zoukankan html css js c++ java

Java数据结构与算法 day12 图

文章目录

第12章图

图的基本介绍和存储形式

图基本介绍
图的表示方式

图的创建图解和代码实现
图的深度优先(DFS)算法图解与实现
图的广度优先(BFS)算法图解
图的DFS和BFS比较
本章思维导图

第12章图

本章源码：https://github.com/name365/Java-Data-structure

图的基本介绍和存储形式

图基本介绍

为什么要有图???

前面我们学了线性表和树,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,这里我们就用到了图。

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

l图的常用概念：

顶点(vertex)
边(edge)

在这里插入图片描述

路径：比如从 D -> C 的路径有
- D->B->C
- D->A->B->C
无向图(上图)：顶点之间的连接没有方向，比如A-B,即可以是 A-> B 也可以 B->A .
有向图：顶点之间的连接有方向，比如A-B，只能是 A-> B 不能是 B->A .

在这里插入图片描述

带权图：这种边带权值的图也叫网.

在这里插入图片描述

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）。

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

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

在这里插入图片描述

说明:
1.标号为0的结点的相关联的结点为 1 2 3 4
2.标号为1的结点的相关联结点为0 4，
3.标号为2的结点相关联的结点为 0 4 5
4.....

图的创建图解和代码实现

要求: 代码实现如下图结构.

在这里插入图片描述

思路分析  
(1) 存储顶点String  使用 ArrayList 
(2) 保存矩阵 int[][] edges

代码实现如下：

import java.util.ArrayList;
import java.util.Arrays;

public class Graph {

	private ArrayList<String> vertexList; // 存储顶点集合
	private int[][] str; // 存储图对应的邻接矩阵
	private int numofEdges; // 表示边的数目

	public static void main(String[] args) {

		// 测试图的创建
		int n = 5; // 结点的个数
		String Ver[] = { "A", "B", "C", "D", "E" };

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环的添加顶点
		for (String vertex : Ver) {
			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); // A-C
		graph.insertEdge(1, 2, 1); // B-C
		graph.insertEdge(1, 3, 1); // B-D
		graph.insertEdge(1, 4, 1); // B-E 
		
		//显示邻接矩阵
		graph.showGraph();
		
	}

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		str = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numofEdges = 0;
	}

	// 插入结点
	public void insertVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @Description
	 * @author subei
	 * @date 2020年6月14日下午6:37:03
	 * @param v1
	 *            表示点的下标即第几个顶点 "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) {
		str[v1][v2] = weight;
		str[v2][v1] = weight;
		numofEdges++;
	}

	// 图中常用的方法
	// 返回结点的个数
	public int getNumber() {
		return vertexList.size();
	}

	// 得到边的个数
	public int getNumEdg() {
		return numofEdges;
	}

	// 返回结点i(下标)对应的值 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 str[v1][v2];
	}

	// 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 : str) {
			System.err.println(Arrays.toString(link));
		}
	}

}

图的深度优先(DFS)算法图解与实现

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) (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。

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。

看一个具体案例分析:

要求：对下图进行深度优先搜索, 从A 开始遍历。

在这里插入图片描述

     A   B   C   D   E
A    0   1   1   0   0
B    1   0   1   1   1
C    1   1   0   0   0
D    0   1   0   0   0 
E    0   1   0   0   0

//说明
//(1) 1 表示能够直接连接
//(2) 0 表示不能直接连接

代码实现如下:

import java.util.ArrayList;
import java.util.Arrays;

public class Graph {

	private ArrayList<String> vertexList; // 存储顶点集合
	private int[][] str; // 存储图对应的邻接矩阵
	private int numofEdges; // 表示边的数目
	// 定义一个数组boolean[], 记录某个结点是否被访问
	private boolean[] isNut;

	public static void main(String[] args) {

		// 测试图的创建
		int n = 5; // 结点的个数
		String Ver[] = { "A", "B", "C", "D", "E" };

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环的添加顶点
		for (String vertex : Ver) {
			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); // A-C
		graph.insertEdge(1, 2, 1); // B-C
		graph.insertEdge(1, 3, 1); // B-D
		graph.insertEdge(1, 4, 1); // B-E

		// 显示邻接矩阵
		graph.showGraph();

		//测试dfs
		System.out.println("深度遍历:");
		graph.dfs();	//A->B->C->D->E->
		
	}

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		str = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numofEdges = 0;
		isNut = new boolean[5];
	}

	// 插入结点
	public void insertVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @Description
	 * @author subei
	 * @date 2020年6月14日下午6:37:03
	 * @param v1
	 *            表示点的下标即第几个顶点 "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) {
		str[v1][v2] = weight;
		str[v2][v1] = weight;
		numofEdges++;
	}

	// 图中常用的方法
	// 返回结点的个数
	public int getNumber() {
		return vertexList.size();
	}

	// 得到边的个数
	public int getNumEdg() {
		return numofEdges;
	}

	// 返回结点i(下标)对应的值 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 str[v1][v2];
	}

	// 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 : str) {
			System.err.println(Arrays.toString(link));
		}
	}

	// 得到第一个邻接结点的下标 w
	/**
	 * 
	 * @Description
	 * @author subei
	 * @date 2020年6月14日下午8:03:22
	 * @param index
	 * @return 如果存在就返回对应的下标，否则返回-1
	 */
	public int getFirstNeigh(int index) {
		for (int j = 0; j < vertexList.size(); j++) {
			if (str[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 getNextNeigh(int v1, int v2) {
		for (int j = v2 + 1; j < vertexList.size(); j++) {
			if (str[v1][j] > 0) {
				return j;
			}
		}
		return -1;
	}

	// 深度优先算法
	public void dfs(boolean[] isNut, 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
		isNut[i] = true;
		// 查找结点i的第一个邻接结点w
		int w = getFirstNeigh(i);
		while (w != -1) {// 说明找到了
			if (!isNut[w]) {
				dfs(isNut, w);
			}
			// 如果w结点已经被访问过
			w = getNextNeigh(i, w);
		}
	}

	//对DFS进行重载,遍历所有的结点,并进行DFS
	public void dfs() {
		isNut = new boolean[vertexList.size()];
		//遍历所有的结点,进行dfs[回溯]
		for(int i = 0; i < getNumOfVertex(); i++) {
			if(!isNut[i]) {
				dfs(isNut, i);
			}
		}
	}
	
}

图的广度优先(BFS)算法图解

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。

在这里插入图片描述

     A   B   C   D   E
A    0   1   1   0   0
B    1   0   1   1   1
C    1   1   0   0   0
D    0   1   0   0   0 
E    0   1   0   0   0

//说明
//(1) 1 表示能够直接连接
//(2) 0 表示不能直接连接

代码实现如下:

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[][] str; // 存储图对应的邻接矩阵
	private int numofEdges; // 表示边的数目
	// 定义一个数组boolean[], 记录某个结点是否被访问
	private boolean[] isNut;

	public static void main(String[] args) {

		// 测试图的创建
		int n = 5; // 结点的个数
		String Ver[] = { "A", "B", "C", "D", "E" };

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环的添加顶点
		for (String vertex : Ver) {
			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); // A-C
		graph.insertEdge(1, 2, 1); // B-C
		graph.insertEdge(1, 3, 1); // B-D
		graph.insertEdge(1, 4, 1); // B-E

		// 显示邻接矩阵
		graph.showGraph();

		//测试bfs
		System.out.println("广度遍历:");
		graph.bfs();	//A=>B=>C=>D=>E=>
		
	}

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		str = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numofEdges = 0;
		isNut = new boolean[5];
	}

	// 插入结点
	public void insertVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @Description
	 * @author subei
	 * @date 2020年6月14日下午6:37:03
	 * @param v1
	 *            表示点的下标即第几个顶点 "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) {
		str[v1][v2] = weight;
		str[v2][v1] = weight;
		numofEdges++;
	}

	// 图中常用的方法
	// 返回结点的个数
	public int getNumber() {
		return vertexList.size();
	}

	// 得到边的个数
	public int getNumEdg() {
		return numofEdges;
	}

	// 返回结点i(下标)对应的值 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 str[v1][v2];
	}

	// 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 : str) {
			System.err.println(Arrays.toString(link));
		}
	}

	// 得到第一个邻接结点的下标 w
	/**
	 * 
	 * @Description
	 * @author subei
	 * @date 2020年6月14日下午8:03:22
	 * @param index
	 * @return 如果存在就返回对应的下标，否则返回-1
	 */
	public int getFirstNeigh(int index) {
		for (int j = 0; j < vertexList.size(); j++) {
			if (str[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 getNextNeigh(int v1, int v2) {
		for (int j = v2 + 1; j < vertexList.size(); j++) {
			if (str[v1][j] > 0) {
				return j;
			}
		}
		return -1;
	}

	// 广度优先算法
	public void bfs(boolean[] isNut, 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<Integer> queue = new LinkedList<Integer>();
		// 访问结点,输出结点信息
		System.out.print(getValueByIndex(i) + "=>");
		// 标记为已访问
		isNut[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 = getFirstNeigh(u);
			while(w != -1) {//找到了
				// 是否访问过
				if(!isNut[w]) {
					System.out.print(getValueByIndex(w) + "=>");
					// 标记已经访问
					isNut[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 = getNextNeigh(u, w); // 体现广度优先
			}
		}
	}

	//对BFS进行重载,遍历所有的结点,并进行BFS
	public void bfs() {
		isNut = new boolean[vertexList.size()];
		for(int i = 0; i < getNumOfVertex(); i++) {
			if(!isNut[i]) {
				bfs(isNut, i);
			}
		}
	}	
}

图的DFS和BFS比较

在这里插入图片描述

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);

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

代码实现如下:

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[][] str; // 存储图对应的邻接矩阵
	private int numofEdges; // 表示边的数目
	// 定义一个数组boolean[], 记录某个结点是否被访问
	private boolean[] isNut;

	public static void main(String[] args) {

		// 测试图的创建
		int n = 8; // 结点的个数
		String Ver[] = {"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 : Ver) {
			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);

		// 显示邻接矩阵
		graph.showGraph();

		// 测试dfs
		System.out.println("深度遍历:");
		graph.dfs(); // 1->2->4->8->5->3->6->7->

		// 测试bfs
		System.out.println("广度遍历:");
		graph.bfs(); // 1=>2=>3=>4=>5=>6=>7=>8=>

	}

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		str = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numofEdges = 0;
		isNut = new boolean[5];
	}

	// 插入结点
	public void insertVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @Description
	 * @author subei
	 * @date 2020年6月14日下午6:37:03
	 * @param v1
	 *            表示点的下标即第几个顶点 "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) {
		str[v1][v2] = weight;
		str[v2][v1] = weight;
		numofEdges++;
	}

	// 图中常用的方法
	// 返回结点的个数
	public int getNumber() {
		return vertexList.size();
	}

	// 得到边的个数
	public int getNumEdg() {
		return numofEdges;
	}

	// 返回结点i(下标)对应的值 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 str[v1][v2];
	}

	// 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 : str) {
			System.err.println(Arrays.toString(link));
		}
	}

	// 得到第一个邻接结点的下标 w
	/**
	 * 
	 * @Description
	 * @author subei
	 * @date 2020年6月14日下午8:03:22
	 * @param index
	 * @return 如果存在就返回对应的下标，否则返回-1
	 */
	public int getFirstNeigh(int index) {
		for (int j = 0; j < vertexList.size(); j++) {
			if (str[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 getNextNeigh(int v1, int v2) {
		for (int j = v2 + 1; j < vertexList.size(); j++) {
			if (str[v1][j] > 0) {
				return j;
			}
		}
		return -1;
	}

	// 深度优先算法
	public void dfs(boolean[] isNut, 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
		isNut[i] = true;
		// 查找结点i的第一个邻接结点w
		int w = getFirstNeigh(i);
		while (w != -1) {// 说明找到了
			if (!isNut[w]) {
				dfs(isNut, w);
			}
			// 如果w结点已经被访问过
			w = getNextNeigh(i, w);
		}
	}

	// 对DFS进行重载,遍历所有的结点,并进行DFS
	public void dfs() {
		isNut = new boolean[vertexList.size()];
		// 遍历所有的结点,进行dfs[回溯]
		for (int i = 0; i < getNumOfVertex(); i++) {
			if (!isNut[i]) {
				dfs(isNut, i);
			}
		}
	}

	// 广度优先算法
	public void bfs(boolean[] isNut, 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<Integer> queue = new LinkedList<Integer>();
		// 访问结点,输出结点信息
		System.out.print(getValueByIndex(i) + "=>");
		// 标记为已访问
		isNut[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 = getFirstNeigh(u);
			while (w != -1) {// 找到了
				// 是否访问过
				if (!isNut[w]) {
					System.out.print(getValueByIndex(w) + "=>");
					// 标记已经访问
					isNut[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 = getNextNeigh(u, w); // 体现广度优先
			}
		}
	}

	// 对BFS进行重载,遍历所有的结点,并进行BFS
	public void bfs() {
		isNut = new boolean[vertexList.size()];
		for (int i = 0; i < getNumOfVertex(); i++) {
			if (!isNut[i]) {
				bfs(isNut, i);
			}
		}
	}
}

本章思维导图

在这里插入图片描述

欢迎查阅

查看全文

相关阅读:
jquery实现选项卡（两句即可实现）
常用特效积累
 jquery学习笔记
 idong常用js总结
 织梦添加幻灯片的方法
 LeetCode "Copy List with Random Pointer"
LeetCode "Remove Nth Node From End of List"
LeetCode "Sqrt(x)"
LeetCode "Construct Binary Tree from Inorder and Postorder Traversal"
LeetCode "Construct Binary Tree from Preorder and Inorder Traversal"

原文地址：https://www.cnblogs.com/gh110/p/13167383.html

Java数据结构与算法 day12 图

文章目录

第12章 图

图的基本介绍和存储形式

图基本介绍

图的表示方式

图的创建图解和代码实现

图的深度优先(DFS)算法图解与实现

图的广度优先(BFS)算法图解

图的DFS和BFS比较

本章思维导图

第12章图