图的基本介绍以及图的深度优先和广度优先遍历
1.图基本介绍
为什么要有图
前面我们学了线性表和树
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
当我们需要表示多对多的关系时, 这里我们就用到了图
2. 图基本介绍
图的举例说明
图是一种数据结构,其中结点可以具有零个或多个相邻元素。两个结点之间的连接称为边。 结点也可以称为顶点。如图
图的常用概念
- 顶点(vertex)
- 边(edge)
- 路径
- 无向图(右图)
- 无向图: 顶点之间的连接没有方向,比如A-B,即可以是 A-> B 也可以 B->A
路径: 比如从 D -> C 的路径有1) D->B->C2) D->A->B->C
5.有向图: 顶点之间的连接有方向,比如A-B,只能是 A-> B 不能是 B->A .
6.带权图:这种边带权值的图也叫网
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)
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。
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
4.图遍历介绍
所谓图的遍历,即是对结点的访问。一个图有那么多个结点,如何遍历这些结点,需要特定策略,一般有两种访问策略: (1)深度优先遍历 (2)广度优先遍历
(1)图的深度优先遍历介绍
- 图的深度优先搜索(Depth First Search) 基本思想:
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4行横向访问。显然,深度优先搜索是一个递归的过程。 - 深度优先遍历算法步骤:
- 访问初始结点v,并标记结点v为已访问。
- 查找结点v的第一个邻接结点w。
- 若w存在,则继续执行4,如果w不存在,则回到第1步,将从v的下一个结点继续。
- 若w未被访问,对w进行深度优先遍历递归(即把w当做另一个v,然后进行步骤123)。
- 查找结点v的w邻接结点的下一个邻接结点,转到步骤3。
(2)图的广度优先遍历介绍
- 图的广度优先搜索(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 - 广度优先遍历算法步骤:
- 访问初始结点v并标记结点v为已访问。
- 结点v入队列
- 当队列非空时,继续执行,否则对V结点算法结束。
- 出队列,取得队头结点u。
- 查找结点u的第一个邻接结点w。
- 若结点u的邻接结点w不存在,则转到步骤3;否则循环执行以下三个步骤:
6.1 若结点w尚未被访问,则访问结点w并标记为已访问。
6.2 结点w入队列
6.3 查找结点u的继w邻接结点后的下一个邻接结点w,转到步骤6。
- 代码
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList; //存储顶点的集合
private int[][] edges; //存储图的邻接矩阵
private int numOfEdges; //存储边的数目
//记录某个结点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
int n = 8;
// String vertexs[] = {"A", "B", "C", "D", "E"};
String vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
//创建图对象
//添加顶点
Graph graph = new Graph(n);
for (int i = 0; i < n; i++) {
graph.insertVertex(vertexs[i]);
}
//添加边 A-B A-C B-C B-D B-E
// 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);
//跟新节点关系
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);
//显示矩阵
// graph.showGraph();
//深度优先遍历
System.out.println("深度优先遍历:");
graph.dfs(); //A -> B -> C -> D -> E 1->2->4->8->5->3->6->7->
System.out.println();
System.out.println("广度优先遍历:");
graph.bfs(); //A -> B -> C -> D -> E 1->2->3->4->5->6->7->8->
}
//构造器
public Graph(int n){
vertexList = new ArrayList<>();
edges = new int[n][n];
numOfEdges = 0;
}
//图中常用的方法
//返回结点的个数
public int getNumOfVertex(){
return vertexList.size();
}
//显示对应的矩阵
public void showGraph(){
System.out.println(Arrays.deepToString(edges));
/* for (int[] edge : edges) {
System.out.println(Arrays.toString(edge));
}*/
}
//得到边的数目
public int getNumOfEdges(){
return numOfEdges;
}
//返回结点下标对应的数据
public String getValueByIndex(int index){
return vertexList.get(index);
}
//返回v1 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 ++;
}
//得到当前结点的第一个邻接节点的下标,如果存在直接返回下标,否则返回-1
public int getFirstNeighbor(int index){
for (int i = 0; i < vertexList.size(); i++) {
if(edges[index][i] > 0){
return i;
}
}
return -1;
}
//根据前一个邻接节点的下标来获取下一个邻接节点,如果存在下一个邻接节点则返回下标,否则返回-1
public int getNextNeighbor(int v1, int v2){
for (int i = v2 + 1; i < vertexList.size(); i++) {
if(edges[v1][i] > 0){
return i;
}
}
return -1;
}
//对一个结点进行1深度优先遍历
// 开始i = 0;
public void dfs(boolean isVisited[], int i){
//输出当前结点
System.out.print(vertexList.get(i) + "->");
//将当前结点设置为已访问
isVisited[i] = true;
//得到第一个结点的第一个邻接节点
int w = getFirstNeighbor(i);
//当一直有第一个邻接节点时循环遍历
while (w != -1){
//这个结点没有被访问过
if(!isVisited[w]){
dfs(isVisited, w);
}
//如果被访问过
w = getNextNeighbor(i, w);
}
}
//对dfs进行重载,遍历所有的结点
public void dfs(){
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < vertexList.size(); i++) {
if(!isVisited[i]){
dfs(isVisited, i);
}
}
}
//对一个节点进行广度优先遍历
public void bfd(boolean isVisited[], int i){
int u;//队列头结点对应的下标
int w;//邻接节点
//队列,记录访问的顺序
LinkedList<Integer> linkedList = new LinkedList<>();
//输出当前访问的结点
System.out.print(vertexList.get(i) + "->");
//将当前结点置位已访问
isVisited[i] = true;
//将当前结点加入队列
linkedList.addLast(i);
//当队列不为空时
while (!linkedList.isEmpty()){
//取出队列头结点的下标
u = linkedList.removeFirst();
//得到u的第一个邻接节点的下标
w = getFirstNeighbor(u);
//有邻接节点时
while (w != -1){
//当没有访问过时
if(!isVisited[w]){
System.out.print(vertexList.get(w) + "->");
isVisited[w] = true;
linkedList.addLast(w);
}
//找u的下一个邻接节点
w = getNextNeighbor(u, w);
}
}
}
//遍历所有的结点,对所有的结点进行广度优先遍历
public void bfs(){
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < vertexList.size(); i++) {
if(!isVisited[i]){
bfd(isVisited, i);
}
}
}
}
- 结果