数据结构与算法(图的遍历与最小生成树)

首语

图的遍历

  • 图的遍历和树的遍历相似,我们希望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,这个过程就叫做图的遍历(Traversing Graph)。

深度优先遍历

  • 深度优先遍历(Depth_First_Search),也称为深度优先搜索,简称为DFS。
  • 它从图中某个顶点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有路径相通的顶点都被访问到。

代码实现

  • 递归实现
/**
     * 对外公开的深度优先遍历
     */
    public void depthFirstSearch() {
        isVisited = new boolean[vertexSize];
        for (int i = 0; i < vertexSize; i++) {
            if (!isVisited[i]) {
                System.out.println("被访问到了:" + i + "顶点");
                depthFirstSearch(i);
            }
        }
        isVisited = new boolean[vertexSize];
    }
 /**
     * 图的深度优先遍历算法
     * @param i
     */
    private void depthFirstSearch(int i) {
        isVisited[i] = true;
        int w = getFirstNeighbor(i);
        while (w != -1) {
            if (!isVisited[w]) {
                //需要遍历该顶点
                System.out.println("被访问到了:" + w + "顶点");
                depthFirstSearch(w);
            }
            w = getNextNeighbor(i, w);
        }
    }
     /**
     * 获取某个顶点的第一个邻接点
     *
     * @param index
     * @return
     */
    public int getFirstNeighbor(int index) {
        for (int j = 0; j < vertexSize; j++) {
            if (matrix[index][j] > 0 && matrix[index][j] < MAX_WEIGHT) {
                return j;
            }
        }
        return -1;//无邻接点
    }
    /**
     * 根据前一个邻接点的下标来获取下一个邻接点
     *
     * @param v1 要找的顶点
     * @param v2 表示该顶点相对于那个邻接点去获取下一个邻接点
     * @return
     */
    public int getNextNeighbor(int v1, int v2) {
        for (int j = v2 + 1; j < vertexSize; j++) {
            if (matrix[v1][j] > 0 && matrix[v1][j] < MAX_WEIGHT) {
                return j;
            }
        }
        return -1;
    }
  • 栈实现
public void dfs() {
        // 初始化所有的节点的访问标志
        for (int v = 0; v < visited.length; v++) {
            visited[v] = false;
        }
        Stack<Integer> stack = new Stack<Integer>();
        for (int i = 0; i < vexnum; i++) {
            if (visited[i] == false) {
                visited[i] = true;
                System.out.print(vertices[i] + " ");
                stack.push(i);
            }
            while (!stack.isEmpty()) {
                // 当前出栈的节点
                int k = stack.pop();
                for (int j = 0; j < vexnum; j++) {
                    // 如果是相邻的节点且没有访问过.
                    if (arcs[k][j] == 1 && visited[j] == false) {
                        visited[j] = true;
                        System.out.print(vertices[j] + " ");
                        stack.push(j);
                        // 这条路结束,返回上一个节点.
                         break;
                    }
                }
            }
        }       // 输出二维矩阵
        System.out.println();
        pritf(arcs);
    }
    /**
     * 输出邻接矩阵
     */
    public void pritf(int[][] arcs) {
        for (int i = 0; i < arcs.length; i++) {
            for (int j = 0; j < arcs[0].length; j++) {
                System.out.print(arcs[i][j] + "\t");
            }
            System.out.println();
        }
    }

广度优先遍历

  • 广度优先遍历(Breadth First Search),也称为宽度优先搜索,简称为BFS。
  • 类似于树的层序遍历,使用队列实现。

代码实现

public void broadFirstSearch() {
        isVisited = new boolean[vertexSize];
        for (int i = 0; i < vertexSize; i++) {
            if (!isVisited[i]) {
                broadFirstSearch(i);
            }
        }
    }
     /**
     * 实现广度优先遍历(队列)
     *
     * @param i
     */
    private void broadFirstSearch(int i) {
        int u, w;
        LinkedList<Integer> queue = new LinkedList<>();
        System.out.println("被访问到了:" + i + "顶点");
        isVisited[i] = true;
        queue.add(i);//第一次把v0加到队列
        while (!queue.isEmpty()) {
            u = queue.removeFirst();
            w=getFirstNeighbor(u);
            while (w!=-1){
                if (!isVisited[w]){
                    System.out.println("被访问到了:" + w + "顶点");
                    isVisited[w]=true;
                    queue.add(w);
                }
                w=getNextNeighbor(u,w);
            }
        }
    }

最小生成树

  • 假设你是电信的实施工程师,需要为一个镇的九个村庄架设通信网络做设计,村庄位置大致如图, 其中Vo~V8是村庄,之间连线的数字表示村与村间的可通达的直线距离,比如Vo至V1就是10公里(个别如Vo与V6, V6与V8, V5与V7未测算距离是因为有高山或湖泊,不予考虑)。你们领导要求你必须用最小的成本完成这次任务。你说怎么办?
  • 一个连通图的生成树是一个极小的连通子图,它含有图中全部的顶点,但只有足以构成一棵树的n-1条边。我们把构造连通网的最小代价生成树。称为最小生成树。
  • 找连通网的最小生成树,经典的有两种算法,普利姆算法和克鲁斯卡尔算法。

代码实现

  • 普林姆算法
   /**
     * prim 普里姆算法
     */
    public void prim(){
        int[] lowcost=new int[vertexSize];//最小代价顶点权值的数组,为0表示已经获取最小权值
        int[] adjvex=new int[vertexSize];//放顶点权值
        int min,minId,sum=0;
        for (int i=1;i<vertexSize;i++){
            lowcost[i]=matrix[0][i];
        }
        for (int i=1;i<vertexSize;i++){
            min=MAX_WEIGHT;
            minId=0;
            for (int j=1;j<vertexSize;j++){
                if (lowcost[j]<min&&lowcost[j]>0){
                    min=lowcost[j];
                    minId=j;
                }
            }
            System.out.println("顶点:"+adjvex[minId]+"权值:"+min);
            sum+=min;
            lowcost[minId]=0;
            for (int j=0;j<vertexSize;j++){
                if (lowcost[j]!=0&&matrix[minId][j]<lowcost[j]){
                    lowcost[j]=matrix[minId][j];
                    adjvex[j]=minId;
                }
            }
        }
        System.out.println("权值总和:"+sum);
    }
  • 克鲁斯卡尔算法

先构造一个只含 n 个顶点、而边集为空的子图,把子图中各个顶点看成各棵树上的根结点,之后,从网的边集 E
中选取一条权值最小的边,若该条边的两个顶点分属不同的树,则将其加入子图,即把两棵树合成一棵树,反之,若该条边的两个顶点已落在同一棵树上,则不可取,而应该取下一条权值最小的边再试之。依次类推,直到森林中只有一棵树,也即子图中含有 n-1 条边为止。

/**
     * 克鲁斯卡尔算法最小生成树
     */
    public void miniSpanTreeKruskal(){
        int m,n,sum=0;
        int[] parent=new int[edgeSize];//神奇的数组,下标为起点,值为终点
        for (int i = 0; i < edgeSize; i++) {
            parent[i]=0;
        }
        for (int i = 0; i < edgeSize; i++) {
            n=find(parent,edges[i].begin);
            m=find(parent,edges[i].end);
            if (n!=m){
                parent[n]=m;
                System.out.println("起始顶点:"+edges[i].begin+"结束顶点:"+edges[i].end+"权值:"+edges[i].weight);
                sum+=edges[i].weight;
            }else {
                System.out.println("第"+i+"边回环了!");
            }
        }
        System.out.println("权值总和:"+sum);
    }

    /**
     * 将神奇数组进行查询获取非回环的值
     * @param parent
     * @param f
     * @return
     */
    private int find(int[] parent, int f) {
        while (parent[f]>0){
            System.out.println("找到起点:"+f);
            f=parent[f];
            System.out.println("找到终点:"+f);
        }
        return f;
    }
    public void createEdgeArray(){
        Edge edge0 = new Edge(4,7,7);
        Edge edge1 = new Edge(2,8,8);
        Edge edge2 = new Edge(0,1,10);
        Edge edge3 = new Edge(0,5,11);
        Edge edge4 = new Edge(1,8,12);
        Edge edge5 = new Edge(3,7,16);
        Edge edge6 = new Edge(1,6,16);
        Edge edge7 = new Edge(5,6,17);
        Edge edge8 = new Edge(1,2,18);
        Edge edge9 = new Edge(6,7,19);
        Edge edge10 = new Edge(3,4,20);
        Edge edge11 = new Edge(3,8,21);
        Edge edge12 = new Edge(2,3,22);
        Edge edge13 = new Edge(3,6,24);
        Edge edge14 = new Edge(4,5,26);
        edges[0] = edge0;
        edges[1] = edge1;
        edges[2] = edge2;
        edges[3] = edge3;
        edges[4] = edge4;
        edges[5] = edge5;
        edges[6] = edge6;
        edges[7] = edge7;
        edges[8] = edge8;
        edges[9] = edge9;
        edges[10] = edge10;
        edges[11] = edge11;
        edges[12] = edge12;
        edges[13] = edge13;
        edges[14] = edge14;
    }
    class Edge{
        private int begin;
        private int end;
        private int weight;

        public Edge(int begin, int end, int weight) {
            this.begin = begin;
            this.end = end;
            this.weight = weight;
        }

    }
©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页