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)
- 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
- 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 - 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++;
}
}