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
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
/**
* @Description: 图
* @Version:
* @Date: 2021/8/8 16:00
*/
public class Graph {
// 存储顶点集合
private ArrayList<String> vertexList;
// 存储图对应的临接矩阵
private int[][] edges;
// 表示边的数目
private int numOfEdges;
// 定义一个数组Boolean,记录某个节点是否被访问过
private boolean[] isVisited;
public static void main(String[] args) {
int n = 5;
String[] vertexes = {"A", "B", "C", "D", "E"};
Graph graph = new Graph(n);
// 添加节点
for (String vertex : vertexes) {
graph.insertVertex(vertex);
}
// 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();
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;
}
// 得到当前节点的第一个邻接节点的下标w
/**
*
* @param index
* @return 找到返回对应的下标,没找到就返回-1
*/
public int getFirstNeighbor(int index) {
for (int j=0; j < vertexList.size(); j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
// 根据前一个临接节点的下标来获取下一个邻接节点
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;
}
//深度优先算法
public void dfs(boolean[] isVisited, int i) {
// 首先访问该节点
System.out.print(getValueByIndex(i) + "->");
// 将结点设置为已经访问
isVisited[i] = true;
// 查找节点i的第一个邻接节点
int w = getFirstNeighbor(i);
while (w != -1) {
if (!isVisited[w]) {
dfs(isVisited, w);
}
// 如果w节点已经被访问过
w = getNextNeighbor(i,w);
}
}
// 对dfs进行重载,遍历我们所有的节点,并进行dfs
public void dfs() {
isVisited = new boolean[vertexList.size()];
// 遍历所有的节点,进行dfs回溯
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited,i);
}
}
}
// 对节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; // 邻接节点w
// 队列,记录节点访问的顺序
LinkedList queue = new LinkedList();
// 访问节点,输出节点信息
System.out.println(getValueByIndex(i) + "=>");;
// 标记为已访问
isVisited[i] = true;
// 将节点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {
// 取出队列的头结点下标
u = (Integer) queue.removeFirst();
// 得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
while (w != -1) {
// 是否访问过
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "=>");
// 标记为已经访问
isVisited[w] = true;
// 入队
queue.addLast(w);
}
// 以u为前驱节点,找到w后面的下一个邻接节点
w = getNextNeighbor(u, w);
}
}
}
// 遍历所有节点,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);
}
}
}
// 显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
// 返回节点的个数
public int getNumOfVertex() {
return vertexList.size();
}
// 返回边的个数
public int getNumOfEdges() {
return numOfEdges;
}
// 返回节点i对应的数据
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];
}
// 插入结点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
// 添加边
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
}