维数组(邻接矩阵)来表示,另一种是利用一维数组+链表(邻接表)来表示。
3.1 邻接矩阵
邻接矩阵是表示图中节点之间相邻关系的矩阵,对于 n 个节点的图而言,矩阵中的 row 和 col 表示的是 1…n 个点。
3.2 邻接表
邻接矩阵需要为每个节点都分配 n 个边的空间,然而事实上有很多边都是不存在的,会造成空间的一定损失。这个时候就需要邻接表,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,邻接表由数组+链表组成。
4 图的实现
下面我用邻接矩阵来实现图这一数据结构。
4.1 思路
利用一个 ArrayList 集合来存储 String 顶点,使用一个二维数组 int[][] edges
来存储边。
需求:用邻接矩阵来实现如下所示的图:
4.2 代码实现
代码已经走通。
import java.util.ArrayList;
import java.util.Arrays;
public class GraphDemo{
public static void main(String[] args) {
//节点的个数
int n=8;
//待插入的节点
String[] vertexs ={"1", "2", "3", "4", "5", "6", "7", "8"};
//示例化一个图对象
Graph graph=new Graph(8);
//循环的添加顶点
for(String vertex: vertexs) {
graph.insertVertex(vertex);
}
//更新边的关系
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);
//显示一把邻结矩阵
graph.showGraph();
}
}
class Graph {
/**
* 存储顶点集合
*/
public ArrayList<String> vertexList;
/**
* 存储图对应的邻结矩阵
*/
public int[][] edges;
//表示边的数目
public int numOfEdges;
/**
* 构造器
* @param n 顶点的个数
*/
public Graph(int n) {
//初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
/**
* 插入节点
* @param vertex 节点的名称
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 插入边
* @param v1 v1节点的在集合中的下标
* @param v2 v2节点的在集合中的下标
* @param weight 边的权重
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
/**
* 得到边的数目
*/
public int getNumOfEdges() {
return numOfEdges;
}
/**
* 返回结点i(下标)对应的数据,如示例中,0->"A" 1->"B" 2->"C"
* @param i 下标
* @return 数组
*/
public String getValueByIndex(int i) {
return vertexList.get(i);
}
/**
* 返回连接v1和v2边的的权值
* @param v1
* @param v2
* @return
*/
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
/**
* 显示图对应的矩阵,不包括节点
*/
public void showGraph() {
for(int[] link : edges) {
//直接输出数组的元素
System.err.println(Arrays.toString(link));
}
}
}
5 图的遍历
图的遍历就是依次访问所有的节点,其分为深度优先遍历和广度优先遍历。
5.1 图的深度优先遍历
5.1.1 定义
一个图有很多的节点,如果遍历这些节点,需要一些特定策略,首先介绍的是深度优先遍历策略(Depth First Search)。
深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。
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。
5.1.2 算法步骤
- 访问初始节点 i,并标记节点 i 为已访问;
- 查找节点 i 的第一个邻接节点 w;(“第几个” 的定义是根据构建图的数组中各元素的关系来决定;“邻接节点” 的定义是这两个节点之间有边相连来决定)
- 如果 w 不存在,则回到第一步,从 i 的下一个节点继续;
- 如果 w 存在,则继续后续的第3步;
- 判断:
- 如果 w 未被访问过,则对 w 进行深度优先遍历递归;(即把 w 当做另一个 i,然后进行步骤 1 和步骤 2);
- 如果 w 已经被访问了,则查找节点 i 的 w 邻接节点的下一个邻接结点,转到步骤 2;
5.1.3 实例与代码实现
实例:利用深度优先遍历实现下面 图 的遍历。
代码实现:
import java.util.ArrayList;
import java.util.Arrays;
public class DFSGraphDemo {
public static void main(String[] args) {
//节点的个数
int n = 8;
//待插入的节点
String[] vertexs = {"1", "2", "3", "4", "5", "6", "7", "8"};
//示例化一个图对象
DFSGraph graph = new DFSGraph(8);
//循环的添加顶点
for (String vertex : vertexs) {
graph.insertVertex(vertex);
}
//更新边的关系
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);
//显示一把邻结矩阵
graph.showGraph();
//深度优先遍历
//1->2->4->8->5->3->6->7
graph.dfs();
}
}
class DFSGraph {
/**
* 存储顶点集合
*/
public ArrayList<String> vertexList;
/**
* 存储图对应的邻结矩阵
*/
public int[][] edges;
//表示边的数目
public int numOfEdges;
//定义给数组boolean[], 记录某个结点是否被访问
private boolean[] isVisited;
/**
* 构造器
*
* @param n 顶点的个数
*/
public DFSGraph(int n) {
//初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
/**
* 插入节点
*
* @param vertex 节点的名称
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 插入边
*
* @param v1 v1节点的在集合中的下标
* @param v2 v2节点的在集合中的下标
* @param weight 边的权重
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
/**
* 返回结点的个数
*
* @return
*/
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,如示例中,0->"A" 1->"B" 2->"C"
*
* @param i 下标
* @return 数组
*/
public String getValueByIndex(int i) {
return vertexList.get(i);
}
/**
* 返回连接v1和v2边的的权值
*
* @param v1
* @param v2
* @return
*/
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
/**
* 显示图对应的矩阵,不包括节点
*/
public void showGraph() {
for (int[] link : edges) {
//直接输出数组的元素
System.err.println(Arrays.toString(link));
}
}
//下面是深度优先遍历加上的
/**
* 得到第一个邻接结点的下标 w
*
* @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 j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
/**
* 根据前一个邻接结点的下标来获取下一个邻接结点
*
* @param v1
* @param v2
* @return
*/
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
return j;
}
}
return -1;
}
private void dfs(boolean[] isVisited, int i) {
//首先我们访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
//将结点设置为已经访问
isVisited[i] = true;
//查找结点i的第一个邻接结点w
int w = getFirstNeighbor(i);
//说明有
while (w != -1) {
if (!isVisited[w]) {
dfs(isVisited, w);
}
//如果w结点已经被访问过
w = getNextNeighbor(i, w);
}
}
//对dfs 进行一个重载, 遍历我们所有的结点,并进行 dfs
public void dfs() {
isVisited = new boolean[vertexList.size()];
//遍历所有的结点,进行dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
}
5.2 图的广度优先遍历
5.2.1 定义
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节点的顺序,以便按这个顺序来访问这些节点的邻接结点。
5.2.2 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,否则当前三步算法结束;
- 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。
5.2.3 实例与代码实现
实例:利用深度优先遍历实现下面 图 的遍历。
代码实现:
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class BFSGraphDemo {
public static void main(String[] args) {
//节点的个数
int n = 8;
//待插入的节点
String[] vertexs = {"1", "2", "3", "4", "5", "6", "7", "8"};
//示例化一个图对象
BFSGraph graph = new BFSGraph(8);
//循环的添加顶点
for (String vertex : vertexs) {
graph.insertVertex(vertex);
}
//更新边的关系
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);
//显示一把邻结矩阵
graph.showGraph();
//深度优先遍历
//1=>2=>3=>4=>5=>6=>7=>8
graph.bfs();
}
}
class BFSGraph {
/**
* 存储顶点集合
*/
public ArrayList<String> vertexList;
/**
* 存储图对应的邻结矩阵
*/
public int[][] edges;
//表示边的数目
public int numOfEdges;
//定义给数组boolean[], 记录某个结点是否被访问
private boolean[] isVisited;
/**
* 构造器
*
* @param n 顶点的个数
*/
public BFSGraph(int n) {
//初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
/**
* 插入节点
*
* @param vertex 节点的名称
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 插入边
*
* @param v1 v1节点的在集合中的下标
* @param v2 v2节点的在集合中的下标
* @param weight 边的权重
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
/**
* 返回结点的个数
*
* @return
*/
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,如示例中,0->"A" 1->"B" 2->"C"
*
* @param i 下标
* @return 数组
*/
public String getValueByIndex(int i) {
return vertexList.get(i);
}
/**
* 返回连接v1和v2边的的权值
*
* @param v1
* @param v2
* @return
*/
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
/**
* 显示图对应的矩阵,不包括节点
*/
public void showGraph() {
for (int[] link : edges) {
//直接输出数组的元素
System.err.println(Arrays.toString(link));
}
}
//下面是深度优先遍历加上的
/**
* 得到第一个邻接结点的下标 w
*
* @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 j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
/**
* 根据前一个邻接结点的下标来获取下一个邻接结点
*
* @param v1
* @param v2
* @return
*/
public int getNextNeighbor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
return j;
}
}
return -1;
}
/**
* 对一个结点进行广度优先遍历的方法
*
* @param isVisited
* @param i
*/
private void bfs(boolean[] isVisited, int i) {
int u; // 表示队列的头结点对应下标
int w; // 邻接结点w
//队列,记录结点访问的顺序。用LinkedList来表示队列。
LinkedList queue = new LinkedList();
//访问结点,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
//是否访问过
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "=>");
//标记已经访问
isVisited[w] = true;
//入队
queue.addLast(w);
}
//以u为前驱点,找w后面的下一个邻结点
w = getNextNeighbor(u, w); //体现出我们的广度优先
}
}
}
//遍历所有的结点,都进行广度优先搜索
public void bfs() {
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
}
5.3 深度与广度优先遍历的比较
我用一个矩阵图来介绍两者的区别。如下图所示,其为某个图的邻接矩阵a[][ ]
表示,为便于理解,接下来我用矩阵的元素位置来说明。
深度优先搜索:
- 首先是
A
,这个时候如矩阵所示,会发现其右边第一个元素a[0][1]
为1
,则说明其邻接节点存在,则用B
来当首节点,因为B
是首节点了,所以看第二行,a[1][0]
访问过,所以跳过,a[1][1]
为0
,跳过,a[1][2]
为1
,所以说明其邻接节点存在,则用C
来当首节点,所以看第三行,a[2][0]
和a[2][1]
访问过了,跳过,后面的都为0
,所以第三行不存在邻接节点。所以回到第一步,用A
的第二个邻接节点C
来继续,会发现不行…… - 然后开始用
B
作为首节点,也就是第二行开始,会发现a[1][3]
为1
,则用D
来当首节点,然后不行,然后用用B
的第二个邻接节点E
来继续,然后不行。 - 然后开始用
C
作为首节点,不行,以此类推,直到结束。 - ……
广度优先搜索:
- 首先是
A
,发现其邻接矩阵B
存在,然后发现B
后面C
存在。 - 然后是
B
,分别发现D
和E
。 - ……
结合邻接矩阵会比较简单。
碎碎念:
数据结构学习完毕,起始于寒假,终止于寒假,Leetcode开始刷起来。