从图中某一顶点出发访遍图中其余顶点,且使每一个顶点仅被访问一次,这一过程就叫做图的遍历(Traversing Graph)
访问过的顶点打上标记,避免访问多次而不自知;可以通过设置一个访问数组visited[n],n是图中顶点个数,初值为0,访问之后设置为1
图遍历要避免因回路陷入死循环,通常有两种遍历次序方案:
- 深度优先遍历
- 广度优先遍历
深度优先遍历
深度优先遍历(Depth_First_Search),也有称为深度优先搜索,简称DFS
如上图,如何从顶点A开始走遍所有的图顶点并作上标记?
从顶点A开始,始终向右手边走,注意,走到最后,还有一个I顶点没走。
深度优先遍历其实就是一个递归的过程,从图右边路径可以看出类似一棵树的前序遍历,确实如此。
从图中某个顶点v出发,访问此顶点,然后从v的未被访问的邻接点出发深度优先遍历图,直至图中所有和v有路径想通的顶点都被访问到。
非连通图,只需要对它的连通分量分别进行深度优先遍历,即在先前一个顶点进行一次深度优先遍历后,若图中尚有顶点未被访问,则选图中一个未被访问的顶点作起始点,重复上述过程,直至图中所有顶点都被访问到为止。
邻接矩阵深度优先遍历
邻接矩阵表示如下图:
/**
* 邻接矩阵的深度优先遍历(注意I点的遍历比较特殊)
* @author jiaxinxiao
* @date 2019年12月28日
*/
public class DFSTest {
Boolean[] visited = new Boolean[9];
//邻接矩阵的深度优先递归算法
void DFS(Graph graph,int i){
int j;
visited[i] = true;
System.out.println(graph.verxs[i]);//打印顶点,也可以进行其他操作
for(j = 0;j<graph.numVertexes;j++){
if(graph.arc[i][j] == 1 && !visited[j]){
DFS(graph, j);
}
}
}
//邻接矩阵的深度遍历操作
void DFSTraverse(Graph graph){
int i;
for(i = 0;i<graph.numVertexes;i++){
visited[i] = false;//初始化所有顶点状态都是未访问状态
}
for(i=0;i<graph.numVertexes;i++){
if(!visited[i]){//对未访问过的顶点调用DFS,若是连通图,则只会执行一次
DFS(graph, i);
}
}
}
}
邻接表深度优先遍历
//邻接表深度优先递归算法
void DFS(GraphAdjList gl,int i){
EdgeNode p = null;
visited[i] = true;
System.out.println(gl.vertexNodes[i].data);//打印顶点
p = gl.vertexNodes[i].firstEdge;
while(p != null){
if(!visited[p.next.adjvex]){
DFS(gl, p.next.adjvex);
}
p = p.next;
}
}
//邻接表的深度遍历操作
void DFSTraverse(GraphAdjList gl){
int i;
for(i = 0;i<gl.numVertexes;i++){
visited[i] = false;//初始化所有顶点状态都是未访问状态
}
for(i=0;i<gl.numVertexes;i++){
if(!visited[i]){//对未访问过的顶点调用DFS,若是连通图,则只会执行一次
DFS(gl, i);
}
}
}
总结:两个不同存储结构深度优先遍历算法
- 邻接矩阵是二维数组,要查找每个顶点的邻接点需要访问矩阵中的元素,因此需要O(n^2)的时间
- 邻接表做存储结构,需要时间取决于顶点和边的数量,所以是O(n+e)
显然对于点多边少的稀疏图来说,邻接表结构使得算法在时间效率上大大提高。
广度优先遍历
广度优先遍历(Breadth First Search),又称广度优先搜索,简称BFS。
深度优先遍历未必是最佳方案,它意味着要彻底查找完一个地方,然后才查找另一个地方。
DFS类似于树的前序遍历,BFS类似于树的层序遍历。
如上图所示,顶点A作为第一层,A的所有边顶点BF作为第二层,BF的所有边顶点CIGE作为第三层,依次类推。
邻接矩阵广度优先遍历
//邻接矩阵广度遍历算法
void BFSTraverse(Graph g){
int i,j;
Queue<Integer> q;
for(i=0;i<g.numVertexes;i++){
visited[i] = false;
}
q = new LinkedList<Integer>();
for(i=0;i<g.numVertexes;i++){
if(!visited[i]){//未访问就处理
visited[i] = true;
System.out.println(g.verxs[i]);//打印顶点
q.offer(i);//此顶点入队
while(!q.isEmpty()){//若当前队列不为空
i = q.poll();//出队并记录此顶点在数组中的下标
for(j=0;j<g.numVertexes;j++){
//判断其他顶点若与当前顶点存在边,并且从未访问过
if(g.arc[i][j] == 1 && !visited[j]){
visited[j] = true;
//打印顶点
System.out.println(g.verxs[j]);
//将找到的顶点入队列
q.offer(j);
}
}
}
}
}
}
邻接表广度优先遍历
//邻接表广度遍历算法
void BFSTraverse(GraphAdjList g){
int i;
EdgeNode p;
Queue<Integer> q;
for(i=0;i<g.numVertexes;i++){
visited[i] = false;
}
q = new LinkedList<Integer>();
for(i=0;i<g.numVertexes;i++){
if(!visited[i]){
visited[i] = true;
//打印顶点
System.out.println(g.vertexNodes[i].data);
q.offer(i);
while(!q.isEmpty()){
i = q.poll();
//找到当前顶点边表链表头指针
p = g.vertexNodes[i].firstEdge;
while(p != null){
if(!visited[p.adjvex]){
visited[p.adjvex] = true;
System.out.println(g.vertexNodes[p.adjvex].data);
q.offer(p.adjvex);
}
p = p.next;//指针指向下一个邻接点
}
}
}
}
}
总结
两种遍历时间复杂度是相同的,不同的是对顶点的访问顺序不同。
两种算法没有优劣之分,视不同的情况选择不同的算法。
- 深度优先更适合目标比较明确,以找到目标为主要目的的情况
- 广度优先更适合在不断扩大遍历范围时找到相对最优解的情况