韩顺平 数据结构与算法 （16） 图

图

为什么要有图？

1. 我们有线性表和树
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也就是父节点
4. 当我们需要表示多对多的关系时，这里我们就用到了图

1）基本介绍

图是一种数据结构，其中节点可以具有零个或者多个相邻元素。两个节点之间的连接称为边。节点也可以称为顶点。

2）常用概念

• 顶点（vertex）
• 边（edge）
• 路径（例如：D->A->B->C ; D->B->C）
• 无向图（顶点之间的连接没有方向）

• 有向图（顶点之间的连接有方向）

• 带权图（边是有权值的图也叫网，例如：北京->上海，权是1463）

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）

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，矩阵的row和col表示的是1……n个点。

**解释：**二维数组表示两个数字之间是否连通，如果是 0 则表示不连通，如果是 1 则表示连通。

2.邻接表

1. 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的，这样会造成空间的一定损失
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，邻接表由数组+链表组成

4）入门案例

1. 要求：代码实现如图结构

2. 思路分析
   1. 存储顶点String 使用ArrayList
   2. 保存矩阵int [] [] edges

遍历——DFS && BFS

介绍：
图的遍历是对节点的访问。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：深度优先遍历（DFS）、广度优先遍历（BFS）

• 深度优先遍历（Depth First Search）

  1. 从初始访问结点出发，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，访问他的第一个邻接节点。可以理解为：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，而不是对一个节点的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
  • DFS算法步骤
    1. 访问初始节点v，并标记节点v为已访问
    2. 查找结点v的第一个邻接节点w
    3. 若w存在，则继续执行4，如果w不存在，则返回1，将从v的下一个结点继续
    4. 若w未被访问，对w进行深度优先递归（即把w当作另一个v，然后进行步骤123)
    5. 查找结点v的w邻接节点的下一个邻接节点转到步骤3

• 广度优先遍历（Broad First Search）

  • 基本思想：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
  • BFS算法步骤
    1. 访问初始结点v并标记结点v为已访问
    2. 结点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，取得队头结点u
    5. 查找结点u的第一个邻接节点w
    6. 若点u的邻接节点w不存在，则转到步骤3；否则循环执行以下三个步骤
       7. 若结点w尚未被访问，则访问节点w并标记为已访问
       8. 结点w入队列
       9. 查找结点u的继w邻接节点后的下一个邻接节点w，转到步骤6；

代码实现

package DataStructures.graph;

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
    //定义一个数组boolean[]，记录某个结点是否被访问过
    private boolean [] isVisited ;

    public static void main(String[] args) {
   
        //测试图是否创建OK
        int n = 5;// 节点的个数
        String Vertexs[] = {
   "A", "B", "C"