第十六章图

文章目录

第十六章图
一、图
- 1.介绍
- 2.基本术语
- 3.邻接矩阵
- 4.邻接表和逆邻接表
- 5.十字链表
二、深度优先遍历
三、广度优先遍历
四、代码实现

一、图

1.介绍

图相较于前面的数据结构可能接触的不多，但是在实际的应用场景中却经常出现。比如交通中的线路图，常见的思维导图都可以看作是图的具体表现形式

图（Graph），是一种比树更为复杂的数据结构。树的节点之间是一对多的关系，并且存在父与子的层级划分；而图的顶点（注意，这里不叫结点）之间是多对多的关系，并且所有顶点都是平等的，无所谓谁是父谁是子

2.基本术语

在图中，最基本的单元是顶点（vertex），相当于树中的节点。顶点之间的关联关系，被称为边（edge）

在有些图中，每一条边并不是完全等同的。比如刚才地铁线路的例子，从A站到B站的距离是3公里，从 B 站到 C 站的距离是 5 公里…这样就引入一个新概念：边的权重（Weight）。涉及到权重的图，被称为带权图（Weighted Graph）

还有一种图，顶点之间的关联并不是完全对称的，顶点之间的边有方向的区分，这种带有方向的图被称为有向图，而无方向区分的就叫无向图

图用抽象的图线表示很容易，但是要在内存中存储图却不是一件易事。图在内存中的存储方式有很多种，包括邻接矩阵、邻接表、逆邻接表和十字链表

3.邻接矩阵

拥有n个顶点的图，它所包含的连接数量最多是 n（n-1）个。因此，要表达各个顶点之间的关联关系，最清晰易懂的方式是使用二维数组（矩阵）

如图所示，顶点0和顶点1之间有边关联，那么矩阵中的元素 A[0][1] 与 A[1][0] 的值就是 1 .顶点 1 和顶点 2 之间没有边关联，那么矩阵中的元素 A[1][2] 与 A[2][1] 的值就是 0

像这样表达图中顶点关联关系的矩阵，就叫做邻接矩阵

需要注意的是，矩阵从左上到右下的一条对角线，其上的元素值必然是 0。这样很容易想明白：任何一个顶点与它自身是没有连接的

同时，无向图对应的矩阵是一个对称矩阵，V0 和 V1 有关联，那么 V1 和 V0 也必定有关联，因此 A[0][1] 和 A[1][0] 的值一定相等

那么，有向图的邻接矩阵又是什么样子呢？

从图中可以看出，有向图不再是一个对称矩阵。从 V0 可以到达 V1，从 V1 却未必能到达 V0，因此 A[0][1] 和 A[1][0] 的值不一定相等

邻接矩阵的优点：简单直观，可以快速查到一个顶点和另一顶点之间的关联关系

邻接矩阵的缺点：占用了太多的空间。试想，如果一个图有1000个顶点，其中只有10个顶点之间有关联（这种情况叫做稀疏图），却不得不建立一个1000X1000的二维数组

4.邻接表和逆邻接表

在邻接表中，图的每一个顶点都是一个链表的头节点，其后连接着该顶点能够直接达到的相邻顶点

很明显，这种邻接表的存储方式，占用的空间比邻接矩阵要小得多

逆邻接表顾名思义，和邻接表是正好相反的。逆邻接表每一个顶点作为链表的头节点，后继节点所存储的是能够直接达到该顶点的相邻顶点

邻接表适合查询该顶点能直连哪些其他顶点，逆邻接表适合查询哪些其他顶点能直连该该顶点

但是又出现问题了，一张图要维护两张表，还是有点麻烦。因此还有一种表示图的方法，把邻接表和逆邻接表结合在一起，就是十字链表

5.十字链表

如图所示，十字链表的每一个顶点，都是两个链表的根节点，其中一个链表存储着该顶点能到达的相邻顶点，另一个链表存储着能到达该顶点的相邻节点

不过，上图只是一个便于理解的示意图，我们没有必要把链表的节点都重复存储两次。在优化之后的十字链表中，链表的每一个节点不再是顶点，而是一条边，里面包含起止顶点的下标

因此，优化之后的十字链表，是下面这个样子

图中每一条带有蓝色箭头的链表，存储着从顶点出发的边。每一条带有橙色箭头的链表，存储着进入顶点的边

二、深度优先遍历

深度优先遍历简称DFS（Depth First Search），类似二叉树的前序、中序和后序遍历

从初始访问顶点出发，初始访问顶点可能有多个邻接顶点，深度优先遍历的策略就是首先访问第一个邻接顶点，然后再以这个被访问的邻接顶点作为初始顶点，访问它的第一个邻接顶点。可以这样理解：每次都在访问完当前顶点后首先访问当前顶点的第一个邻接顶点
我们可以看到，这样的访问策略是优先往纵向挖掘深入，而不是对一个顶点的所有邻接顶点进行横向访问
显然，深度优先搜索是一个递归的过程

算法步骤

访问初始顶点 v，并标记顶点 v 已访问
查找顶点 v 的第一个邻接顶点 w
若 w 存在，则继续执行 4，如果 w 不存在，则返回到第 1 步，将从 v 的下一个顶点继续
若 w 未被访问，对 w 进行深度优先遍历递归，即把 w 当作另一个 v，然后进行步骤 123
查找顶点 v 的 w 邻接顶点的下一个邻接顶点，转到步骤 3

三、广度优先遍历

广度优先遍历简称BFS（Breadth First Search）类似二叉树的层次遍历

广度优先遍历需要使用一个队列以保持访问过的顶点的顺序，以便按这个顺序来访问这些顶点的邻接顶点

算法步骤

访问初始顶点 v 并标记顶点 v 为已访问
顶点 v 入队列
当队列非空时，继续执行，否则算法结束
将队头顶点 u 出队列
查找顶点 u 的第一个邻接顶点 w
若顶点 u 的邻接顶点 w 不存在，则转到步骤 3 。否则循环执行以下三个步骤：
若顶点 w 尚未被访问，则访问顶点 w 并标记为已访问
顶点 w 入队列
查找顶点 u 继邻接顶点 w 后的下一个邻接顶点 w，转到步骤 6

四、代码实现

package com.sisyphus.graph;import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;/*** @Description: 图$* @Param: $* @return: $* @Author: Sisyphus* @Date: 7/27$*/
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 numOfEdges; //表示边的数目//定义一个数组 boolean[]，记录某个顶点是否被访问private boolean[] isVisited;public static void main(String[] args) {String[] VertexValue = {"A","B","C","D","E"};//创建图对象int n = VertexValue.length;  //顶点的个数Graph graph = new Graph(n);//循环地添加顶点for (String vertex : VertexValue) {graph.insertVertex(vertex);}//添加边//A-B A-C B-C B-D B-Egraph.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graph.showGraph();System.out.println("深度遍历");graph.dfs();System.out.println();System.out.println("广度遍历");graph.bfs();}//构造器public Graph(int n){//初始化矩阵和 vertextListedges = new int[n][n];vertexList = new ArrayList<String>(n);numOfEdges = 0;}//显示图对应的矩阵public void showGraph(){for (int[] link : edges) {System.out.println(Arrays.toString(link));}}//得到第一个邻接顶点的下标 wpublic int getFirstNeighbor(int index){for (int i = 0; i < vertexList.size(); i++) {if (edges[index][i] > 0){return i;}}return -1;}//根据前一个邻接顶点的下标来获取下一个邻接顶点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//i 第一次就是 0public void dfs(boolean[] isVisited, int i){//首先我们访问该顶点，输出System.out.print(getValueByIndex(i) + "->");//将顶点设置为已经访问isVisited[i] = true;//查找顶点 i 的第一个邻接顶点 wint w = getFirstNeighbor(i);while(w != -1){ //说明有if (!isVisited[w]){dfs(isVisited, w);}//如果 w 顶点已经被访问过w = getNextNeighbor(i, w);}}//对 dfs 进行一个重载，遍历我们所有的顶点，并进行 dfspublic void dfs(){isVisited = new boolean[vertexList.size()];//遍历所有的顶点，进行 dfs[回溯]for (int i = 0; i < getNumOfVertex(); i++) {if (!isVisited[i]){dfs(isVisited,i);}}}//对一个顶点进行广度优先遍历的方法private void bfs(boolean[] isVisited, int i){int u;  //表示队列的头顶点对应下标int w;  //邻接顶点 w//队列，记录顶点访问的顺序LinkedList queue = new LinkedList();//访问顶点，输出顶点信息System.out.print(getValueByIndex(i) + "->");//标记为已访问isVisited[i] = true;//将顶点加入队列queue.addLast(i);while(!queue.isEmpty()){//取出队列的头顶点下标u = (Integer)queue.removeFirst();//得到第一个邻接顶点的下标 ww = 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，找 w 后面的下一个邻接顶点w = getNextNeighbor(u,w);   //体现出我们的广度优先}}}//遍历所有顶点，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);}}}//图中常用的方法//返回顶点的个数public int getNumOfVertex() {return vertexList.size();}//返回边的数目public int getNumOfEdges() {return numOfEdges;}//返回顶点 i (下标)对应的数据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];}//插入顶点public void insertVertex(String vertex){vertexList.add(vertex);}//添加边/**** @param v1        表示点的下标即是第几个顶点* @param v2        表示第二个顶点对应的下标* @param weight    表示权值*/public void insertEdge(int v1, int v2, int weight){edges[v1][v2] = weight;edges[v2][v1] = weight;numOfEdges++;}
}

【Java数据结构与算法】第十六章图相关推荐

【Java数据结构与算法】第六章算法的时间复杂度、算法的空间复杂度和排序算法的介绍
第六章算法的时间复杂度.算法的空间复杂度和排序算法的介绍文章目录第六章算法的时间复杂度.算法的空间复杂度和排序算法的介绍一.算法的时间复杂度 1.时间频度 2.时间复杂度 3.常见的时间复杂 ...
Java 数据结构和算法（十五）：无权无向图
Java数据结构和算法(十五)--无权无向图前面我们介绍了树这种数据结构,树是由n(n>0)个有限节点通过连接它们的边组成一个具有层次关系的集合,把它叫做"树"是因为它看起 ...
14_JavaScript数据结构与算法（十四）图
JavaScript 数据结构与算法(十四)图图的概念在计算机程序设计中,图也是一种非常常见的数据结构,图论其实是一个非常大的话题,在数学上起源于哥尼斯堡七桥问题. 什么是图? 图是一种与树有些相 ...
Java数据结构与算法（第四章栈和队列）
2019独角兽企业重金招聘Python工程师标准>>> 本章涉及的三种数据存储类型:栈.队列和优先级队列. 不同类型的结构程序员的工具数组是已经介绍过的数据存储结构,和其他结构( ...
Android版数据结构与算法汇总十二章
Android版数据结构与算法(一):基础简介 https://www.cnblogs.com/leipDao/p/9140726.html Android版数据结构与算法(二):基于数组的实现Arr ...
数据结构和算法（第六章递归）
数据结构和算法第六章递归数据结构和算法第六章递归文章目录数据结构和算法第六章递归前言一.递归与回溯? 二.递归用于解决的问题 1.打印问题和阶乘问题回顾递归调用机制 2.递归--迷宫问题(小 ...
数据结构和算法三十六
剑指 Offer 66. 构建乘积数组题目:给定一个数组 A[0,1,-,n-1],请构建一个数组 B[0,1,-,n-1],其中 B[i] 的值是数组 A 中除了下标 i 以外的元素的积, 即 B ...
【Java数据结构与算法】第十一章顺序存储二叉树、线索二叉树和堆
第十一章顺序存储二叉树.线索化二叉树.大顶堆.小顶堆和堆排序文章目录第十一章顺序存储二叉树.线索化二叉树.大顶堆.小顶堆和堆排序一.顺序存储二叉树 1.介绍 2.代码实现二.线索二叉树 1 ...
Java数据结构和算法（十）——二叉树
接下来我们将会介绍另外一种数据结构--树.二叉树是树这种数据结构的一员,后面我们还会介绍红黑树,2-3-4树等数据结构.那么为什么要使用树?它有什么优点? 前面我们介绍数组的数据结构,我们知道对于有序 ...

【Java数据结构与算法】第十六章图

第十六章图

文章目录

一、图

1.介绍

2.基本术语

3.邻接矩阵

4.邻接表和逆邻接表

5.十字链表

二、深度优先遍历

三、广度优先遍历

四、代码实现

【Java数据结构与算法】第十六章图相关推荐

最新文章

热门文章

【Java数据结构与算法】第十六章 图

第十六章 图

文章目录

一、图

1.介绍

2.基本术语

3.邻接矩阵

4.邻接表和逆邻接表

5.十字链表

二、深度优先遍历

三、广度优先遍历

四、代码实现

【Java数据结构与算法】第十六章 图相关推荐

最新文章

热门文章

【Java数据结构与算法】第十六章图

第十六章图

【Java数据结构与算法】第十六章图相关推荐