经典算法与数据结构（4）—— 图的遍历与常见算法实现（最小路径+最小生成树+拓扑排序）

前言

上一篇博客里讲了图结构的代码实现，本篇就记录一下，如何利用上一篇介绍的图结构，进行图的遍历（BFS + DFS）以及实现图相关的常见算法，包括Prim算法、Kruskal算法、Dijkstra算法以及拓扑排序。

关于图的这些算法，一直以来只是停留在了解算法思想的程度，还没有动手实现过。全部实现一遍过后，会发现代码量并不大，思想也都比较朴素，没有特别精巧难理解的那种。即便如此，亲手写一遍也还是很有必要的，比如K算法的实现，我还真一时想不到是用并查集实现的😮😮😮。

广度优先遍历（BFS）

• 定义：由指定结点begin作为开始结点，由近及远遍历，具体的含义就是，先遍历离begin距离短的，再遍历距离远的，相同距离的结点顺序不做要求。

注意不管是BFS还是DFS都需要一个Set来维护已经遍历过的结点防止重复遍历，因为可能某一个结点p跟begin的距离为1，但是遍历到距离为3的某个结点时，这个结点的nexts结点集合包含p，这个时候不应该重复遍历p。

下面看代码实现，核心思想是利用队列结构，跟树的层次遍历是一个道理，区别在于需要利用set进行一个去重：

public class BFS {
   
    public static void bfs(Graph graph, Node node){
   
        
        Queue<Node> que = new LinkedList<>();
        HashSet<Node> set = new HashSet<>();

        que.offer(node);
        
        while (!que.isEmpty()){
   
            Node tmp = que.poll();
            System.out.println(tmp.value);
            for (Node n : tmp.nexts) {
   
                if (!set.contains(n)) {
   
                    que.offer(n);
                    set.add(n);
                }
            }
        }
    }

    
    public static void main(String[] args) {
   
        int[][] matrix = {
   {
   0,1,2}, {
   0,1,3}, {
   0,1,4}, {
   0,2,3}, {
   0,2,7}, {
   0,7,3}, {
   0,3,5}, {
   0,4,6}};
        Graph graph = CreateGraph.createGraph(matrix);
        Node begin = graph.nodes.get(1);
        BFS.bfs(graph, begin);
    }
}
// 输出结果：1，2，3，4，7，5，6

深度优先遍历（DFS）

• 定义：由给定结点开始，一直往下遍历，直到到头了再回溯走另一条路径。

与BFS相比，DFS的核心思想是利用栈结构，类似树的非递归遍历（这个在左神的课上已经看过了，还没写博客，下次补上。比起树的递归遍历，还是要稍复杂一些的）。

下面看DFS代码实现，大体思路是：由begin结点开始，先poll，再遍历其nexts数组（即指向的邻居结点），一旦遇到一个set中还没有的，记为p，就把begin和p一起加入栈中，打印p，再由p作为begin开始重复上述过程，看代码吧：

public class DFS {
   
    public static void