文章目录
数据结构之图
1. 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
2. 基本介绍
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。
2.1 图的基本概念
顶点(vertex)
边(edge)
路径
无向图(下图)
有向图
带权图
3. 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)。
3.1 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,矩阵是的 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。
4. 图的快速入门
属性:
private ArrayList<String> vertexList;
储存顶点的集合private int[][] edges;
储存图对应的 邻结矩阵private int numOfEdges;
表示边的数目
方法:
public void insertVertex(String vertex);
插入节点的方法public void insertEdge(int v1,int v2,int weight);
插入边的方法public int getNumOfVertex();
返回节点的个数public int getNumOfEdges();
返回边的条数public String getValueByIndex(int i);
返回节点 i 下标对应的数据 0–>Apublic int getWeight(int v1,int v2);
返回v1
和v2
的权值public void showGraph();
显示图对应的矩阵
public class Graph {
//储存定点的集合
private ArrayList<String> vertexList;
//储存图对应的 邻结矩阵
private int[][] edges;
//表示边的数目
private int numOfEdges;
/*
* 构造器
*/
public Graph(int n){
//初始化矩阵和ArrayList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
/**
* 插入节点
* @param vertex
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
* @param v1
* @param v2
* @param weight
*/
public void insertEdge(int v1,int v2,int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
/**
* 图中常用的方法
*/
/**
* @return 返回节点的个数
*/
public int getNumOfVertex() {
return vertexList.size();
}
/**
* @param args 返回边的条数
*/
public int getNumOfEdges() {
return numOfEdges;
}
/**
* @param i 节点的下标i
* @return 返回节点i下标对应的数据 0-->A
*/
public String getValueByIndex(int i) {
return vertexList.get(i);
}
/**
* @param v1
* @param v2
* @return 返回v1和v2的权值
*/
public int getWeight(int v1,int v2) {
return edges[v1][v2];
}
/**
* 显示图对应的矩阵
*/
public void showGraph() {
for(int[] link: edges) {
System.out.println(Arrays.toString(link));
}
}
public static void main(String[] args) {
//测试一把图是否创建OK
//定点的个数
int n = 5;
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 vertex: vertexs) {
graph.insertVertex(vertex);
}
//添加边
//A-BA-C B-C B-D B-E
graph.insertEdge(0, 1, 1); //A-B
graph.insertEdge(0, 2, 1); //
graph.insertEdge(1, 2, 1); //
graph.insertEdge(1, 3, 1); //
graph.insertEdge(1, 4, 1); //
//遍历邻接矩阵
graph.showGraph();
}
}
5. 图的遍历☆☆
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:
深度优先遍历
广度优先遍历
5.1 深度优先遍历算法
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结点。
- 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。
代码实现
public int getFirstNeighbor(int index);
如果存在就返回相应的下标,否则返回-1public int getNextNeighbor(int v1,int v2);
根据前一个邻接结点的下标来获取下一个邻接结点private void dfs(boolean[] isVisited,int i);
深度优先遍历算法
/**
* vertexList 是储存顶点的集合
* @param index
* @return 如果存在就返回相应的下标,否则返回-1
*/
public int getFirstNeighbor(int index) {
for (int i = 0; i < vertexList.size(); i++) {
// edges[][] 邻接表
if(edges[index][i]>0) {
return i;
}
}
return -1;
}
/**
* @param v1
* @param v2
* @return 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;
}
/**
* 深度遍历算法
* @param isVisited
* @param i
*/
private void dfs(boolean[] isVisited,int i) {
//首先我们访问该节点输出
System.out.print(getValueByIndex(i)+"-->");
//将节点设置为已经访问
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) {
//如果w结点没有访问过
if(!isVisited[w]) {
dfs(isVisited, w);
}
//如果w节点被访问过
w = getNextNeighbor(i, w);
}
}
/**
* 对dfs进行一个重载,遍历我们所有的节点,并进行dfs
*/
public void dfs() {
//初始化isVisited数组
isVisited = new boolean[vertexList.size()];
//遍历所有的节结点,进行dfs回溯
for (int i = 0; i < getNumOfVertex(); i++) {
//如果没有被访问过
if(!isVisited[i]) {
dfs(isVisited,i);
}
}
}
5.2 广度优先遍历算法
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:
- 若结点 w 尚未被访问,则访问结点 w 并标记为已访问。
- 结点 w 入队列
- 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
/**
* 对一个节点进行广度优先遍历的方法
* @param isVisited
* @param i
*/
public void bfs(boolean[] isVisited,int i) {
int u;//表示队列的头结点对应的下标
int w;//邻接节点w
//队列,记录节点的访问顺序
LinkedList queues = new LinkedList();
//访问节点,输出节点信息
System.out.print(getValueByIndex(i)+"-->");
//标记为已访问
isVisited[i] = true;
//将节点加入到队列
queues.addLast(i);
//如果queue不为空
while(!queues.isEmpty()) {
//取出队列的头结点下标
u = (Integer)queues.removeFirst();
//得到第一个邻接结点的下标w
w = getFirstNeighbor(u);
//找到
while(w != -1) {
//如果没有被访问过
if(!isVisited[w]) {
System.out.print(getValueByIndex(w)+"-->");
//标记已经访问
isVisited[w] = true;
//入队
queues.addLast(w);
}
//以 u 为前驱点,找 w 后面的下一个邻接结点
w = getNextNeighbor(u, w);
}
}
}
//遍历所有的节点,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);
}
}
}