Java 实现管线拓扑关系连通性分析（二）

最新推荐文章于 2024-08-04 11:07:52 发布

Yuki-^_^

最新推荐文章于 2024-08-04 11:07:52 发布

阅读量695

点赞数 29

分类专栏： java 文章标签： java 开发语言

本文链接：https://blog.csdn.net/weixin_49376454/article/details/139974968

版权

java 专栏收录该内容

38 篇文章 0 订阅

订阅专栏

3.实现一个基于邻接列表的图结构(DFS 算法)

当我们谈论“管线拓扑关系连通性分析”时，我们通常指的是在一个由节点（比如管线的端点或关键位置）和边（比如实际的管线）组成的图中，找出哪些节点是连通的。在 Java 中，这可以通过深度优先搜索（DFS）或广度优先搜索（BFS）等图遍历算法来实现。

以下是一个具体的 Java 代码示例，用于实现一个基于邻接列表的图结构，并使用 DFS 算法来找出并打印所有的连通组件：

import java.util.*;    class Vertex {      int id;      boolean visited;        public Vertex(int id) {          this.id = id;          this.visited = false;      }        public void setVisited(boolean visited) {          this.visited = visited;      }        public boolean isVisited() {          return visited;      }        public int getId() {          return id;      }  }    class Graph {      private Map<Integer, Vertex> vertices;      private Map<Vertex, List<Vertex>> adjList;        public Graph() {          vertices = new HashMap<>();          adjList = new HashMap<>();      }        public void addVertex(int id) {          Vertex vertex = new Vertex(id);          vertices.put(id, vertex);          adjList.put(vertex, new ArrayList<>());      }        public void addEdge(int src, int dest) {          Vertex sourceVertex = vertices.get(src);          Vertex destinationVertex = vertices.get(dest);            if (sourceVertex == null || destinationVertex == null) {              System.out.println("Vertex not found. Cannot add edge.");              return;          }            adjList.get(sourceVertex).add(destinationVertex);          // 如果图是无向的，还需要添加反向边          adjList.get(destinationVertex).add(sourceVertex);      }        public void dfs(Vertex vertex) {          vertex.setVisited(true);          System.out.print(vertex.getId() + " ");            List<Vertex> neighbors = adjList.get(vertex);          for (Vertex neighbor : neighbors) {              if (!neighbor.isVisited()) {                  dfs(neighbor);              }          }      }        public void findAllConnectedComponents() {          // 标记所有顶点为未访问          for (Vertex vertex : vertices.values()) {              vertex.setVisited(false);          }            // 遍历所有顶点，对每个未访问的顶点启动DFS          for (Vertex vertex : vertices.values()) {              if (!vertex.isVisited()) {                  System.out.println("Connected component starting from vertex " + vertex.getId() + ":");                  dfs(vertex);                  System.out.println(); // 打印完一个连通组件后换行              }          }      }        public static void main(String[] args) {          Graph graph = new Graph();            // 添加节点          graph.addVertex(1);          graph.addVertex(2);          graph.addVertex(3);          graph.addVertex(4);          graph.addVertex(5); // 假设5是一个孤立的节点            // 添加边（管线）          graph.addEdge(1, 2);          graph.addEdge(2, 3);          graph.addEdge(3, 4);            // 查找并打印所有连通组件          graph.findAllConnectedComponents();      }  }

复制代码

在这个示例中，Graph类管理了一个Map，用于存储顶点和它们的邻接列表。Vertex类表示图中的每个节点，包含一个id和一个visited标志。addVertex方法用于添加新的顶点，addEdge方法用于在图中添加边。dfs方法实现了深度优先搜索，用于遍历与给定顶点连通的所有节点。findAllConnectedComponents方法用于找到并打印出图中所有的连通组件。

在main方法中，我们创建了一个Graph对象，添加了几个节点和边，并调用了findAllConnectedComponents方法来找出并打印所有的连通组件。由于顶点 5 是孤立的，所以它将作为一个单独的连通组件被打印出来。

4.算法的原理介绍

算法的原理主要基于图的遍历，特别是深度优先搜索（DFS）或广度优先搜索（BFS）算法。以下是针对深度优先搜索（DFS）算法原理的详细解释：

（1）基本思想：

深度优先搜索（DFS）是一种用于遍历或搜索树或图的算法。
它的基本思想是尽可能深地搜索图的分支，直到到达叶节点或无法再深入为止，然后回溯到前一个节点，继续探索其他分支。

（2）实现方式：

DFS 通常使用递归或栈来实现。
对于树或图的遍历，可以从根节点或任意节点开始，然后沿着某个分支深入搜索，直到达到叶节点或无法再深入为止。
在搜索过程中，需要记录已经访问过的节点，以避免重复访问。

（3）数据结构：

DFS 在实现过程中通常使用栈（stack）这种数据结构来辅助实现。
在搜索过程中，将当前访问的节点以及从起始节点到该节点的路径上的所有节点都放入栈中。
当搜索到叶节点或无法再深入时，从栈中弹出当前节点，并回溯到上一个节点，继续搜索。

（4）核心思想：

回溯（backtracking）：当搜索到叶节点或无法再深入时，需要回溯到上一个节点，继续搜索其他未遍历的分支。满足回溯条件的某个状态的点称为“回溯点”。

（5）时间复杂度：

DFS 的时间复杂度在最坏情况下为 O(n!)，其中 n 为图中节点的数量。然而，在实际应用中，由于图的结构和搜索策略的不同，DFS 的时间复杂度可能会有所不同。

（6）应用：

DFS 在多种场景下都有应用，如拓扑排序、找出图中的所有强连通分支等。
拓扑排序是一种对 DAG（有向无环图）的顶点进行排序的算法，它使得对每一条有向边(u, v)，均有 u（在排序记录中）比 v 先出现。DFS 是实现拓扑排序的一种有效方法。
找出图中的所有强连通分支也是 DFS 的一个重要应用，它可以帮助我们理解图的连通性结构。

总结来说，深度优先搜索（DFS）算法的原理是通过递归或栈来辅助实现图的遍历，尽可能地深入搜索图的分支，并在无法深入时回溯到上一个节点继续搜索，从而确保图中的每个节点都被访问到。DFS 的时间复杂度和应用取决于图的结构和搜索策略的不同。

5.深度优先搜索和广度优先搜索的区别

深度优先搜索（DFS, Depth-First Search）和广度优先搜索（BFS, Breadth-First Search）是两种用于遍历或搜索树或图的算法，它们之间的主要区别在于遍历的顺序和使用的数据结构。

5.1 深度优先搜索（DFS）

遍历顺序：DFS 尽可能深地搜索图的分支。它沿着树的深度遍历图的节点，尽可能深地搜索图的分支。当节点 v 的所在边都已被探寻过，搜索将回溯到发现节点 v 的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。

数据结构：DFS 通常使用栈（stack）来实现。在搜索过程中，将当前访问的节点以及从起始节点到该节点的路径上的所有节点都放入栈中。当搜索到叶节点或无法再深入时，从栈中弹出当前节点，并回溯到上一个节点，继续搜索。