当前位置 博文首页 > 邱天的henry的博客:第十三章 数据结构与算法(图)

    邱天的henry的博客:第十三章 数据结构与算法(图)

    作者:[db:作者] 时间:2021-07-05 22:04

    13.1 图基本介绍
    13.1.1 为什么要有图

    1. 前面我们学了线性表和树
    2. 线性表局限于一个直接前驱和一个直接后继的关系
    3. 树也只能有一个直接前驱也就是父节点
    4. 当我们需要表示多对多的关系时, 这里我们就用到了图。

    13.1.2 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:
    在这里插入图片描述
    13.1.3 图的常用概念

    1. 顶点(vertex)
    2. 边(edge)
    3. 路径
    4. 无向图(右图
      在这里插入图片描述
    5. 有向图
    6. 带权图
      在这里插入图片描述

    13.2 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)。
    13.2.1 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。
    在这里插入图片描述

    13.2.2 邻接表

    1. 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.
    2. 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
    3. 举例说明
      在这里插入图片描述

    13.3 图的快速入门案例

    1. 要求: 代码实现如下图结构.
      在这里插入图片描述
    2. 思路分析 (1) 存储顶点 String 使用 ArrayList (2) 保存矩阵 int[][] edges
    3. 代码实现
    //插入结点
    public void insertVertex(String vertex) {
    	vertexList.add(vertex);
    	}
    	//添加边
    	/**
    	*
    	* @param v1 表示点的下标即使第几个顶点 "A"-"B" "A"->0 "B"->1
    	* @param v2 第二个顶点对应的下标
    	* @param weight 表示
    	*/
    	public void insertEdge(int v1, int v2, int weight) {
    	edges[v1][v2] = weight;
    	edges[v2][v1] = weight;
    	numOfEdges++;
    }
    

    13.4 图的深度优先遍历介绍
    13.4.1 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
    13.4.2 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

    13.4.3 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。
    6. 分析图
      在这里插入图片描述
      13.4.4 深度优先算法的代码实现
    //深度优先遍历算法
    //i 第一次就是 0
    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);
    	    }
    	  }
    	}
    

    13.5 图的广度优先遍历
    13.5.1 广度优先遍历基本思想

    1. 图的广度优先搜索(Broad First Search) 。
    2. 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

    13.5.2 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。
      13.5.3 广度优先算法的图示
      在这里插入图片描述

    13.6 广度优先算法的代码实现

    //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); //体现出我们的广度优先
    	  }
    	}
    }
    //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);
           }
        }
    }
    

    13.7 图的代码汇总

    package com.atguigu.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; //存储图对应的邻结矩阵
    	private int numOfEdges; //表示边的数目
    	//定义给数组boolean[], 记录某个结点是否被访问
    	private boolean[] isVisited;
    	
    	public static void main(String[] args) {
    		//测试一把图是否创建ok
    		int n = 8;  //结点的个数
    		//String Vertexs[] = {"A", "B", "C", "D", "E"};
    		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
    		//A-B A-C B-C B-D B-E 
    //		graph.insertEdge(0, 1, 1); // A-B
    //		graph.insertEdge(0, 2, 1); // 
    //		graph.insertEdge(1, 2, 1); // 
    //		graph.insertEdge(1, 3, 1); // 
    //		graph.insertEdge(1, 4, 1); // 
    		
    		//更新边的关系
    		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);
    
    		
    		
    		//显示一把邻结矩阵
    		graph.showGraph();
    		
    		//测试一把,我们的dfs遍历是否ok
    		System.out.println("深度遍历");
    		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!");
    		graph.bfs(); // A->B->C->D-E [1->2->3->4->5->6->7->8]
    		
    	}
    	
    	//构造器
    	public Graph(