目录移到右上角啦!
一、为什么要学图
图能表示多对多的关系,这是别的数据结构所没有的
例: 线性表局限于一个直接前驱和一个直接后继的关系
树也只能有一个直接前驱也就是父节点
应用场景:
1、地图
2、集成电路图
二、图的定义和分类
定义:
图是由一组顶点和一组能够将两个顶点相连的边组成的
特殊的图:
1、自环:即一条连接一个顶点和其自身的边;
2. 平行边:连接同一对顶点的两条边;
图的分类:
按照连接两个顶点的边的不同,可以把图分为以下两种:
无向图:边仅仅连接两个顶点,没有其他含义;
有向图:边不仅连接两个顶点,并且具有方向;
三、无向图
1、相关术语
相邻顶点: 当两个顶点通过一条边相连时,我们称这两个顶点是相邻的,并且称这条边依附于这两个顶点。
度: 某个顶点的度就是依附于该顶点的边的个数
子图: 是一幅图的所有边的子集(包含这些边依附的顶点)组成的图;
路径: 是由边顺序连接的一系列的顶点组成
环: 是一条至少含有一条边且终点和起点相同的路径
连通图: 如果图中任意一个顶点都存在一条路径到达另外一个顶点,那么这幅图就称之为连通图
连通子图: 一个非连通图由若干连通的部分组成,每一个连通的部分都可以称为该图的连通子图
2、图的存储结构
要表示一幅图,只需要表示清楚以下两部分内容即可:
1. 图中所有的顶点;
2. 所有连接顶点的边;
常见的图的存储结构有两种:邻接矩阵和邻接表
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,矩阵是的row和col表示的是1....n个点。
adj[7][8] = 1; adj[8][7] = 1;
邻接表
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
1.使用一个大小为V的数组 Queue[V] adj,把索引看做是顶点;
2.每个索引处adj[v]存储了一个队列,该队列中存储的是所有与该顶点相邻的其他顶点
四、图的实现
1、图的API设计
类名 | Graph |
构造方法 | Graph(int V):创建一个包含V个顶点但不包含边的图 |
成员方法 | 1.public int V():获取图中顶点的数量 2.public int E():获取图中边的数量 3.public void addEdge(int v,int w):向图中添加一条边 v-w 4.public Queue adj(int v):获取和顶点v相邻的所有顶点 |
成员变量 | 1.private final int V: 记录顶点数量 2.private int E: 记录边数量 3.private Queue[] adj: 邻接表 |
2、代码实现
构造图
创建顶点,边,邻接表
提供相关方法
package 基本图;
import 队列.Queue;
public class Graph {
//顶点数目
private final int v;
//遍的数目
private int E;
//邻接表
private Queue<Integer>[] adj;
public Graph(int v) {
//初始化顶点数量
this.v = v;
//初始化边的数量
this.E = 0;
//初始化邻接表
this.adj = new Queue[v];
for (int i = 0; i < adj.length; i++) {
adj[i] = new Queue<>();
}//为邻接表赋值
}
//获取顶点的数目
public int v(){
return v;
}
//获取边的数目
public int E(){
return E;
}
//向图中添加一条边
public void addEdge(int v,int w){
//在无向图中,边是没有方向的,所以该边既可以说是从v到w,也可以是w到v
adj[v].enqueue(w) ;
adj[w].enqueue(v) ;
//边的数量+1
E++;
}
//获取和顶点v相邻的所有顶点
public Queue<Integer> adj(int v){
return adj[v];
}//返回邻接表里的值
}
导入的包
package 队列;
import java.util.Iterator;
public class Queue<T> implements Iterable<T>{
//记录首结点
private Node head;
//记录最后一个结点
private Node last;
//记录队列中元素的个数
private int N;
private class Node{
public T item;
public Node next;
public Node(T item, Node next) {
this.item = item;
this.next = next;
}
}
public Queue() {
this.head = new Node(null,null);
this.last=null;
this.N=0;
}
//判断队列是否为空
public boolean isEmpty(){
return N==0;
}
//返回队列中元素的个数
public int size(){
return N;
}
//向队列中插入元素t
public void enqueue(T t){
if (last==null){
//当前尾结点last为null
last= new Node(t,null);
head.next=last;
}else {
//当前尾结点last不为null
Node oldLast = last;
last = new Node(t, null);
oldLast.next=last;
}
//元素个数+1
N++;
}
//从队列中拿出一个元素
public T dequeue(){
if (isEmpty()){
return null;
}
Node oldFirst= head.next;
head.next=oldFirst.next;
N--;
//因为出队列其实是在删除元素,因此如果队列中的元素被删除完了,需要重置last=null;
if (isEmpty()){
last=null;
}
return oldFirst.item;
}
@Override
public Iterator<T> iterator() {
return new QIterator();
}
private class QIterator implements Iterator{
private Node n;
public QIterator(){
this.n=head;
}
@Override
public boolean hasNext() {
return n.next!=null;
}
@Override
public Object next() {
n = n.next;
return n.item;
}
}
}