数据结构与算法学习笔记十三--图

1. 图的基本介绍

为什么要有图？(^ V ^?)
因为

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. 当我们需要表示多对多的关系时，这里我们就用到了图。

1.1 图的举例说明

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。两个节点之间的连接称为边。

1.2 图的常用概念

1. 顶点（vertex）
2. 边（edge）
3. 路径
4. 无向图（下图）
   
5. 有向图（下图）
   
6. 带权图（下图）
   

1.3 图的表示方法

图的表示方式有两种：二维数组表示（邻接矩阵）；链表表示（邻阶表）。
1. 领接矩阵
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，矩阵的row和col表示的是1.。。n个点。

2. 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，会造成空间的一定损失。
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。
   

说明：

1. 标号为0的节点的相关联的节点为 1，2 ， 3， 4
2. 标号为1的节点的相关联节点为 0 ， 4
3. 标号为2的节点相关联的节点为 0 ， 4 ， 5

2. 图的深度优先遍历介绍

2.1 图遍历介绍

所谓图的遍历，即是对节点的访问。一个图有那么多个节点，如何遍历这些节点，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

2.2 图的深度优先搜索（Depth First Search）

1. 深度优先遍历，从初始访问节点出发，初始访问节点可能有多个邻接节点，深度优先遍历的策略就是首先访问第一个邻接节点，然后再以这个被访问的邻接节点作为初始节点，访问他的第一个邻接节点，可以这样理解：每次都在访问完当前节点后首先访问当前节点的第一个邻接节点。
2. 我们可以看到，这样的访问策略是优先往纵向挖掘深入，而不是对一个节点的所有邻接节点进行横向访问。
3. 显然，深度优先搜索是一个递归的过程。

2.2.1 深度优先遍历算法步骤

1. 访问初始节点v，并标记节点v为已访问。
2. 查找节点v的第一个邻接节点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的下一个节点继续。
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. 查找节点v的w邻接节点的下一个邻接节点，转到步骤3.

3. 图的广度优先遍历

3.1 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节点的顺序，以便按这个顺序来访问这些节点的邻接节点。

3.2 广度优先遍历算法步骤

1. 访问初始节点v并标记节点v为已访问
2. 节点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，取出队头节点u。
5. 查找节点u的第一个邻接节点w。
6. 若节点u的邻接节点w不存在，则转到步骤3；否则循环执行以下三个步骤：
   6.1） 若节点w尚未被访问，则访问节点w并标记为已访问。
   6.2） 节点w入队列
   6.3） 查找节点u的继w邻接节点后的下一个邻接节点w，转到步骤6。

4. 图的深度优先 vs 图的广度优先

深度优先遍历顺序 1->2->4->8->5->3->6->7
广度优先遍历顺序 1->2->3->4->5->6->7->8

5. 深度优先和广度优先的代码实现

public class Graph {
   

    private ArrayList<String> vertexList;//存储顶点集合
    private int[][] edges;//存储图对应的邻接矩阵
    private int numOfEdges;//表示边的数目
    // 定义数组boolean[],记录某个节点是否被访问
    private boolean[] isVisited = new boolean[5];

    public static void main(String[] args) {
   
        int n = 5;//节点的个数
        String VertexValue[] = {
   "A","B","C","D","E"};
        // 创建图对象
        Graph graph = new Graph