图及图的遍历

最新推荐文章于 2022-08-18 17:49:38 发布

跑马去追XX

最新推荐文章于 2022-08-18 17:49:38 发布

阅读量135

点赞数

分类专栏： java数据结构与算法文章标签：数据结构链表图论

本文链接：https://blog.csdn.net/weixin_44376512/article/details/125126538

版权

java数据结构与算法专栏收录该内容

50 篇文章 0 订阅

订阅专栏

图基本介绍

为什么要有图

前面我们学了线性表和树
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。

图的举例说明

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：
在这里插入图片描述

图的常用概念

顶点(vertex) 2) 边(edge) 3) 路径 4) 无向图(右图
有向图 6) 带权图

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）。

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。
在这里插入图片描述

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
举例说明

图的快速入门案例

要求: 代码实现如下图结构.
思路分析
(1) 存储顶点 String 使用 ArrayList
(2) 保存矩阵 int[][] edges
代码实现

核心代码，汇总在后面

图的深度优先遍历介绍

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: (1)深度优先遍历 (2)广度优先遍历

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

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。
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。
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）。
查找结点 v 的w邻接结点的下一个邻接结点，转到步骤 3。
分析图

深度优先算法的代码实现

核心代码
    //深度优先遍历算法
    // i 第一次就是 0
    public 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);
        while (w != -1) {//说明有
            if (!isVisited[w]) {
                dfs(isVisited, w);
            }
            //如果w结点已经被访问过
            w = getNextNeighbor(i, w);
        }
    }

图的广度优先遍历

广度优先遍历基本思想

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

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。

广度优先算法的图示

在这里插入图片描述

广度优先算法的代码实现

核心代码
    //对一个结点进行广度优先遍历的方法
    public 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
        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]) {
                    //是否访问过
                    isVisited[w] = true;
                    System.out.print(getValueByIndex(w) + "->");
                    //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);
            }
        }
    }

图的代码汇总

package com.iflytek.graph;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;

public class Graph {
    //存储顶点集合
    private ArrayList<String> vertexList;
    //存储图对应的邻结矩阵
    private int[][] edges;
    //表示边的数目
    private int numOfEdge;
    //定义给数组 boolean[], 记录某个结点是否被访问
    private boolean[] isVisited;

    public static void main(String[] args) {
        //测试一把图是否创建 ok
        int n = 5;//结点的个数
        String vertexs[] = {"A", "B", "C", "D", "E"};
        //创建图对象
        Graph graph = new Graph(n);
        //循环添加节点
        for (String vertex : vertexs) {
            graph.insertVertex(vertex);
        }
        //添加边 //A-BA-C B-C B-D B-E

        graph.insertEdges(0, 1, 1); // A-B
        graph.insertEdges(0, 2, 1);
        graph.insertEdges(1, 2, 1);
        graph.insertEdges(1, 3, 1);
        graph.insertEdges(1, 4, 1);
        //更新边的关系
//        graph.insertEdges(0, 1, 1);
//        graph.insertEdges(0, 2, 1);
//        graph.insertEdges(1, 3, 1);
//        graph.insertEdges(1, 4, 1);
//        graph.insertEdges(3, 7, 1);
//        graph.insertEdges(4, 7, 1);
//        graph.insertEdges(2, 5, 1);
//        graph.insertEdges(2, 6, 1);
//        graph.insertEdges(5, 6, 1);

        //显示一把邻结矩阵
        graph.showGraph();
        //测试一把，我们的 dfs 遍历是否 ok
        System.out.println("深度遍历");
        graph.dfs(); // A->B->C->D->E [1->2->4->8->5->3->6->7]

        System.out.println();
        System.out.println("广度优先!");
        graph.bfs(); // A->B->C->D-E [1->2->3->4->5->6->7->8]
    }

    //构造器
    public Graph(int n) {
        //初始化矩阵和 vertexList
        edges = new int[n][n];
        vertexList = new ArrayList<>(n);
        numOfEdge = 0;
    }
    //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 i = 0; i < vertexList.size(); i++) {
            if (edges[index][i] > 0) {
                return i;
            }
        }
        return -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 i = v2 + 1; i < vertexList.size(); i++) {
            if (edges[v1][i] > 0) {
                return i;
            }
        }
        return -1;
    }

    //图中常用的方法
    // 返回结点的个数
    public int getNumOfVertex() {
        return vertexList.size();
    }

    //显示图对应的矩阵
    public void showGraph() {
        for (int[] edge : edges) {
            System.err.println(Arrays.toString(edge));
        }
    }

    //得到边的数目
    public int getNumOfEdge() {
        return numOfEdge;
    }


    //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];
    }

    //插入结点
    public void insertVertex(String vertex) {
        vertexList.add(vertex);
    }
    //添加边

    /**
     * @param v1     表示点的下标即使第几个顶点 "A"-"B" "A"->0 "B"->1
     * @param v2     第二个顶点对应的下标
     * @param weight 表示权重
     */
    public void insertEdges(int v1, int v2, int weight) {
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdge++;
    }

    //深度优先遍历算法
    // i 第一次就是 0
    public 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);
        while (w != -1) {//说明有
            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);
            }

        }
    }

    //对一个结点进行广度优先遍历的方法
    public 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
        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]) {
                    //是否访问过
                    isVisited[w] = true;
                    System.out.print(getValueByIndex(w) + "->");
                    //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);
            }
        }

    }

    //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);
            }
        }
    }
}

跑马去追XX

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
图及图的遍历

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：图的表示方式有两种：二维数组表示（邻接矩阵）；链表表示（邻接表）。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。图的深度优先遍历介绍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: (1)深度优先遍历 (2)广度优先遍历图的深度优先搜索(Depth
复制链接

扫一扫