10.图
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
1) 顶点(vertex)
2) 边(edge)
3) 路径
4) 无向图(右图
5) 有向图
6) 带权图
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)。
邻接矩阵
V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
- 举例说明
图的快速入门案例
- 要求: 代码实现如下图结构.
- 思路分析(1) 存储顶点String 使用ArrayList (2) 保存矩阵int[][] edges
代码实现
//插入结点
public void insertVertex(String vertex){
vertexList.add(vertex);
}
//添加边
/**
*
* @param v1 表示点下标即是第几个顶点 "A" - "B" "A" -> 0 "B" -> 1
* @param v2 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++;
}
图的深度优先遍历介绍
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: (1)深度优先遍历(2)广度优先遍历
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
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)。
- 查找结点v 的w 邻接结点的下一个邻接结点,转到步骤3。
- 分析图
深度优先算法的代码实现
//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,输出 System.out.print(getValueByIndex(i) + "->"); //将节点设置为已经访问 isVisited[i] = true; //查找节点i的第一个邻接结点 int w = getFirstNeighbor(i); while (w != -1){//说明有 if (!isVisited[w]){ dfs(isVisited, w); } //如果w结点已经被访问过 w = getNextNeighbor(i,w); } } //对dfs 进行一个重载,遍历我们所有的结点,并进行dfs public void dfs(){ isVisited = new boolean[vertexList.size()]; //遍历所有的结点,进行dfs[回溯] for (int i = 0; i < getNUmOfVertex(); i++) { if (!isVisited[i]){ dfs(isVisited,i); } } }
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:
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。广度优先算法的图示
广度优先算法的代码实现
//对一个结点进行广度优先遍历的方法 private void bfs(boolean[] isVisited,int i){ int u;//表示队列的头结点对应下标 int w;//邻接结点w //队列,记录结点访问的顺序 LinkedList queue = new LinkedList(); //访问结点,输出节点信息 System.out.print(getValueByIndex(i)+"=>"); //标记为已访问 isVisited[i] = true; //将结点加入队列 queue.addLast(i);//队列从尾部加入 while (! queue.isEmpty()){ //取出队列的头结点下标 u = (Integer) queue.removeFirst(); //得到第一个邻接点的下标w w = getFirstNeighbor(u); while (w != -1){//找到 //是否访问过 if(!isVisited[w]){ System.out.print(getValueByIndex(w) + "=>"); //标记已经访问 isVisited[w] = true; //入队 queue.addLast(w); } //以u为前驱点,找w后面的下一个邻接结点 w = getNextNeighbor(u,w);//体现出我们的广度优先 } } } //遍历所有的结点,都进行广度优先搜索 public void bfs(){ isVisited = new boolean[vertexList.size()]; for (int i = 0; i < getNUmOfVertex(); i++) { if (!isVisited[i]){ bfs(isVisited,i); } } }
图的代码汇总
/**
* @author xiaososa
* @date 2021/1/7
**/
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
//定义一个数组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 = 8;//结点的个数
//String Vertexs[] ={"A","B","C","D","E"};
String Vertexs[] ={"1","2","3","4","5","6","7","8"};
//创建图对象
Graph graph = new Graph(n);
//循环的添加顶点
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);//
//更新边的关系
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();//1->2->4->8->5->3->6->7->
System.out.println();
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>(n);
numOfEdges = 0;
isVisited = new boolean[5];
}
//得到第一个邻接结点的下标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 j = 0; j < vertexList.size(); j++) {
if (edges[index][j] > 0){
return j;
}
}
return -1;
}
//根据前一个邻接结点的下标来获取下一个邻接结点
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
//i 第一次就是0
public void dfs(boolean[] isVisited,int i){
//首先我们访问该节点,输出
System.out.print(getValueByIndex(i) + "->");
//将节点设置为已经访问
isVisited[i] = true;
//查找节点i的第一个邻接结点
int w = getFirstNeighbor(i);
while (w != -1){//说明有
if (!isVisited[w]){
dfs(isVisited, w);
}
//如果w结点已经被访问过
w = getNextNeighbor(i,w);
}
}
//对dfs 进行一个重载,遍历我们所有的结点,并进行dfs
public void dfs(){
isVisited = new boolean[vertexList.size()];
//遍历所有的结点,进行dfs[回溯]
for (int i = 0; i < getNUmOfVertex(); i++) {
if (!isVisited[i]){
dfs(isVisited,i);
}
}
}
//对一个结点进行广度优先遍历的方法
private void bfs(boolean[] isVisited,int i){
int u;//表示队列的头结点对应下标
int w;//邻接结点w
//队列,记录结点访问的顺序
LinkedList queue = new LinkedList();
//访问结点,输出节点信息
System.out.print(getValueByIndex(i)+"=>");
//标记为已访问
isVisited[i] = true;
//将结点加入队列
queue.addLast(i);//队列从尾部加入
while (! queue.isEmpty()){
//取出队列的头结点下标
u = (Integer) queue.removeFirst();
//得到第一个邻接点的下标w
w = getFirstNeighbor(u);
while (w != -1){//找到
//是否访问过
if(!isVisited[w]){
System.out.print(getValueByIndex(w) + "=>");
//标记已经访问
isVisited[w] = true;
//入队
queue.addLast(w);
}
//以u为前驱点,找w后面的下一个邻接结点
w = getNextNeighbor(u,w);//体现出我们的广度优先
}
}
}
//遍历所有的结点,都进行广度优先搜索
public void bfs(){
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNUmOfVertex(); i++) {
if (!isVisited[i]){
bfs(isVisited,i);
}
}
}
//图中常用的方法
//返回结点的个数
public int getNUmOfVertex(){
return vertexList.size();
}
//显示图对应的矩阵
public void showGraph(){
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
//得到边的数目
public int getNumofEdges(){
return numOfEdges;
}
//返回结点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];
}
//插入结点
public void insertVertex(String vertex){
vertexList.add(vertex);
}
//添加边
/**
*
* @param v1 表示点下标即是第几个顶点 "A" - "B" "A" -> 0 "B" -> 1
* @param v2 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++;
}
}