第 13 章 图
1、图基本介绍
1.1、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
-
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:
1.3、图的常用概念
- 顶点(vertex)
- 边(edge)
- 路径
- 无向图(右图)
- 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
- 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
- 带权图:这种边带权值的图也叫网
2、图的表示方式
2.2、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
- 邻接表说明:
- 标号为0的结点的相关联的结点为 1 2 3 4
- 标号为1的结点的相关联结点为 0 4
- 标号为2的结点相关联的结点为 0 4 5
-
3、图的创建
3.1、代码思路
邻接矩阵法:
- 存储顶点:ArrayList
- 存储矩阵:int[][]
- 存储边数:Integer
3.2、图的定义
图的定义:
- vertexList :存储顶点集合
- edges :邻结矩阵
numOfEdges :边的数目(每添加一条边,numOfEdges 加一) ```java class Graph {
private ArrayList
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
(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));
} } }
<a name="NGMDl"></a>
### 3.3、代码测试
- 代码
```java
public static void main(String[] args) {
//测试一把图是否创建ok
String Vertexs[] = {"A", "B", "C", "D", "E"};
int n = Vertexs.length; //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
//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
//显示一把邻结矩阵
graph.showGraph();
}
- 程序运行结果 ```java [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 name="WW2B6"></a>
## 4、图的遍历
<a name="wNhvC"></a>
### 4.1、深度优先和广度优先
- 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:
- **深度优先**遍历
- **广度优先**遍历
<a name="v6hKe"></a>
### 4.2、图的深度优先遍历
- 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
<a name="R2C8h"></a>
#### 4.2.1、代码思路
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。<br />查找结点 v 的第一个邻接结点 w<br />如果 w 存在<br />如果 w 未被访问过,先标记 w 已被访问过,然后把 w 当做下一个 v ,查找 w 的第一个邻接点,继续执行深度遍历(这是个递归的过程)<br />如果 w 已经被访问过,则跳过此节点<br />如果 w 不存在,说明 v 真的没有下一个邻接点了,已经到头了,我们回到节点 v ,将从v的下一个结点继续查找<br />经过如上步骤,图中可能还有其他顶点未被访问,继续从下一个顶点执行如上操作<br />如何找到当前顶点的下一个邻接点?<br />假设当前正在遍历的顶点索引为 i ,顶点 i 的边信息存储在 edges[][]数组中第 i 行<br />假设顶点 i 的当前遍历到的邻接点索引为 j ,即已经遍历到了 第 edges[i][j]处,需要从 edges[i][j]之后去找顶点 i 的下一个邻接点索引<br />[<br />](https://blog.csdn.net/oneby1314/article/details/107987955)<br />![image.png](https://cdn.nlark.com/yuque/0/2022/png/2673847/1642993766919-eb7b7875-211c-4468-9e1a-32112dc20d9e.png#clientId=u14d1e0ee-4b4f-4&crop=0&crop=0&crop=1&crop=1&errorMessage=unknown%20error&from=paste&height=245&id=u2e304283&margin=%5Bobject%20Object%5D&name=image.png&originHeight=245&originWidth=646&originalType=binary&ratio=1&rotation=0&showTitle=false&size=27474&status=error&style=none&taskId=u5d743e05-c6dd-455a-ab81-944d7a985d3&title=&width=646)<br />举例说明:
- 访问顶点 A 后输出 A ,A 的第一个邻接点是 B ,B 未被访问过,我们访问顶点 B
![image.png](https://cdn.nlark.com/yuque/0/2022/png/2673847/1642993780093-d9d128ca-fbcb-47cb-a841-7daa4b249c68.png#clientId=u14d1e0ee-4b4f-4&crop=0&crop=0&crop=1&crop=1&errorMessage=unknown%20error&from=paste&height=306&id=u0cf9db23&margin=%5Bobject%20Object%5D&name=image.png&originHeight=306&originWidth=489&originalType=binary&ratio=1&rotation=0&showTitle=false&size=14937&status=error&style=none&taskId=u3af9b1c2-aec8-4831-b92d-8b7d07613ad&title=&width=489)
- 访问顶点 B 后输出 A–> B
- B 的第一个邻接点 A 已经被访问过了
- B 的第二个邻接点 C 还未被访问过,我们访问节点 C
![image.png](https://cdn.nlark.com/yuque/0/2022/png/2673847/1642993792371-c7dc66cb-df39-48d6-bfe9-c0162e88b173.png#clientId=u14d1e0ee-4b4f-4&crop=0&crop=0&crop=1&crop=1&errorMessage=unknown%20error&from=paste&height=277&id=u1c804859&margin=%5Bobject%20Object%5D&name=image.png&originHeight=277&originWidth=476&originalType=binary&ratio=1&rotation=0&showTitle=false&size=14146&status=error&style=none&taskId=u5bf5375b-585d-4bb2-8ce5-dc17380bbd4&title=&width=476)
- 访问节点 C
- C 的第一个邻接点是 A ,然而 A 已经访问过了
- C 的下一个邻接点是 B ,然而 B 也已经访问过了
- 除此之外,C 再也没有其他邻接点
- 我们回到顶点 B ,访问节点 B 的下一个邻接点:顶点 D
![image.png](https://cdn.nlark.com/yuque/0/2022/png/2673847/1642993805578-5ffed156-82c6-42a9-8d61-728536b0e411.png#clientId=u14d1e0ee-4b4f-4&crop=0&crop=0&crop=1&crop=1&errorMessage=unknown%20error&from=paste&height=267&id=ue78765b9&margin=%5Bobject%20Object%5D&name=image.png&originHeight=267&originWidth=526&originalType=binary&ratio=1&rotation=0&showTitle=false&size=15749&status=error&style=none&taskId=u5096b058-5e73-4b02-9d5d-2cbeacd30dd&title=&width=526)<br />访问顶点 D 后输出 A --> B --> C --> D ,D 没有邻接节点,所以又返回到顶点 B ,访问顶点 B 的下一个邻接点:顶点 E<br />访问顶点 E 后输出 A --> B --> C --> D --> E,E 没有邻接节点,所以又返回到顶点 B<br />B 的所有邻接点都访问过了,返回到顶点 A<br />以上所有操作仅是一轮,还需要再对图中其他顶点进行以上操作<br />![image.png](https://cdn.nlark.com/yuque/0/2022/png/2673847/1642993825780-1752ec84-0cc4-4150-bd35-d734e6570402.png#clientId=u14d1e0ee-4b4f-4&crop=0&crop=0&crop=1&crop=1&errorMessage=unknown%20error&from=paste&height=245&id=u60483d15&margin=%5Bobject%20Object%5D&name=image.png&originHeight=245&originWidth=654&originalType=binary&ratio=1&rotation=0&showTitle=false&size=27349&status=error&style=none&taskId=uedc082b6-a3a1-4d02-8551-3d542941da4&title=&width=654)<br />总结:<br />假设初始状态是图中所有顶点均未被访问,则从某个顶点v出发,首先访问该顶点,然后依次从它的各个未被访问的邻接点出发深度优先搜索遍历图,直至图中所有和v有路径相通的顶点都被访问到。<br />若此时尚有其他顶点未被访问到,则另选一个未被访问的顶点作起始点(额,我实在想不到这种特例),重复上述过程,直至图中所有顶点都被访问到为止。<br />[<br />](https://blog.csdn.net/oneby1314/article/details/107987955)
<a name="M9IIL"></a>
#### 4.2.2、代码实现
- 编写图的深度优先遍历
```java
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));
}
}
//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
//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() {
boolean[] 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);
}
}
}
}
测试代码 ```java public static void main(String[] args) { //测试一把图是否创建ok String Vertexs[] = {“A”, “B”, “C”, “D”, “E”}; int n = Vertexs.length; //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 //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
}
- 程序运行结果
```java
[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]
深度遍历
A->B->C->D->E->
4.3、图的广度优先遍历
4.3.1、代码思路
- 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
- 广度优先遍历的编码流程:
访问当前顶点 v 并标记结点 v 为已访问,并将顶点 v 入队
将顶点 v 出队,并在同一层搜索顶点 v 的邻接点,将没有访问过的邻接点其加入队列中,说明这些邻接点待访问
以队列头部的顶点作为新的顶点 v ,并进行与之前相同的操作:将顶点 v 出队 …
直至队列为空
- 经过如上步骤,图中可能还有其他顶点未被访问,继续从下一个顶点执行如上操作
举例说明:
访问顶点 A 后输出 A ,并将顶点 A 压入队列中
- 开始不断循环,循环条件:队列不为空
将顶点 A 出队,找到顶点的的所有邻接点:顶点 B 和顶点 C ,顶点 B 和顶点 C 均没有被访问过,将其入队
队列不为空,将队列头(顶点 B)取出,顶点 B 的邻接点为:顶点 C 、顶点 D 、顶点 E ,顶点 C 已经访问过了,不再添加至队列中,顶点 D 和顶点 E 均没有被访问过,将其入队
队列不为空,将队列头(顶点 C)取出,顶点 C 的邻接点为:顶点 A 和顶点 B ,顶点 A 和顶点 B 均被访问过,不再添加至队列
队列不为空,将队列头(顶点 D)取出,D 没有邻接点,啥也不做
队列不为空,将队列头(顶点 E)取出,E 没有邻接点,啥也不做
队列为空,退出循环
- 以上所有操作仅是一轮,还需要再对图中其他顶点进行以上操作
总结:
从图中某顶点 v 出发,在访问了 v 之后依次访问 v 的各个未曾访问过的邻接点,然后分别从这些邻接点出发依次访问它们的邻接点,并使得“先被访问的顶点的邻接点先于后被访问的顶点的邻接点被访问,直至图中所有已被访问的顶点的邻接点都被访问到。
如果此时图中尚有顶点未被访问,则需要另选一个未曾被访问过的顶点作为新的起始点,重复上述过程,直至图中所有顶点都被访问到为止。
我把图重新画了一下,可以更好地理解广度优先遍历,即先把同一层顶点先遍历了,添加至队列中,再去到下一层
4.3.2、代码实现
编写图的广度优先遍历 ```java class Graph {
private ArrayList
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));
} }
// 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; }
// 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()) {// 体现出我们的广度优先
// 取出队列的头结点下标
u = 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);
}
}
}
// 遍历所有的结点,都进行广度优先搜索 public void bfs() { boolean[] isVisited = new boolean[vertexList.size()]; for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
} }
}
- 测试代码
```java
public static void main(String[] args) {
// 测试一把图是否创建ok
String Vertexs[] = { "A", "B", "C", "D", "E" };
int n = Vertexs.length; // 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
// 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
// 显示一把邻结矩阵
graph.showGraph();
// 测试一把,我们的bfs遍历是否ok
System.out.println("广度优先");
graph.bfs(); // A->B->C->D->E
}
- 程序运行结果 ```java [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] 广度优先 A=>B=>C=>D=>E=>
<a name="GWVon"></a>
### 4.4、深度 VS 广度优先
- 待遍历的图
![image.png](https://cdn.nlark.com/yuque/0/2022/png/2673847/1642993994982-57346bda-baab-4e92-9d0f-4f01a4995036.png#clientId=u14d1e0ee-4b4f-4&crop=0&crop=0&crop=1&crop=1&errorMessage=unknown%20error&from=paste&height=213&id=u1d75e852&margin=%5Bobject%20Object%5D&name=image.png&originHeight=213&originWidth=247&originalType=binary&ratio=1&rotation=0&showTitle=false&size=35855&status=error&style=none&taskId=u7b36ebe7-10e3-4051-a7b0-6ca5ce6a3ff&title=&width=247)
- 创建图
```java
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);
- 理论输出顺序:
- 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
测试代码 ```java public class GraphDemo { public static void main(String[] args) {
// 测试一把图是否创建ok
String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
int n = Vertexs.length; // 结点的个数
// 创建图对象
Graph graph = new Graph(n);
// 循环的添加顶点
for (String vertex : Vertexs) {
graph.insertVertex(vertex);
}
//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(); // [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]
} }
- 程序运行结果
```java
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 0, 1, 1, 0, 0, 0]
[1, 0, 0, 0, 0, 1, 1, 0]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0, 1, 0]
[0, 0, 1, 0, 0, 1, 0, 0]
[0, 0, 0, 1, 1, 0, 0, 0]
深度遍历
1->2->4->8->5->3->6->7->
广度优先!
1=>2=>3=>4=>5=>6=>7=>8=>
5、图遍历的全部代码
public class GraphDemo {
public static void main(String[] args) {
// 测试一把图是否创建ok
String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
int n = Vertexs.length; // 结点的个数
// 创建图对象
Graph graph = new Graph(n);
// 循环的添加顶点
for (String vertex : Vertexs) {
graph.insertVertex(vertex);
}
//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(); // [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]
}
}
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));
}
}
// 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
// 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() {
boolean[] 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<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
isVisited[i] = true;
// 将结点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {// 体现出我们的广度优先
// 取出队列的头结点下标
u = 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);
}
}
}
// 遍历所有的结点,都进行广度优先搜索
public void bfs() {
boolean[] isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
}