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。
-
分析图
深度优先算法的代码实现
package com.romanticlei.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;
import java.util.stream.Stream;
public class Graph {
// 存储顶点集合
private ArrayList<String> vertexList;
// 存储图对应的邻接矩阵(两个结点是否有边相连)
private int[][] edges;
// 表示边的数目
private int numOfEdges;
// 定义个数组 boolean[], 记录某个结点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
int n = 5;
Graph graph = new Graph(n);
String[] Vertex = {"A", "B", "C", "D", "E"};
for (String vertex : Vertex) {
graph.insertVertex(vertex);
}
// 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);
// 显示邻接矩阵
graph.showGraph();
graph.dfs();
}
public Graph(int n) {
// 初始化矩阵和 vertexList
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
isVisited = new boolean[n];
}
// 插入结点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
* @param v1 表示点的下标即第一个顶点
* @param v2 表示第二个顶点的下标
* @param weight 表示权重
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
// 显示图对应的矩阵
public void showGraph() {
System.out.println("二维数据遍历方法一:");
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
System.out.println("二维数据遍历方法二:");
Arrays.stream(edges).forEach(a -> {
System.out.println(Arrays.toString(a));
});
System.out.println("二维数据遍历方法三:");
Stream.of(edges).forEach(a -> {
System.out.println(Arrays.toString(a));
});
}
/**
* 得到第一个邻接结点的下标 w
* @param index
* @return 如果存在返回对应的下标,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
* @param v1 当前结点下标
* @param v2 相邻结点下标
* @return
*/
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;
}
// 深度优先遍历算法
public void dfs(boolean[] isVisited, int i) {
// 首先我们访问该结点,输出
System.out.print(getValueByIndex(i) + "->");
// 将该结点设置为已访问
isVisited[i] = true;
// 查找结点i的第一个邻接结点w
int w = getFirstNeighbor(i);
while (w != -1) {
if (!isVisited[w]) {
dfs(isVisited, w);
}
// 如果w节点已经被访问过
w = getNextNeighbor(i, w);
}
}
public void dfs() {
// 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);
}
}
}
// 返回结点的个数
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 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];
}
}
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
代码实现
public void bfs(boolean[] isVisited, int i) {
int queueFirstNode; // 表示队列的头结点对应的下标
int w; // 邻接结点w
// 队列,记录结点访问顺序
LinkedList queue = new LinkedList<>();
// 访问结点,输出结点信息
System.out.print(getValueByIndex(i) + "=>");
// 标记结点为已访问
isVisited[i] = true;
// 将结点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {
queueFirstNode = (Integer) queue.removeFirst();
w = getFirstNeighbor(queueFirstNode);
while (w != -1) {
// 找到邻接结点
if (!isVisited[w]) {
// 没有被访问过
System.out.print(getValueByIndex(w) + "=>");
// 标记已经访问过
isVisited[w] = true;
queue.addLast(w);
}
// 以queueFirstNode 为前驱,找w后面的下一个邻接结点
w = getNextNeighbor(queueFirstNode, w);
}
}
}
// 遍历所有结点,进行广度优先搜索
public void bfs() {
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}