数据结构和算法学习笔记七_图
学习视频:尚硅谷韩老师Java讲解数据结构与算法
一、基本介绍
1.1、图的基本概念:
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:
1.2、图的常用概念:
- 顶点(vertex)
- 边(edge)
- 路径
- 无向图:
-
有向图:
-
带权图:
1.3、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。
- 邻接表
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.
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
二、快速入门
2.1、图的快速入门案例
- 要求: 代码实现如下图结构.
-
思路分析 (1) 存储顶点String 使用 ArrayList (2) ,保存矩阵 int[][] edges
-
代码实现
package com.lxf.graph; import java.util.ArrayList; 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 numOfEdge;//表示边的数目 public static void main(String[] args) { //测试一把图是否创建成功 int n=5;//结点的个数 String vertexValue[]={ "A","B","C","D","E"}; //创建图对象 Graph graph = new Graph(n); //循环添加顶点 for (String value:vertexValue){ graph.insertVertex(value); } //添加边 //A-B A-C B-C B-D B-E 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); //显示邻接矩阵 graph.showGraph(); } /** * 构造器:初始化邻接矩阵和顶点集合 * @param n :顶点数 */ public Graph(int n) { this.edges =new int[n][n]; vertexList=new ArrayList<String>(); } /** * 返回结点的个数 * @return */ public int getNumOfVertex(){ return vertexList.size(); } /** * 返回边的条个数 * @return */ public int getNumOfEdge(){ return numOfEdge; } /** * 返回结点i(下标)对应的数据0->"A" 1->"B" 2->"C" * @return */ public String getValueByIndex(int i){ return vertexList.get(i); } /** * 显示图对应的矩阵 */ public void showGraph(){ for (int[] edge : edges) { for (int i : edge) { System.out.print(i+" "); } System.out.println(); } } /** * 返回坐标对应的权值 * @param v1 * @param v2 * @return */ public int getWeight(int v1,int v2){ return edges[v1][v2]; } /** * 插入结点 * @param vertex */ public void insertVertex(String vertex){ vertexList.add(vertex); } /** * 添加边 * @param v1 表示第一个点的下标 * @param v2 表示第二个点的下标 * 比如:A对应v1且值为0,B对应v2且值为1 * @param weight */ public void insertEdge(int v1,int v2,int weight){ edges[v1][v2]=weight; edges[v2][v1]=weight; numOfEdge++; } }
三、图的深度优先遍历
3.1、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
3.2、深度优先遍历基本思想
图的深度优先搜索(Depth First Search) 。
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。
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。
显然,深度优先搜索是一个递归的过程
3.3、深度优先遍历算法步骤
- 访问初始结点v,并标记结点v为已访问。
- 查找结点v的第一个邻接结点w。
- 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。
- 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)。
- 查找结点v的w邻接结点的下一个邻接结点,转到步骤3。
3.4、具体案例:
- 要求:对下图进行深度优先搜索, 从A 开始遍历.
- 思路分析
2.1、定义isVisited的boolean数组,大小为5,全部为false,表示五个顶点均未访问
2.2、从0也就是顶点A开始,输出A,且标记A已访问,A对应的第一个顶点是B,未被访问,继续下一步
2.3、再从B开始,输出B,且标记B已访问,B对应的第一个顶点是A,已被访问,再搜索B指向的下一个顶点C,搜未被访问,继续下一步。
2.4、再从C开始,输出C,且标记C已访问,C对应的第一个顶点是A,已被访问,再搜索C指向的下一个顶点B,已访问,且C没有下一个指向的顶点了,回溯到A顶点,也没有,回溯到B顶点,B顶点有指向的未被访问的顶点D,继续下一步
2.5、再从D开始,输出D,且标记D已访问,D对应的第一个顶点是B,已被访问,且D没有下一个指向的顶点了,再次回溯到B顶点,B顶点有指向的未被访问的顶点E,继续下一步
2.6、再从E开始,输出E,且标记E已访问,E对应的第一个顶点是B,已被访问,且E没有下一个指向的顶点了,全部执行完毕,输出结果为:A->B->C->D->E->
- 代码实现
package com.lxf.graph;
import java.util.ArrayList;
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 numOfEdge;//表示边的数目
//定义一个boolean数组,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成功
int n=5;//结点的个数
String vertexValue[]={
"A","B","C","D","E"};
//创建图对象
Graph graph = new Graph(n);
//循环添加顶点
for (String value:vertexValue){
graph.insertVertex(value);
}
//添加边
//A-B A-C A-D A-E B-E
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);
//显示邻接矩阵
graph.showGraph();
//dfs遍历
System.out.println("深度遍历:");
graph.dfs(graph.isVisited,0);
}
/**
* 构造器:初始化邻接矩阵和顶点集合
* @param n :顶点数
*/
public Graph(int n) {
this.edges =new int[n][n];
vertexList=new ArrayList<String>();
isVisited=new boolean[5];
}
/**
* 获取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;
}
/**
* 根据前一个邻接结点的下标来获取下一个邻接结点
* @param v1
* @param v2
* @return
*/
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;
}
/**
* 深度优先遍历方法
* i 第一次就是0
*/
private void dfs(boolean[] isVisited,int i){
//首次访问该结点,输出
System.out.print(getValueByIndex(i)+"->");
//将结点设置为已访问
isVisited[i]=true;
//获取当前结点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(){
// //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);
// }
// }
// }
/**
* 返回结点的个数
* @return
*/
public int getNumOfVertex(){
return vertexList.size();
}
/**
* 返回边的条个数
* @return
*/
public int getNumOfEdge(){
return numOfEdge;
}
/**
* 返回结点i(下标)对应的数据0->"A" 1->"B" 2->"C"
* @return
*/
public String getValueByIndex(int i){
return vertexList.get(i);
}
/**
* 显示图对应的矩阵
*/
public void showGraph(){
for (int[] edge : edges) {
for (int i : edge) {
System.out.print(i+" ");
}
System.out.println();
}
}
/**
* 返回坐标对应的权值
* @param v1
* @param v2
* @return
*/
public int getWeight(int v1,int v2){
return edges[v1][v2];
}
/**
* 插入结点
* @param vertex
*/
public void insertVertex(String vertex){
vertexList.add(vertex);
}
/**
* 添加边
* @param v1 表示第一个点的下标
* @param v2 表示第二个点的下标
* 比如:A对应v1且值为0,B对应v2且值为1
* @param weight
*/
public void insertEdge(int v1,int v2,int weight){
edges[v1][v2]=weight;
edges[v2][v1]=weight;
numOfEdge++;
}
}
四、图的广度优先遍历
4.1、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
4.2、广度优先遍历算法步骤
- 访问初始结点v并标记结点v为已访问。
- 结点v入队列
- 当队列非空时,继续执行,否则算法结束。
- 出队列,取得队头结点u。
- 查找结点u的第一个邻接结点w。
- 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:
- 若结点w尚未被访问,则访问结点w并标记为已访问。
- 结点w入队列
- 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。
4.3、广度优先举例说明
4.4、广度优先算法的代码实现
package com.lxf.graph;
import java.util.ArrayList;
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 numOfEdge;//表示边的数目
//定义一个boolean数组,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成功
int n=5;//结点的个数
String vertexValue[]={
"A","B","C","D","E"};
//创建图对象
Graph graph = new Graph(n);
//循环添加顶点
for (String value:vertexValue){
graph.insertVertex(value);
}
//添加边
//A-B A-C A-D A-E B-E
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);
//显示邻接矩阵
graph.showGraph();
System.out.println("广度优先:");
graph.bfs();
}
/**
* 构造器:初始化邻接矩阵和顶点集合
* @param n :顶点数
*/
public Graph(int n) {
this.edges =new int[n][n];
vertexList=new ArrayList<String>();
isVisited=new boolean[n];
}
/**
* 获取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;
}
/**
* 根据前一个邻接结点的下标来获取下一个邻接结点
* @param v1
* @param v2
* @return
*/
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;
}
/**
* bfs
* @param isVisited
* @param i
*/
private void bfs(boolean[] isVisited,int i){
int u;//表示队列的头节点对应的下标
int w;//邻接结点w
//得到第一个邻接结点的下标w
w=getFirstNeighbor(i);
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;
}
//以u为前驱点,找w后面的下一个邻接点
w=getNextNeighbor(i,w);
}
}
/**
* 遍历所有的结点,都进行广度优先搜索
*/
public void bfs(){
System.out.print(getValueByIndex(0)+"=>");
isVisited[0]=true;
for (int i = 0; i < getNumOfVertex(); i++) {
bfs(isVisited,i);
}
}
/**
* 返回结点的个数
* @return
*/
public int getNumOfVertex(){
return vertexList.size();
}
/**
* 返回边的条个数
* @return
*/
public int getNumOfEdge(){
return numOfEdge;
}
/**
* 返回结点i(下标)对应的数据0->"A" 1->"B" 2->"C"
* @return
*/
public String getValueByIndex(int i){
return vertexList.get(i);
}
/**
* 显示图对应的矩阵
*/
public void showGraph(){
for (int[] edge : edges) {
for (int i : edge) {
System.out.print(i+" ");
}
System.out.println();
}
}
/**
* 返回坐标对应的权值
* @param v1
* @param v2
* @return
*/
public int getWeight(int v1,int v2){
return edges[v1][v2];
}
/**
* 插入结点
* @param vertex
*/
public void insertVertex(String vertex){
vertexList.add(vertex);
}
/**
* 添加边
* @param v1 表示第一个点的下标
* @param v2 表示第二个点的下标
* 比如:A对应v1且值为0,B对应v2且值为1
* @param weight
*/
public void insertEdge(int v1,int v2,int weight){
edges[v1][v2]=weight;
edges[v2][v1]=weight;
numOfEdge++;
}
}
五、图的深度优先 VS 广度优先
5.1、深度优先测试:
public static void main(String[] args) {
//测试一把图是否创建成功
int n=8;//结点的个数
String vertexValue[]={
"1","2","3","4","5","6","7","8"};
//创建图对象
Graph graph = new Graph(n);
//循环添加顶点
for (String value:vertexValue){
graph.insertVertex(value);
}
//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();
//dfs遍历
System.out.print("深度遍历:");
graph.dfs(graph.isVisited,0);
}
打印结果:
深度遍历:1->2->4->8->5->3->6->7->
5.2、广度优先测试:
public static void main(String[] args) {
//测试一把图是否创建成功
int n=8;//结点的个数
String vertexValue[]={
"1","2","3","4","5","6","7","8"};
//创建图对象
Graph graph = new Graph(n);
//循环添加顶点
for (String value:vertexValue){
graph.insertVertex(value);
}
//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();
System.out.print("广度优先:");
graph.bfs();
}
打印结果:
广度优先:1=>2=>3=>4=>5=>6=>7=>8=>