图基本介绍
为什么要有图:
前面我们学了线性表和树
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
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:
图的常用概念
-
顶点(vertex)
-
边(edge)
-
路径
-
无向图:
-
有向图:
-
带权图:
图的表示方式
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。
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。
图的深度优先遍历
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)。
- 否则查找结点v的w邻接结点的下一个邻接结点为新的w,转到步骤3。
代码实现:
import java.util.ArrayList;
import java.util.Arrays;
public class Graph {
private ArrayList<String> vertexList;// 存储定点集合
private int[][] edges;// 存储图对应的邻接矩阵
private int numOfEdges;// 表示边的数目
// 定义一个数组,记录某个顶点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
int n = 5;// 顶点个数
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 vertexValue : vertexs) {
graph.insertVertex(vertexValue);
}
// 添加边
// A-B A-C B-C B-D B-E
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
graph.showGraph();
// 测试dfs
System.out.println("深度优先遍历:");
graph.dfs();
}
// 构造器
public Graph(int n) {
// 初始化矩阵和vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>();
numOfEdges = 0;
isVisited = new boolean[n];
}
// 得到下标为index节点的第一个邻接节点的下标j
// 如果存在就返回对应的下标,否则返回-1
public int getFirstNeighbor(int index) {
for (int j = index + 1; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
// 根据前一个邻接节点的下标v2来获取下一个邻接节点的下标j
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
// i第一次就是数字0
public void dfs(boolean[] isVisited, int i) {
// 首先我们访问该节点并输出
System.out.print(getValueByIndex(i) + " ");
// 将该节点设置为已经访问过
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]) {// 如果w节点未被访问
dfs(isVisited, w);
}
w = getNextNeighbor(i, w);
}
}
// 对dfs进行一个重载,遍历我们所有节点,并进行dfs
public void dfs() {
// 遍历所有节点并进行dfs
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
// 图的常用方法
// 返回顶点个数
public int getNumOfVertex() {
return vertexList.size();
}
// 得到边的个数
public int getNumOfEdges() {
return numOfEdges;
}
// 返回顶点i(下标)对应的数据
public String getValueByIndex(int i) {
return vertexList.get(i);
}
// 返回v1和v2权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
// 显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
// 插入节点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
// 添加边
/**
* @param v1 第一个定点的下标
* @param v2 第二个定点的下标
* @param weight 两个顶点间的权值
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
结果:
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 1, 1, 1, 0, 0, 0]
[1, 1, 0, 0, 0, 0, 0, 0]
[0, 1, 0, 0, 0, 0, 0, 0]
[0, 1, 0, 0, 0, 0, 0, 0]
[0, 0, 0, 0, 0, 0, 0, 0]
[0, 0, 0, 0, 0, 0, 0, 0]
[0, 0, 0, 0, 0, 0, 0, 0]
深度优先遍历:
A B C D E
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:
(1) 若结点w尚未被访问,则访问结点w并标记为已访问。
(2) 结点w入队列 。
(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。
代码实现:
import java.util.ArrayList;
import java.util.Arrays;
public class Graph {
private ArrayList<String> vertexList;// 存储定点集合
private int[][] edges;// 存储图对应的邻接矩阵
private int numOfEdges;// 表示边的数目
// 定义一个数组,记录某个顶点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
int n = 8;// 顶点个数
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 vertexValue : vertexs) {
graph.insertVertex(vertexValue);
}
// 添加边
// A-B A-C B-C B-D B-E
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
graph.showGraph();
// 测试bfs
System.out.println("广度优先遍历:");
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>();
numOfEdges = 0;
isVisited = new boolean[n];
}
// 得到下标为index节点的第一个邻接节点的下标j
// 如果存在就返回对应的下标,否则返回-1
public int getFirstNeighbor(int index) {
for (int j = index + 1; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
// 根据前一个邻接节点的下标v2来获取下一个邻接节点的下标j
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;
}
// 仅对第一个节点进行广度优先遍历的方法
public void bfs(boolean[] isVisited, int i) {
if(!isVisited[i]) {
System.out.print(getValueByIndex(i)+" ");
}
isVisited[i]=true;
int w=getFirstNeighbor(i);
while(w!=-1) {
if(!isVisited[w]) {
System.out.print(getValueByIndex(w)+" ");
isVisited[w] = true;
}
w=getNextNeighbor(i, w);
}
}
// 遍历所有节点,都进行广度优先算法
public void bfs() {
for (int i = 0; i < getNumOfVertex(); i++) {
bfs(isVisited, i);
}
}
// 图的常用方法
// 返回顶点个数
public int getNumOfVertex() {
return vertexList.size();
}
// 得到边的个数
public int getNumOfEdges() {
return numOfEdges;
}
// 返回顶点i(下标)对应的数据
public String getValueByIndex(int i) {
return vertexList.get(i);
}
// 返回v1和v2权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
// 显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
// 插入节点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
// 添加边
/**
* @param v1 第一个定点的下标
* @param v2 第二个定点的下标
* @param weight 两个顶点间的权值
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
结果:
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 1, 1, 1, 0, 0, 0]
[1, 1, 0, 0, 0, 0, 0, 0]
[0, 1, 0, 0, 0, 0, 0, 0]
[0, 1, 0, 0, 0, 0, 0, 0]
[0, 0, 0, 0, 0, 0, 0, 0]
[0, 0, 0, 0, 0, 0, 0, 0]
[0, 0, 0, 0, 0, 0, 0, 0]
广度优先遍历:
A B C D E
DNS和BFS的综合比较
分别用深度优先算法和广度优先算法遍历下图:
- 深度优先遍历顺序为 1->2->4->8->5->3->6->7。
- 广度优先算法的遍历顺序为:1->2->3->4->5->6->7->8。
import java.util.ArrayList;
import java.util.Arrays;
public class Graph {
private ArrayList<String> vertexList;// 存储定点集合
private int[][] edges;// 存储图对应的邻接矩阵
private int numOfEdges;// 表示边的数目
// 定义一个数组,记录某个顶点是否被访问
private static boolean[] isVisited;
public static void main(String[] args) {
int n = 8;// 顶点个数
String[] vertexs = { "1", "2", "3", "4", "5", "6", "7", "8" };
// 创建图对象
Graph graph = new Graph(n);
// 循环添加顶点
for (String vertexValue : vertexs) {
graph.insertVertex(vertexValue);
}
// 添加边
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);
// 显示
graph.showGraph();
// 测试dfs
System.out.println("深度优先遍历:");
graph.dfs();
System.out.println();
isVisited = new boolean[n];//清空数组
// 测试bfs
System.out.println("广度优先遍历:");
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>();
numOfEdges = 0;
isVisited = new boolean[n];
}
// 得到下标为index节点的第一个邻接节点的下标j
// 如果存在就返回对应的下标,否则返回-1
public int getFirstNeighbor(int index) {
for (int j = index + 1; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
// 根据前一个邻接节点的下标v2来获取下一个邻接节点的下标j
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
// i第一次就是0
public void dfs(boolean[] isVisited, int i) {
// 首先我们访问该节点并输出
System.out.print(getValueByIndex(i) + " ");
// 将该节点设置为已经访问过
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]) {// 如果w节点未被访问
dfs(isVisited, w);
}
w = getNextNeighbor(i, w);
}
}
// 对dfs进行一个重载,遍历我们所有节点,并进行dfs
public void dfs() {
// 遍历所有节点并进行dfs
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
// 仅对第一个节点进行广度优先遍历的方法
public void bfs(boolean[] isVisited, int i) {
if(!isVisited[i]) {
System.out.print(getValueByIndex(i)+" ");
}
isVisited[i]=true;
int w=getFirstNeighbor(i);
while(w!=-1) {
if(!isVisited[w]) {
System.out.print(getValueByIndex(w)+" ");
isVisited[w] = true;
}
w=getNextNeighbor(i, w);
}
}
// 遍历所有节点,都进行广度优先算法
public void bfs() {
for (int i = 0; i < getNumOfVertex(); i++) {
bfs(isVisited, i);
}
}
// 图的常用方法
// 返回顶点个数
public int getNumOfVertex() {
return vertexList.size();
}
// 得到边的个数
public int getNumOfEdges() {
return numOfEdges;
}
// 返回顶点i(下标)对应的数据
public String getValueByIndex(int i) {
return vertexList.get(i);
}
// 返回v1和v2权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
// 显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
// 插入节点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
// 添加边
/**
* @param v1 第一个定点的下标
* @param v2 第二个定点的下标
* @param weight 两个顶点间的权值
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}
结果:
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 0, 1, 1, 0, 0, 0]
[1, 0, 0, 0, 0, 1, 1, 0]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0, 1, 0]
[0, 0, 1, 0, 0, 1, 0, 0]
[0, 0, 0, 1, 1, 0, 0, 0]
深度优先遍历:
1 2 4 8 5 3 6 7
广度优先遍历:
1 2 3 4 5 6 7 8