图的遍历
经过尚硅谷韩顺平老师的视频讲解 总结下来的笔记
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:
- 深度优先遍历
- 广度优先遍历
深度优先遍历
基本思想
图的深度优先搜索(Depth First Search)。
1)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。
2)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行横向访问。
3)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
1)访问初始结点v,并标记结点v为已访问。
2)查找结点v的第一个邻接结点w。
3)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。
4)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)。
5)查找结点v的w邻接结点的下一个邻接结点,转到步骤3。
广度优先遍历
广度优先遍历基本思想
图的广度优先搜索(Broad First Search) .
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
1)访问初始结点v并标记结点v为已访问。
2)结点v入队列
3)当队列非空时,继续执行,否则算法结束。
4)出队列,取得队头结点u。
5)查找结点u的第一个邻接结点w.
6)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。
package com.zhangan.graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class Graph {
private ArrayList<String> vertexList;//存储顶点集合
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
private boolean[] isVisited; //记录每个结点是否被访问
public Graph(int n) {
vertexList = new ArrayList<>(n);
edges = new int[n][n];
isVisited = new boolean[n];
}
//插入结点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
//添加边
/**
* @param v1 点对应的下标 即第几个顶点
* @param v2 另一个点的下标
* @param weight 权值
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
//返回结点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges() {
return numOfEdges;
}
//返回结点i(下标)对应的数值
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1 v2的权值
public int getWeight(int v1, int v2) {
return edges[v1][v2];
}
//显示图对应的矩阵
public void showGraph() {
for (int[] link : edges) {
System.out.println(Arrays.toString(link));
}
}
/**
* @param v1 v1是前一个邻接结点的行下标(preRowIndex)
* @param v2 v2是前一个邻接结点的列下标(preColIndex)
* @return 根据前一个邻接结点的下标来获取下一个邻接结点
*/
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;
}
//得到第一个邻接结点的下标
/**
* @param index
* @return 如果存在就返回对应的下标 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;
}
//深度优先遍历 DFS
public void dfs(boolean[] isVisted, int i) {
//首先访问该结点
System.out.print(getValueByIndex(i) + "->");
//将该结点设置为已经访问
isVisted[i] = true;
//查找结点的第一个邻接结点
int firstNeighbor = getFirstNeighbor(i);
while (firstNeighbor != -1) {
if (!isVisted[firstNeighbor]) {
dfs(isVisted, firstNeighbor);
}
firstNeighbor = getNextNeighbor(i, firstNeighbor);
}
}
//对dfs进行一个重载,遍历我们所有的结点,并进行dfs
public void dfs() {
//遍历所有的结点,进行dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
dfs(isVisited, i);
}
}
}
//对一个节点进行广度优先遍历 BFS
private void bfs(boolean[] isVisited, int i) {
int u;//表示队列的头结点的对应下标
int w;//邻接结点w
//队列,记录结点访问的顺序
LinkedList queue = new LinkedList();
//访问结点
System.out.print(getValueByIndex(i) + "->");
isVisited[i] = true;
//将结点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {
//取出队列的头结点下标
u = (Integer) queue.removeFirst();
//得到第一个邻接点的下标
w = getFirstNeighbor(u);
while (w != -1) {
//是否访问过
if (!isVisited[w]) {
System.out.print(getValueByIndex(w) + "->");
//标记已经访问
isVisited[w] = true;
//入队
queue.addLast(w);
}
//如果访问过了
//以u为前驱点 找w后面的下一个邻接点
w = getNextNeighbor(u, w);//体现出了广度优先
}
}
}
//遍历所有的点 都进行广度优先搜索
public void bfs() {
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
public static void main(String[] args) {
int n = 5;//结点个数
String vertexs[] = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(n);
//循环添加顶点
for (String value : vertexs) {
graph.insertVertex(value);
}
//添加边
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);
graph.showGraph();
//测试dfs
// System.out.println("深度遍历");
// graph.dfs();
//测试bfs
System.out.println("广度优先");
graph.bfs();
}
}