1. 为什么要有图
- 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. 图基本介绍
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:
2.1 图的常用概念
- 顶点(vertex)
- 边(edge)
- 路径
- 无向图(下图)
无向图: 顶点之间的连接没有方向,比如A-B,
即可以是 A-> B 也可以 B->A .
路径: 比如从 D -> C 的路径有
D->B->C
D->A->B->C
- 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。
二维数组中的值代表着对应row和col节点之间的边的关系
例如 [0,0]的值为0,就说明0点和0点之间没有链接关系
[0,1]的值为1,就说明0点和1点有链接关系
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
说明:
3. 标号为0的结点的相关联的结点为 1 2 3 4
4. 标号为1的结点的相关联结点为0 4,
5. 标号为2的结点相关联的结点为 0 4 5
6. 注意上图中的箭头并不比表示顺序
4. 图的快速入门案例
4.1 要求: 代码实现如下图结构.
思路分析
- 存储顶点String 使用 ArrayList
- 保存矩阵 int[][] edges
说明
1 表示能够直接连接
0 表示不能直接连接
/**
* @Author: ZhangJiaHao
* @Description:
* @Date: Created in 12:30 2022/1/16
* @Modified By:
*/
public class Grapf {
// list集合存放顶点集合
private ArrayList<String> vertexList;
// 存储图对应边的矩阵
private int[][] edges;
// 表示边的个数
private int numOfEdges;
public static void main(String[] args) {
int n = 5; // 节点的个数
String vertexs[] = {"A", "B", "C", "D", "E"};
// 创建图
Grapf grapf = new Grapf(n);
// 添加顶点
for (String value : vertexs){
grapf.insertVertex(value);
}
// 添加边 a-b a-c b-c b-d b-e
grapf.insertEdge(0,1,1);
grapf.insertEdge(0,2,1);
grapf.insertEdge(1,2,1);
grapf.insertEdge(1,3,1);
grapf.insertEdge(1,4,1);
// 输出图
grapf.showGraph();
}
/***
* @description: 图的构造器
* @param: n 图有多少个顶点
* @return:
* @author ZhangJiaHao
* @date: 2022/1/16 12:34
*/
public Grapf(int n) {
this.edges = new int[n][n];
this.vertexList = new ArrayList<>();
// 边还不确定有几条
numOfEdges = 0;
}
/***
* @description: 插入顶点
* @param: vertex 顶点
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/16 12:39
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/***
* @description: 插入边
* @param: v1 顶点对应的矩阵下标
* @param: v2 顶点对应的矩阵下标
* @param: weight 权值
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/16 12:38
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
/***
* @description: 得到节点的个数
* @param:
* @return: int
* @author ZhangJiaHao
* @date: 2022/1/16 12:42
*/
public int getNumOfVertex() {
return vertexList.size();
}
/***
* @description: 得到边的个数
* @param:
* @return: int
* @author ZhangJiaHao
* @date: 2022/1/16 12:42
*/
public int getNumOfEdges() {
return numOfEdges;
}
/***
* @description: 按照节点下标返回对应的节点
* @param: 1
* @return: java.lang.String
* @author ZhangJiaHao
* @date: 2022/1/16 12:43
*/
public String getValueByIndex(int i) {
return vertexList.get(i);
}
/***
* @description: 返回的权值
* @param: v1
* @param: v2
* @return: int
* @author ZhangJiaHao
* @date: 2022/1/16 12:45
*/
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
/***
* @description: 输出图
* @param:
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/16 12:46
*/
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
}
结果
5. 图的遍历
5.1 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:
- 深度优先遍历
- 广度优先遍历
5.2 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
5.3 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或5,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)。
- 若w被访问,查找结点v的w邻接结点的下一个邻接结点,转到步骤3。
5.4 代码实现
首先先定义数组来存储节点是否访问过
// 定义boolean[] 记录某个节点是否被访问
private boolean[] isVisited;
/***
* @description: 图的构造器
* @param: n 图有多少个顶点
* @return:
* @author ZhangJiaHao
* @date: 2022/1/16 12:34
*/
public Grapf(int n) {
this.edges = new int[n][n];
this.vertexList = new ArrayList<>();
// 边还不确定有几条
numOfEdges = 0;
this.isVisited = new boolean[n];
}
/***
* @description: 得到第一个邻接节点的下标
* @param: index 当前节点
* @return: int 邻接节点的下标 如果存在则返回对应的下标,否则则返回-1;
* @author ZhangJiaHao
* @date: 2022/1/16 13:21
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 1) {
return j;
}
}
return -1;
}
/***
* @description: 根据前一个邻接节点的下标来获取下一个邻接节点(返回当前被访问节点的下2个邻接节点)
* @param: v1 当前被访问的节点
* @param: v2 当前被访问的节点的邻接节点
* @return: int
* @author ZhangJiaHao
* @date: 2022/1/16 13:27
*/
public int getNextNeighBor(int v1, int v2) {
for (int j = v2 + 1; j < vertexList.size(); j++) {
if (edges[v1][j] > 0) {
return j;
}
}
return -1;
}
/***
* @description: 深度优先遍历
* @param: isVisited 节点是否被访问的boolean数组
* @param: i
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/16 13:30
*/
public void dfs(boolean[] isVisited, int i) {
// 首先访问该节点
System.out.print(getValueByIndex(i) + "->");
// 将该节点设置为已经访问
isVisited[i] = true;
// 查找当前节点的第一个邻接节点
int w = getFirstNeighbor(i);
while (w != -1) { // 有邻接节点
// 判断是否访问过
if (!isVisited[w]) {
dfs(isVisited, w);
} else {// 如果被访问过
w = getNextNeighBor(i, w);
}
}
}
/***
* @description: 对dfs的重载,遍历我们的所有节点,并进行上面的dfs
* @param:
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/16 13:41
*/
public void dfs(){
// 遍历所有的dfs
for (int i = 0;i<getNumOfVertex();i++){
if (!isVisited[i]){
dfs(isVisited,i);
}
}
}
测试
public static void main(String[] args) {
int n = 5; // 节点的个数
String vertexs[] = {"A", "B", "C", "D", "E"};
// 创建图
Grapf grapf = new Grapf(n);
// 添加顶点
for (String value : vertexs) {
grapf.insertVertex(value);
}
// 添加边 a-b a-c b-c b-d b-e
grapf.insertEdge(0, 1, 1);
grapf.insertEdge(0, 2, 1);
grapf.insertEdge(1, 2, 1);
grapf.insertEdge(1, 3, 1);
grapf.insertEdge(1, 4, 1);
grapf.dfs();
}
5.5 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
5.6 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。
5.7 代码实现
/***
* @description: 对一个节点进行广度优先遍历
* @param: isVisited
* @param: i
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/16 14:08
*/
public void bfs(boolean[] isVisited, int i) {
int u; // 表示队列的头节点对应下标
int w; // 邻接节点w
LinkedList queue = new LinkedList(); // 队列,记录节点访问的顺序
System.out.print(getValueByIndex(i) + "->");
isVisited[i] = true;
queue.addLast(i);
while (!queue.isEmpty()) {
// 取出队列的头节点下标
u = (int) queue.removeFirst();
// 得到第一个邻节点的下标
w = getFirstNeighbor(u);
while (w != -1) {
if (!isVisited[w]) { // 没有被访问过
System.out.println(getValueByIndex(w) + "->");
isVisited[w] = true;
queue.addLast(w);
} else {
w = getNextNeighBor(u, w);
}
}
}
}
/***
* @description: bfs
* @param:
* @return: void
* @author ZhangJiaHao
* @date: 2022/1/16 14:10
*/
public void bfs(){
for (int i = 0;i<getNumOfVertex();i++){
if (!isVisited[i]){
bfs(isVisited,i);
}
}
}