数据结构与算法——图

1、为什么要有图

1）前面我们学习了线性表和树
2）线性表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，这里我们就用到了图

图是一种数据结构，其中节点可以具有零个或多个相邻元素。两个节点之间的链接称为边。节点也可以称为顶点。如图：

2、图的常用概念

1）顶点(vertex)
2）边(edge)
3）路径——比如从D->C的路径有 （1）D->B->C （2）D->A->B->C
4）无向图——顶点之间的链接没有方向，比如A-B，即可以A->B，也可以B->A

5）有向图

6）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row和col表示的是1…n个点

3.2 邻接表

邻接矩阵需要为每一个顶点都分配n个边的空间，其实有很多边都是不存在的，会造成空间的一定损失。
邻接表的实现只关心存在的边，不关系不存在的边。因此没有空间浪费，邻接表由数组+链表组成。

4、图的深度优先遍历介绍

4.1 图遍历介绍

所谓图遍历，即是对节点的访问。一个图有那么多节点，如何遍历这些节点，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

4.2 深度优先遍历基本思想

图的深度优先搜索(Depth First Search)

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，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，可以这样理解：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，而不是对一个节点所有邻接节点进行横向访问。
   3）显然，深度优先搜索是一个递归的过程。

4.3 深度优先遍历算法步骤

1. 访问初始节点v，并标记节点v为已访问。
   2）查找节点v的第一个邻接节点w
2. 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的下一个节点继续，
   4）若w未被访问，对w进行深度优先遍历递归（即把w当作另一个v，然后进行步骤123）
   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

5、图的广度优先遍历

5.1 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节点的顺序，以便按照这个顺序来访问这些节点的邻接节点。

5.2 广度优先遍历算法步骤

1）访问初始节点v并标记节点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，取得队列头节点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；否则循环执行一下三个步骤：
6.1 若节点w未被访问，则访问节点w并标记已访问
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

图的代码汇总

import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;

public class Graph {

    private ArrayList<String> vertexList;// 存储顶点集合
    private int[][] edges;// 存储图对应的邻接矩阵
    private int numOfEdges;// 表示边的数目

    // 定义给定数组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);
        // 循环添加顶点
        for (String vertex : vertexs) {
            graph.insertVertex(vertex);
        }
        // 添加边
        // A-B A-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);

        // 显示一把 邻接矩阵
        graph.showGraph();

        //测试一把，我们的dfs遍历是否ok
//        System.out.println("深度遍历");
//        graph.dfs();
        System.out.println();
        System.out.println("广度优先搜索");
        graph.bfs();
    }

    // 构造器
    public Graph(int n) {
        // 初始化矩阵和vertexList
        edges = new int[n][n];
        vertexList = new ArrayList<String>(n);
        numOfEdges = 0;
        isVisited = new boolean[5];
    }

    // 得到第一个邻接节点的下标w

    /**
     *
     * @param index
     * @return 如果存在就返回对应的下标，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;
    }

    // 根据前一个邻接节点的下标来获取下一个邻接节点
    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;
    }

    // 深度优先遍历算法
    public void dfs(boolean[] isVisited, int i) {
        // 首先我们访问该节点，输出
        System.out.print(getValueByIndex(i) + "->");
        // 将节点设置为已访问
        isVisited[i] = true;
        // 查找节点i的第一个邻接节点w
        int w = getFirstNeighbor(i);
        while (w != -1) {// 说明有
            if(!isVisited[w]) {
                dfs(isVisited, w);
            }
            // 如果w节点已经被访问过
            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() {
        // 遍历所有节点 进行dfs[回溯]
        for (int i = 0; i < getNumOfVertex(); i++) {
            if(!isVisited[i]) {
                dfs(isVisited, i);
            }
        }
    }

    // 对一个节点进行广度优先遍历的方法
    private 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
        // 队列，记录节点访问的顺序
        LinkedList queue = new LinkedList<>();
        // 访问节点，输出节点信息
        System.out.println(getValueByIndex(i) + "=>");
        // 标记为已访问
        isVisited[i] = true;
        // 将节点加入队列
        queue.addLast(i);

        while (!queue.isEmpty()) {
            // 取出队列的头节点的下标
             u = (Integer) queue.removeFirst();
             // 得到第一个邻节点的下标w
            w = getFirstNeighbor(u);
            while (w != -1) {// 找到
                // 是否访问过
                if(!isVisited[w]) {
                    System.out.println(getValueByIndex(w) + "=>");
                    // 标记已经访问
                    isVisited[w] = true;
                    // 入队
                    queue.addLast(w);
                }
                // 以u为前驱点，找w后面的下一个邻节点
                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
    public void bfs() {
        for (int i = 0; i < getNumOfVertex(); i++) {
            if(!isVisited[i]) {
                bfs(isVisited, i);
            }
        }
    }

    // 显示图对应的矩阵
    public void showGraph() {
        for (int[] link : edges) {
            System.out.println(Arrays.toString(link));
        }
    }

    // 返回节点的数目
    public int getNumOfVertex() {
        return vertexList.size();
    }

    // 得到边的数目
    public int getNumOfEdges() {
        return numOfEdges;
    }

    // 返回节点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];
    }

    // 插入节点
    public void insertVertex(String vertex) {
        vertexList.add(vertex);
    }

    /**
     * 添加边
     * @param v1 表示点的下标 即是第几个顶点 "A"-"B" "A"-0 "B"- 1
     * @param v2 表示第二个顶点对应的下标
     * @param weight 表示
     */
    public void insertEdge(int v1, int v2, int weight) {
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges++;
    }
}

6、图的深度优先 VS 广度优先