一、图基本介绍

1,为什么要有图

  • 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

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:

               图

3,图中常用概念

  • 顶点(vertex)
  • 边(edge)
  • 路径
  • 无向图
    • 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
    • 路径:比如从 D -> C 的路径有:D->B->C,D->A->B->C

                  图

  • 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

    图

  • 带权图:这种边带权值的图也叫网

            图

 

二、图的表示方式

  图的表示方式有两种:二维数组(邻接矩阵);链表(邻接表)

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,矩阵的row和col是表示的1...n个点

    图

2,邻接表

  • 邻接矩阵需要为每个顶点都分配n个边的空间,其实依旧很多边是不存在,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

     图

三、图的代码实现

  源码:图的代码实现

1,创建

a)思路

    图

b)代码实现

  • vertexList :存储顶点集合 (ArrayList)
  • edges :邻结矩阵(二维数组)
  • numOfEdges :边的数目(每添加一条边,numOfEdges 加一)
图
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
    
    //构造器
    public Graph(int n) {
        //初始化矩阵和vertexList
        edges = 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
    /**
     * 
     * @param v1 第二个顶点对应的下标
     * @param v2 第二个顶点对应的下标
     * @param weight 表示权值,0:不连接;1:连接
     */
    public void insertEdge(int v1, int v2, int weight) {
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges++;
    }
    
    //图中常用的方法
    //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];
    }

    // 显示图对应的矩阵
    public void showGraph() {
        for (int[] link : edges) {
            System.out.println(Arrays.toString(link));
        }
    }
}
View Code
public static void main(String[] args) {
    String[] arr = {"A", "B", "C", "D", "E"};
    Graph graph = new Graph(arr.length);

    //添加顶点
    for (String ver : arr) {
        graph.insertVertex(ver);
    }

    /*
     * 添加边
     *  0 1 1 0 0
     *  1 0 1 1 1
     *  1 1 0 0 0
     *  0 1 0 0 0
     *  0 1 0 0 0
     *
     * A-B A-C B-C B-D B-E
     */
    graph.insertEdges(0,1,1);
    graph.insertEdges(0,2,1);
    graph.insertEdges(1,2,1);
    graph.insertEdges(1,3,1);
    graph.insertEdges(1,4,1);
    graph.show();
}

2,图的深度优先遍历

a)思想

  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

b)实现步骤

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。 

c)代码实现

/**
 * 深度优先
 */
public void dfs() {
    isvisited = new boolean[numOfEdges];
    for (int i = 0; i < getVertexSize(); i++) {
        if (!isvisited[i]) {
            dfs(i);
        }
    }
    System.out.println();
}

/**
 * 深度优先遍历
 *  1,定义初始访问结点索引v,打印结点值并标记当前已访问
 *  2,在矩阵中以v为行,找到第一个邻接结点w
 *  3,判定当这个邻接结点w存在
 *      如果这个邻接结点w未被访问,则令v为w循环调用遍历走1-2-3。(递归调用)
 *      如果这个邻接结点w已经被访问,则查找v行w列的下一个邻接结点为w
 *  4,判定这个邻接结点w不存在,则需要从下一个结点v开始从新寻找
 */
public void dfs(int v) {
    //访问初始结点
    System.out.print(getVertexVal(v) + "->");
    isvisited[v] = true;
    int w = getFirstNeighbor(v);
    while (w != -1) {
        if (!isvisited[w]){
            dfs(w);
        }
        w = getNextNeighbor(v, w);
    }
}
/**
 * 获取第一个邻接结点的下标 : 不存在返回-1
 * @param index 固定的行号,查找与行号对应的列>0的下标(第一个)
 */
public int getFirstNeighbor(int index) {
    for (int i = 0; i < getVertexSize(); i++) {
        if (edges[index][i] > 0) {
            return i;
        }
    }
    return -1;
}

/**
 * 查找下一个邻接结点的下标
 */
public int getNextNeighbor(int v1,int v2) {
    for (int i = v2 +1; i < getVertexSize(); i++) {
        if (edges[v1][i] >0) {
            return i;
        }
    }
    return -1;
}

3,图的广度优先遍历

a)思想

1) 图的广度优先搜索(Broad First Search) ,对一个结点的所有邻接结点进行横向访问。 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 

b)实现步骤

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。 

c)代码实现

/**
 * 广度优先遍历
 */
public void bfs() {
    isvisited = new boolean[numOfEdges];
    for (int i = 0; i < getVertexSize(); i++) {
        if (!isvisited[i]) {
            bfs(i);
        }
    }
    System.out.println();
}

public void bfs(int v) {
    int u ; // 表示队列的头结点对应下标
    int w ; // 邻接结点 w
    LinkedList<Integer> list = new LinkedList<>();
    System.out.print(getVertexVal(v) + "->");
    isvisited[v] = true;
    list.addLast(v);
    while (!list.isEmpty()) {
        u = list.removeFirst();
        w = getFirstNeighbor(u);
        if (w != -1) {
            if (!isvisited[w]) {
                System.out.print(getVertexVal(w) + "->");
                isvisited[w] = true;
                list.addLast(w);
            }
            w = getNextNeighbor(u, w);
        }
    }
}

 

 

上一篇:Qt练手小项目之颜色提取器


下一篇:Java--算法--图