图...._61938m3d图-CSDN博客

本文链接：https://blog.csdn.net/weixin_45690465/article/details/122521368

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：
请添加图片描述
在这里插入图片描述

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。

请添加图片描述
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

请添加图片描述
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.

请添加图片描述
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
请添加图片描述

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

在这里插入图片描述

请添加图片描述

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();
    }

请添加图片描述

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。

请添加图片描述

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);
            }
        }
    }