本文共 6819 字,大约阅读时间需要 22 分钟。
本人是个新手,写下博客用于自我复习、自我总结。 如有错误之处,请各位大佬指出。 学习资料来源于:尚硅谷
为什么要有图?
前面出现了线性表和树。
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, 只有图能满足条件。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,矩阵的row和col表示的是1…n个点。
邻接表接下来就只用邻接矩阵的方式编写代码。邻接表就不再赘述,和哈希表的实现一样。重要的是之后的图的遍历。
要求:代码实现如下图结构
import java.util.Arrays;public class Graph { private int[][] edges; // 存储图对应的邻结矩阵 public static void main(String[] args) { // 测试 int n = 5; // 结点的个数 // 创建图对象 Graph graph = new Graph(n); // 添加边 // A-B A-C B-C B-D B-E graph.insertEdge(0, 1, 1); // A-B graph.insertEdge(0, 2, 1); // A-C graph.insertEdge(1, 2, 1); // B-C graph.insertEdge(1, 3, 1); // B-D graph.insertEdge(1, 4, 1); // B-E // 显示 graph.showGraph(); } // 构造器 public Graph(int n) { // 初始化矩阵 edges = new int[n][n]; } // 显示图对应的矩阵 public void showGraph() { for (int[] link : edges) { System.err.println(Arrays.toString(link)); } } // 添加边 /** * @param v1 * 表示点的下标是第几个顶点 "A"-"B" "A"->0 "B"->1 * @param v2 * 第二个顶点对应的下标 * @param weight * 表示连通性 */ public void insertEdge(int v1, int v2, int weight) { edges[v1][v2] = weight; edges[v2][v1] = weight; }}
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
深度优先遍历算法步骤:
示例: 对下图进行深度优先遍历, 从A 开始遍历。
思路分析
所以结果是:A B C D E
广度优先搜索 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:
示例: 对下图进行广度优先遍历, 从A 开始遍历。
简单说明:A入队后 ,A标记已访问,A出队。A的第一个邻接节点B,B标记已访问;A的下一个邻接节点C,C标记已访问。因为再没有邻接节点,所以回到步骤3。B出队。B的第一个邻接节点D,D标记已访问;D的下一个邻接节点E,E标记已访问。因为再没有邻接节点,所以回到步骤3。C出队,无邻接节点。D出队,无邻接节点。E出队,无邻接节点。结束。结果为:A B C D E
上面的示例看不出什么效果,接下来看另一个示例:
深度优先遍历顺序为 1->2->4->8->5->3->6->7 广度优先算法的遍历顺序为:1->2->3->4->5->6->7->8(如果不知道为什么,可以仔细看看两个遍历的算法步骤,慢慢比对)
import java.util.ArrayList;import java.util.Arrays;import java.util.LinkedList;public class Graph { private ArrayListvertexList; // 存储顶点集合 private int[][] edges; // 存储图对应的邻结矩阵 private int numOfEdges; // 表示边的数目 // 定义个数组boolean[], 记录某个结点是否被访问 private boolean[] isVisited; public static void main(String[] args) { int n = 8; // 结点的个数 String Vertexs[] = { "1", "2", "3", "4", "5", "6", "7", "8" }; // 创建图对象 Graph graph = new Graph(n); // 循环的添加顶点 for (String vertex : Vertexs) { graph.insertVertex(vertex); } // 添加边 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 graph.showGraph(); // 测试 System.out.println("深度遍历"); graph.dfs(); // [1->2->4->8->5->3->6->7] System.out.println(); System.out.println("广度优先"); graph.bfs(); // [1->2->3->4->5->6->7->8] } // 构造器 public Graph(int n) { // 初始化矩阵和vertexList edges = new int[n][n]; vertexList = new ArrayList (n); numOfEdges = 0; } // 得到第一个邻接结点的下标 w /** * @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 j = 0; j < vertexList.size(); j++) { if (edges[index][j] > 0) { return j; } } return -1; } // 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 j = v2 + 1; j < vertexList.size(); j++) { if (edges[v1][j] > 0) { return j; } } return -1; } // 深度优先遍历算法 private void dfs(boolean[] isVisited, int i) { // 首先我们访问该结点,输出 System.out.print(getValueByIndex(i) + "->"); // 将结点设置为已经访问 isVisited[i] = true; // 查找结点i的第一个邻接结点w int w = getFirstNeighbor(i); while (w != -1) { // 说明有 if (!isVisited[w]) { dfs(isVisited, w); } // 如果w结点已经被访问过 w = getNextNeighbor(i, w); } } // 对dfs 进行一个重载, 遍历我们所有的结点,并进行 dfs public void dfs() { isVisited = new boolean[vertexList.size()]; // 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); } } } // 对一个结点进行广度优先遍历的方法 private void bfs(boolean[] isVisited, int i) { int u; // 表示队列的头结点对应下标 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,输出结点信息 System.out.print(getValueByIndex(i) + "=>"); // 标记为已访问 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(); // 得到第一个邻接结点的下标 w w = getFirstNeighbor(u); while (w != -1) { // 找到 // 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); } // 以u为前驱点,找w后面的下一个邻结点 w = getNextNeighbor(u, w); // 体现出广度优先 } } } // 遍历所有的结点,都进行广度优先搜索 public void bfs() { isVisited = new boolean[vertexList.size()]; for (int i = 0; i < getNumOfVertex(); i++) { if (!isVisited[i]) { bfs(isVisited, i); } } } // 图中常用的方法 // 返回结点的个数 public int getNumOfVertex() { return vertexList.size(); } // 显示图对应的矩阵 public void showGraph() { for (int[] link : edges) { System.err.println(Arrays.toString(link)); } } // 得到边的数目 public int getNumOfEdges() { return numOfEdges; } // 返回结点i(下标)对应的数据 0->"A" 1->"B" 2->"C" public String getValueByIndex(int i) { return vertexList.get(i); } // 返回v1和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 /** * @param v1 * 表示点的下标是第几个顶点 "A"-"B" "A"->0 "B"->1 * @param v2 * 第二个顶点对应的下标 * @param weight * 表示连通性 */ public void insertEdge(int v1, int v2, int weight) { edges[v1][v2] = weight; edges[v2][v1] = weight; numOfEdges++; }}
转载地址:http://hayki.baihongyu.com/