基本介绍
(1)为什么要有图
1)前面我们学习了线性表和树
2)现行变局限于一个直接前驱和一个直接后继的关系
3)树也只能有一个直接前驱也就是父节点
4)当我们需要表示多对多的关系时,这里我们就用得到了图
(2)图的举例说明
图示一种数据结构,其中节点可以具有零个或者多个相邻元素,两个节点之间的连接称为边,节点也可以称为顶点
(3)图的常用概念
1)顶点
2)边
3)路径
4)无向图:顶点之间的连接没有方向
5)有向图
6)带权图
(4)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)
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,矩阵的row和col表示的是1…n个点
(5)图的深度优先遍历介绍
所谓图的遍历,就是对节点的访问,一个图有那么多个节点,如何遍历这些节点,需要特定的策略
一般有两种访问策略:
1-深度优先遍历
2-广度优先遍历
1)图的深度优先遍历
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
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,访问它的第一个邻接节点
可以这么理解: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-深度优先搜索是一个递归的过程
深度优先遍历算法步骤
1-访问初始节点v,并且标记节点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,则返回到第1步,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(也就是把w节点当做又一个v节点,递归执行上述123步骤)
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
2)图的广度优先遍历
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一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
广度优先遍历算法步骤
1-访问初始节点v并且标记节点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,取得队头节点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还没有被访问,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
总结一下:
遍历依据的是“邻接矩阵”
从矩阵的第一行开始,找到第一个节点
如果是深度优先,那就是先从第一行找1,找到一个以后,就换一行,用刚才找到的那个节点接着找当前行
如果是广度优先,那就是先从第一行找1,并且把第一行找完为止
创建图并测试
public class Graph {
private ArrayList<String> vertexList;//存储顶点的集合
private int[][] edges;//存储图对应的邻接矩阵
private int numofEdges;//表示边的个数
//定义给数组boolean[],记录某个节点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
//测试一把图是否创建ok
int n = 5;//节点的个数
String Vertexs[] = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(n);
//循环的添加顶点
for (String vertexValue : Vertexs) {
graph.insertVertex(vertexValue);
}
//添加边
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);
//测试显示一把邻接矩阵
graph.showGraph();
//测试一把深度遍历dfs
System.out.println("深度优先遍历:");
graph.dfs();//A-B-C-D-E
System.out.println();
//测试一把广度优先bfs
System.out.println("广度优先遍历:");
graph.bfs();//A-B-C-D-E
}
/**
* 构造器
*
* @MethodName: Graph
* @Author: AllenSun
* @Date: 2019/11/15 20:50
*/
public Graph(int n) {
//初始化矩阵和vertexList
edges = new int[n][n];//创建一个n*n的矩阵
vertexList = new ArrayList<String>(n);
numofEdges = 0;
}
/**
* 得到第一个邻接节点的下标w(开始准备深度遍历)
* 横向向下寻找节点,先找到第一个邻接节点,然后再找下一个
* 如果能找到就返回对应的下标,找不到就返回-1
*
* @MethodName: getFirstNeighbor
* @Author: AllenSun
* @Date: 2019/11/15 21:44
*/
public int getFirstNeighbor(int index) {
for (int i = 0; i < vertexList.size(); i++) {
//判断
if (edges[index][i] > 0) {
//说明下一个节点是存在的
return i;
}
}
//否则返回一个-1
return -1;
}
//
/**
* 根据前一个邻接节点的下标来获取下一个邻接节点
* 上面已经找了第一个邻接节点,接下来就是顺着往下找了
*
* @MethodName: getNextNeighbor
* @Author: AllenSun
* @Date: 2019/11/15 21:49
*/
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;
}
/**
* 深度遍历
* 方法传入的参数是“数组isVisited”和下标“i”
* isVisited表示的是布尔型数组,记录的是某个节点有没有被访问过,如果访问过就绕过了
* i就是节点的下标
* 方法通过这两个参数开始访问初始节点,并且标记节点为已访问
*
* @MethodName: dfs
* @Author: AllenSun
* @Date: 2019/11/15 21:51
*/
public void dfs(boolean[] isVisited, int i) {
//1-访问初始节点v,并且标记节点v为已访问
// 首先访问该节点,也就是输出这个节点
System.out.print(getValueByIndex(i) + "->");
// 把上面访问了的节点设为已访问
isVisited[i] = true;
//2-查找节点v的第一个邻接节点w
//找到下标为i的节点的下一个邻接节点
int w = getFirstNeighbor(i);
//如果w不为-1,就说明找到了下一个邻接节点
while (w != -1) {
//有邻接节点,但是要判断一下是不是已经被访问过了
if (!isVisited[w]) {
//如果被有被访问过,那就对w进行深度优先遍历递归,开始递归重复上述步骤
dfs(isVisited, w);
}
//如果w节点已经被访问过了,那就应该查找w的下一个邻接节点
w = getNextNeighbor(i, w);
}
}
//对dfs进行重载,上面的dfs没有实现一种情况:当下一个邻接节点w不存在的时候,就要返回第一步
//遍历我们所有的节点,并且进行dfs
public void dfs() {
isVisited = new boolean[5];
//遍历所有的节点,进行dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
/**对一个节点进行图的广度优先遍历
* 只针对一个节点,并不是针对全部节点
* @MethodName: bfs
* @Author: AllenSun
* @Date: 2019/11/15 23:29
*/
public void bfs(boolean[] isVisited, int i) {
int u;//表示队列的头结点对应下标
int w;//节点u的第一个邻接节点w
//需要一个队列,用LinkedList来实现队列,在广度遍历时,先遍历邻接矩阵第一行,要把这一行遍历到的节点入队列
LinkedList queue = new LinkedList();
//访问结点,输出
System.out.print(getValueByIndex(i) + "->");
//标记为已访问
isVisited[i] = true;
//将节点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {
//取出队列的头结点下标
u = (Integer) queue.removeFirst();
//得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
while (w != -1) {
//不为-1,说明这个节点能够找到
//判断是否访问过
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "->");
//标记已经访问
isVisited[w] = true;
//访问后入队列
queue.addLast(w);
}
//以u为前驱节点,找w后面的下一个邻接点
w = getNextNeighbor(u, w);//体现出我们的广度优先
}
}
}
//遍历所有的节点,都进行广度优先搜索,重载bfs方法
public void bfs(){
isVisited = new boolean[5];
for (int i = 0; i < getNumOfVertex(); i++) {
if(!isVisited[i]){
bfs(isVisited,i);
}
}
}
//图中常用的方法
/**
* 返回节点的个数
*
* @MethodName: getNumOfVertex
* @Author: AllenSun
* @Date: 2019/11/15 20:50
*/
public int getNumOfVertex() {
return vertexList.size();
}
/**
* 显示图对应的矩阵
*
* @MethodName: showGraph
* @Author: AllenSun
* @Date: 2019/11/15 20:50
*/
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
/**
* 得到边的数目
*
* @MethodName: getNumofEdges
* @Author: AllenSun
* @Date: 2019/11/15 20:50
*/
public int getNumofEdges() {
return numofEdges;
}
/**
* 返回节点i下标对应的数据
*
* @MethodName: getValueByIndex
* @Author: AllenSun
* @Date: 2019/11/15 20:51
*/
public String getValueByIndex(int i) {
return vertexList.get(i);
}
/**
* 返回v1和v2,的权值
*
* @MethodName: getWeight
* @Author: AllenSun
* @Date: 2019/11/15 20:51
*/
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
/**
* 插入节点
*
* @MethodName: insertVertex
* @Author: AllenSun
* @Date: 2019/11/15 20:51
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
*
* @MethodName: insertEdge
* @Author: AllenSun
* @Date: 2019/11/15 20:52
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numofEdges++;
}
}