A graph is a pictorial representation of a set of objects where some pairs of objects are connected by links. The interconnected objects are represented by points termed as vertices, and the links that connect the vertices are called edges.
前言 在计算机科学中,一个图就是一些顶点的集合,这些顶点通过一系列边结对(连接)。顶点用圆圈表示,边就是这些圆圈之间的连线。顶点之间通过边连接。
图 图的介绍: 图是由顶点的有穷非空集合和顶点之间边的集合组成, 通常表示为: G(V,E), 其中,G表示一个图,V是图G中顶点的集合,E是图G中边的集合。 1)线性结构中,元素仅有线性关系,每个元素只有一个直接前驱和直接后继; 2)树形结构中,数据元素(结点)之间有着明显的层次关系,每层上的元素可能和下一层中多个元素相关,但只能和上一层中一个元素相关; 3) 图形结构中,数据元素(顶点)之间具有任意关系,图中任意两个数据元素之间都可能相关。
图解:
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)。 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,矩阵是的row和col表示的是1….n个点。
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
图的访问策略: 1)深度优先遍历
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。
2)广度优先遍历
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。
图代码:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 import java.util.ArrayList;import java.util.Arrays;import java.util.LinkedList;import java.util.List;public class Graph { private List<String> vertexs; private int [][] edges; private int numOfEdge; private boolean [] isVisited; public static void main (String[] args) { Graph graph = new Graph(5 ); String[] vertexStr = {"A" , "B" , "C" , "D" , "E" }; for (String vertex : vertexStr) { graph.insertVertex(vertex); } 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 ); graph.showGraph(); System.out.println("深度遍历" ); graph.dfs(); System.out.println(); System.out.println("广度优先!" ); graph.bfs(); } public Graph (int vertexNum) { vertexs = new ArrayList<>(vertexNum); edges = new int [vertexNum][vertexNum]; numOfEdge = 0 ; } public void insertVertex (String vertex) { vertexs.add(vertex); } public void insertEdge (int index1, int index2, int weight) { edges[index1][index2] = weight; edges[index2][index1] = weight; numOfEdge++; } public int getNumOfVertex () { return vertexs.size(); } public int getNumOfEdge () { return numOfEdge; } public String getVertexValueByIndex (int index) { return vertexs.get(index); } public int getWeight (int index1, int index2) { return edges[index1][index2]; } public void showGraph () { for (int [] link : edges) { System.out.println(Arrays.toString(link)); } } public int getFirstNeighbor (int index) { for (int j = 0 ; j < vertexs.size(); j++) { if (edges[index][j] > 0 ) { return j; } } return -1 ; } public int getNextNeighbor (int v1, int v2) { for (int j = v2 + 1 ; j < vertexs.size(); j++) { if (edges[v1][j] > 0 ) { return j; } } return -1 ; } private void dfs (boolean [] isVisited, int i) { System.out.print(getVertexValueByIndex(i) + "->" ); isVisited[i] = true ; int w = getFirstNeighbor(i); while (w != -1 ) { if (!isVisited[w]) { dfs(isVisited, w); } w = getNextNeighbor(i, w); } } public void dfs () { isVisited = new boolean [vertexs.size()]; for (int i = 0 ; i < getNumOfVertex(); i++) { if (!isVisited[i]) { dfs(isVisited, i); } } } private void bfs (boolean [] isVisited, int i) { int u ; int w ; LinkedList queue = new LinkedList(); System.out.print(getVertexValueByIndex(i) + "=>" ); isVisited[i] = true ; queue.addLast(i); while ( !queue.isEmpty()) { u = (Integer)queue.removeFirst(); w = getFirstNeighbor(u); while (w != -1 ) { if (!isVisited[w]) { System.out.print(getVertexValueByIndex(w) + "=>" ); isVisited[w] = true ; queue.addLast(w); } w = getNextNeighbor(u, w); } } } public void bfs () { isVisited = new boolean [vertexs.size()]; for (int i = 0 ; i < getNumOfVertex(); i++) { if (!isVisited[i]) { bfs(isVisited, i); } } } }
延伸 图-百度百科 数据结构——图 数据结构:图(Graph) 韩顺平数据结构和算法 Data Structure - Graph