图的遍历(Java)

10.1 图的常用概念

1)顶点(vertex)

2)边(edge)

3)路径

4)无向图

5)有向图

6)带权图

  • 无向图
    在这里插入图片描述

  • 有向图和带权图
    在这里插入图片描述

10.2 图的表示方式

10.2.1 二维数组(邻接矩阵)

邻接矩阵

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(行)和col(列)表示1…n个点
在这里插入图片描述

10.2.2 链表(邻接表)

邻接表

1)邻接表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,会造成空间上一定损失

2)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 邻接表是由:数组+链表组成

在这里插入图片描述

10.3 图的创建

要求

在这里插入图片描述

代码实现

package com.ldm.graph;

import java.lang.reflect.Array;
import java.util.ArrayList;
import java.util.Arrays;

/**
 * @author 梁东明
 * 2022/9/7
 * 人生建议:看不懂的方法或者类记得CTRL + 点击 看看源码或者注解
 * 点击setting在Editor 的File and Code Templates 修改
 */
public class Graph {
    private ArrayList<String> vertexList;  //存储顶点
    private int[][] edges;  //存储图对应的邻接矩阵
    private int numOfEdges;  //表示对应的数目

    public static void main(String[] args) {
        int n = 5;

        String VertexValue[] = {"A","B","C","D","E"};
        Graph graph = new Graph(n);
        //循环添加顶点
        for (String str: VertexValue) {
            graph.insertVertex(str);
        }
        //添加边
        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);

        graph.showGraph();


    }
    //构造器

    public Graph(int n) {
        //初始化矩阵和vertexList
        edges = new int[n][n];
        vertexList = new ArrayList<>();
        numOfEdges = 0;
    }
    //返回节点的个数
    public int getNumOfVertex(){
        return vertexList.size();
    }
    //得到的边数
    public int getNumOfEdges(){
        return numOfEdges;
    }
    //返回结点i对应下标的数据
    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];
    }
    //遍历显示矩阵
    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     v1 第一个顶点
     * @param v2     v2 第二个顶点
     * @param weight 权值为1 则赋边
     */
    public void insertEdge(int v1, int v2, int weight){
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges++;
    }

}

10.4 图的深度优先遍历

图的遍历介绍

所谓的遍历,即是对节点的访问

深度优先DFS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节点,访问它的第一邻接结点。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。

2)我们可以看到,这样的访问策略是优先纵向挖掘深入,而不是对一个结点的所有邻接结点进行横向访问。

3)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

1)访问初始结点v,并标记结点v为已访问。

2)查找结点v的第一邻接结点w

3)若w存在,则继续执行4,如果w不存在,则返回第1步,将从v的下一个结点继续

4)若w未被访问,对w进行深度优先遍历递归(即把w当作另外一个v,然后进行步骤123)

5)查找结点v的w邻接结点的下一个邻接结点,转到步骤3
在这里插入图片描述

代码实现

//得到第一个邻接结点的下标w
    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得到下一个邻接结点的下标
    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
     * @param isVisited ,记录某个结点是否被访问
     * @param i         某个结点的下标
     */
    public void dfs(boolean[] isVisited, int i){
        //输出访问的结点
        System.out.print( getValueByIndex(i)+"->");
        //将被访问过的结点置为已访问
        isVisited[i] = true;
        //查找结点i的第一个邻接结点
        int w = getFirstNeighbor(i);
        //如果存在就继续访问
        while (w != -1){
            //还需要判断这个结点是否被访问过
            if ( ! isVisited [w] ){
                //没被访问过,那我们就递归,
                dfs(isVisited,w);
            }
            //如果已经被访问过了,就对w的下一个邻接结点进行查找
            w = getNextNeighbor(i,w);
        }
    }
    //对dfs重载,遍历所有的结点
    public void dfs(){
        //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);
            }
        }
    }

10.5 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(BroadFirstSearch)

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保持访问过的结点的顺序。以便按照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

1)访问初始节点并标记v为已访问。

2)结点v进入duilie

3)当队列非空,继续执行,否则算法结束

4)出队列,取得队头结点u

5)查找结点u的第一个邻接结点w。

6)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并标记已访问

​ 2、结点w入队

​ 3、查找结点u的j继w邻接结点后的下一个邻接结点w,转到步骤6.

//对一个结点进行广度优先遍历
    public void bfs(boolean[] isVisited, int i){
        int u;  //队头结点的suoyin
        int w;  //邻接结点w
        //创建队列
        LinkedList queue = new LinkedList<>();
        //访问结点
        System.out.print(getValueByIndex(i)+"=>");
        //标记为已访问
        isVisited[i] = true;
        //将结点接入队列
        queue.addLast(i);
        //如果队头元素不为null,就继续遍历
        while ( !queue.isEmpty()){
            //取出队头的结点下标
            u = (Integer) queue.removeFirst();
            //得到u的下一个结点w
            w = getFirstNeighbor(u);
            while ( w != -1){
                //判断是否访问过
                if (!isVisited[w]){
                    //没被访问过就访问
                    System.out.print(getValueByIndex(w)+"=>");

                    //标记为已访问
                    isVisited[w] = true;
                    //入队列
                    queue.addLast(w);
                }
                w= getNextNeighbor(u,w);
            }

        }
    }
    //对bfs重载
    public void bfs(){
        isVisited = new boolean[5];
        //遍历所有的结点,进行dfs回溯
        for (int i = 0; i < getNumOfVertex(); i++) {
            if (!isVisited[i]){
                bfs(isVisited,i);
            }
        }
    }


10.6完整代码

代码执行图
在这里插入图片描述

package com.ldm.graph;

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

/**
 * @author 梁东明
 * 2022/9/7
 * 人生建议:看不懂的方法或者类记得CTRL + 点击 看看源码或者注解
 * 点击setting在Editor 的File and Code Templates 修改
 */
public class Graph {
    private ArrayList<String> vertexList;  //存储顶点
    private int[][] edges;  //存储图对应的邻接矩阵
    private int numOfEdges;  //表示对应的数目
    //定义给数组boolean[],记录某个结点是否被访问
    private boolean[] isVisited;

    public static void main(String[] args) {
        int n = 5;

        String VertexValue[] = {"A","B","C","D","E"};
        Graph graph = new Graph(n);
        //循环添加顶点
        for (String str: VertexValue) {
            graph.insertVertex(str);
        }
        //添加边
        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);

        graph.showGraph();

        System.out.println("深度遍历");
        graph.dfs();
        System.out.println();
        System.out.println("广度遍历");
        graph.bfs();


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

    }
    //得到第一个邻接结点的下标w
    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得到下一个邻接结点的下标
    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
     * @param isVisited ,记录某个结点是否被访问
     * @param i         某个结点的下标
     */
    public void dfs(boolean[] isVisited, int i){
        //输出访问的结点
        System.out.print( getValueByIndex(i)+"->");
        //将被访问过的结点置为已访问
        isVisited[i] = true;
        //查找结点i的第一个邻接结点
        int w = getFirstNeighbor(i);
        //如果存在就继续访问
        while (w != -1){
            //还需要判断这个结点是否被访问过
            if ( ! isVisited [w] ){
                //没被访问过,那我们就递归,
                dfs(isVisited,w);
            }
            //如果已经被访问过了,就对w的下一个邻接结点进行查找
            w = getNextNeighbor(i,w);
        }
    }
    //对dfs重载,遍历所有的结点
    public void dfs(){
        isVisited = new boolean[5];
        //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
    public void bfs(boolean[] isVisited, int i){
        int u;  //队头结点的suoyin
        int w;  //邻接结点w
        //创建队列
        LinkedList queue = new LinkedList<>();
        //访问结点
        System.out.print(getValueByIndex(i)+"=>");
        //标记为已访问
        isVisited[i] = true;
        //将结点接入队列
        queue.addLast(i);
        //如果队头元素不为null,就继续遍历
        while ( !queue.isEmpty()){
            //取出队头的结点下标
            u = (Integer) queue.removeFirst();
            //得到u的下一个结点w
            w = getFirstNeighbor(u);
            while ( w != -1){
                //判断是否访问过
                if (!isVisited[w]){
                    //没被访问过就访问
                    System.out.print(getValueByIndex(w)+"=>");

                    //标记为已访问
                    isVisited[w] = true;
                    //入队列
                    queue.addLast(w);
                }
                w= getNextNeighbor(u,w);
            }

        }
    }
    //对bfs重载
    public void bfs(){
        isVisited = new boolean[5];
        //遍历所有的结点,进行dfs回溯
        for (int i = 0; i < getNumOfVertex(); i++) {
            if (!isVisited[i]){
                bfs(isVisited,i);
            }
        }
    }



    //返回节点的个数
    public int getNumOfVertex(){
        return vertexList.size();
    }
    //得到的边数
    public int getNumOfEdges(){
        return numOfEdges;
    }
    //返回结点i对应下标的数据
    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];
    }
    //遍历显示矩阵
    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     v1 第一个顶点
     * @param v2     v2 第二个顶点
     * @param weight 权值为1 则赋边
     */
    public void insertEdge(int v1, int v2, int weight){
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges++;
    }

}

本次图 的教程出自韩顺平的数据结构与算法

数据结构和算法教程,哔哩哔哩详细教程
在 146-152p.

最后,认识一下,我是小白。努力成为一名合格的程序员。期待与你的下次相遇。

  • 1
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

梁小樽

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值