本文主要讲解 数据结构中的图 结构,包括 深度优先搜索(DFS)、广度优先搜索(BFS)、最小生成树算法等,希望你们会喜欢。
图的类型分为很多种,具体如下:
对于无向图:
对于有向图:
图的存储结构共有5种,具体请看下图
从图中某1顶点出发,遍历图中其余所有顶点 & 使每1个顶点仅被访问1次
深度优先遍历(DFS
)、广度优先遍历(BFS
)
此处图的存储结构 = 邻接矩阵
import java.util.Stack;
public class MyGraph {
/**
* 准备工作1:设置变量
*/
private int vexnum; // 存放图中顶点数量
private char[] vertices; // 存放结点数据
private int [][] arcs; // 存放图的所有边
private boolean[] visited;// 记录节点是否已被遍历
/**
* 准备工作2:初始化图的顶点数量、数据 & 边
*/
public MyGraph(int n){
vexnum = n;
vertices = new char[n];
visited = new boolean[n];
arcs = new int[n][n];
}
/**
* 图的深度优先遍历算法实现:递归
* 类似 前序遍历
*/
public void DFSTraverse(){
// 1. 初始化所有顶点的访问标记
// 即,都是未访问状态
for (int i = 0; i < vexnum; i++) {
visited[i] = false;
}
// 2. 深度优先遍历顶点(从未被访问的顶点开始)
for(int i=0;i < vexnum;i++){
if(visited[i]==false){
// 若是连通图,只会执行一次
traverse(i); // ->>看关注1
}
}
}
/**
* 关注1:邻接矩阵的深度优先搜索递归算法
* 即,从第i个顶点开始深度优先遍历
*/
private void traverse(int i){
// 1. 标记第i个顶点已遍历
visited[i] = true;
// 2. (输出)访问当前遍历的顶点
visit(i);
// 3. 遍历邻接矩阵中第i个顶点的所有邻接顶点
for(int j=0;j<vexnum;j++){
// a. 若当前顶点的邻接顶点存在 & 未被访问,则递归 深度优先搜索 算法
if(arcs[i][j]==1 && visited[j]==false){
// b. 将当前顶点的邻接顶点作为当前顶点,递归 深度优先搜索 算法
traverse(j);
}
}
}
/**
* 辅助算法1:访问顶点值
*/
public void visit(int i){
System.out.print(vertices[i] + " ");
}
/**
* 图的深度优先遍历算法实现:非递归
* 原理:采用 栈实现
*/
public void DFSTraverse2(){
// 1. 初始化顶点访问标记
// 全部标记为:未访问
for (int i = 0; i < vexnum; i++) {
visited[i] = false;
}
// 2. 创建栈
Stack<Integer> s = new Stack<Integer>();
for(int i=0 ; i<vexnum; i++){
// 3. 若该顶点未被访问
if(!visited[i]){
// 4. 入栈该顶点
s.add(i);
do{
// 出栈
int curr = s.pop();
// 如果该节点还没有被遍历,则遍历该节点并将子节点入栈
if(visited[curr]==false){
// 遍历并打印
visit(curr);
visited[curr] = true;
// 没遍历的子节点入栈
for(int j=vexnum-1; j>=0 ; j-- ){
if(arcs[curr][j]==1 && visited[j]==false){
s.add(j);
}
}
}
}while(!s.isEmpty());
}
}
}
/**
* 测试(递归 & 非递归)
*/
public static void main(String[] args) {
// 1. 初始化图的结构(顶点数量 = 9)
MyGraph g = new MyGraph(9);
// 2. 设置顶点数据
char[] vertices = {'A','B','C','D','E','F','G','H','I'};
g.setVertices(vertices);
// 3. 设置边
g.addEdge(0, 1);
g.addEdge(0, 5);
g.addEdge(1, 0);
g.addEdge(1, 2);
g.addEdge(1, 6);
g.addEdge(1, 8);
g.addEdge(2, 1);
g.addEdge(2, 3);
g.addEdge(2, 8);
g.addEdge(3, 2);
g.addEdge(3, 4);
g.addEdge(3, 6);
g.addEdge(3, 7);
g.addEdge(3, 8);
g.addEdge(4, 3);
g.addEdge(4, 5);
g.addEdge(4, 7);
g.addEdge(5, 0);
g.addEdge(5, 4);
g.addEdge(5, 6);
g.addEdge(6, 1);
g.addEdge(6, 3);
g.addEdge(6, 5);
g.addEdge(6, 7);
g.addEdge(7, 3);
g.addEdge(7, 4);
g.addEdge(7, 6);
g.addEdge(8, 1);
g.addEdge(8, 2);
g.addEdge(8, 3);
// 4. 执行 图的深度优先遍历:(递归 & 非递归)
System.out.println("深度优先遍历(递归)");
g.DFSTraverse();
System.out.println("深度优先遍历(非递归)");
g.DFSTraverse2();
}
/**
* 辅助算法1:添加边(无向图)
*/
public void addEdge(int i, int j) {
// 边的头尾不能为同一节点
if (i == j) return;
// 将邻接矩阵的第i行第j列的元素值置为1;
arcs[i][j] = 1;
// 将邻接矩阵的第j行第i列的元素值置为1;
arcs[j][i] = 1;
// 设置为1代表2顶点之间存在 边 (设置相等原因 = 邻接矩阵 是对称的)
}
/**
* 辅助算法2:设置顶点数据
*/
public void setVertices(char[] vertices) {
this.vertices = vertices;
}
}
深度优先遍历(递归)
A B C D E F G H I
深度优先遍历(非递归)
A B C D E F G H I
注:
G
比I
先访问的原因 = 用数组存储顶点时,G
的下标 比I
的下标小(按ABCDEFGHI
顺序存储)
非递归:采用队列
import java.util.LinkedList;
import java.util.Queue;
import java.util.Stack;
public class MyGraph {
/**
* 准备工作1:设置变量
*/
private int vexnum; // 存放图中顶点数量
private char[] vertices; // 存放结点数据
private int [][] arcs; // 存放图的所有边
private boolean[] visited;// 记录节点是否已被遍历
/**
* 准备工作2:初始化图的顶点数量、数据 & 边
*/
public MyGraph(int n){
vexnum = n;
vertices = new char[n];
visited = new boolean[n];
arcs = new int[n][n];
}
/**
* 广度优先搜索 算法实现
* 原理:非递归(采用队列)
*/
public void BFS(){
// 1. 初始化所有顶点的访问标记
// 即,设置为未访问状态
for (int i = 0; i < vexnum; i++) {
visited[i] = false;
}
// 2. 创建队列
Queue<Integer> q=new LinkedList<Integer>();
// 3. 对所有顶点做遍历循环(从第1个顶点开始)
// 若遍历完毕,则结束整个层序遍历
for(int i=0;i < vexnum;i++){
// 4. 若当前顶点未被访问,就进行处理
// 若当前顶点已被访问,则回到3进行判断
if( visited[i]==false ) {
// 5. (输出)访问当前顶点
visit(i);
// 6. 标记当前顶点已被访问
visited[i] = true;
// 7. 入队当前顶点
q.add(i);
// 8.判断当前队列是否为空
// 若为空则跳出循环,回到3进行判断
while(!q.isEmpty()) {
// 9. 出队队首元素 & 将出队的元素 赋值为 当前顶点
i = q.poll();
// 10. 遍历当前顶点的所有邻接点
// 若遍历完毕,则回到8判断
for(int j=0; j< vexnum ; j++){
// 11. 若当前顶点的邻接顶点存在 & 未被访问,则执行处理
// 否则回到10判断
if(arcs[i][j]==1 && visited[j]==false){
// 12. (输出)访问当前顶点的邻接顶点
visit(j);
// 13. 标记当前顶点的邻接顶点已被访问
visited[j] = true;
// 14. 入队当前顶点的邻接顶点
q.add(j);
}
}
}
}
}
}
/**
* 辅助算法1:访问该顶点
*/
public void visit(int i){
System.out.print(vertices[i] + " ");
}
/**
* 测试算法
*/
public static void main(String[] args) {
// 1. 初始化图的结构(顶点数量 = 9
MyGraph g = new MyGraph(9);
// 2. 设置顶点数据
char[] vertices = {'A','B','C','D','E','F','G','H','I'};
g.setVertices(vertices);
// 3. 设置边
g.addEdge(0, 1);
g.addEdge(0, 5);
g.addEdge(1, 0);
g.addEdge(1, 2);
g.addEdge(1, 6);
g.addEdge(1, 8);
g.addEdge(2, 1);
g.addEdge(2, 3);
g.addEdge(2, 8);
g.addEdge(3, 2);
g.addEdge(3, 4);
g.addEdge(3, 6);
g.addEdge(3, 7);
g.addEdge(3, 8);
g.addEdge(4, 3);
g.addEdge(4, 5);
g.addEdge(4, 7);
g.addEdge(5, 0);
g.addEdge(5, 4);
g.addEdge(5, 6);
g.addEdge(6, 1);
g.addEdge(6, 3);
g.addEdge(6, 5);
g.addEdge(6, 7);
g.addEdge(7, 3);
g.addEdge(7, 4);
g.addEdge(7, 6);
g.addEdge(8, 1);
g.addEdge(8, 2);
g.addEdge(8, 3);
// 4. 执行 图的广度优先遍历(非递归)
System.out.print("广度优先遍历(非递归):");
g.BFS();
}
/**
* 辅助算法1:添加边(无向图)
*/
public void addEdge(int i, int j) {
// 边的头尾不能为同一节点
if (i == j) return;
// 将邻接矩阵的第i行第j列的元素值置为1;
arcs[i][j] = 1;
// 将邻接矩阵的第j行第i列的元素值置为1;
arcs[j][i] = 1;
// 设置为1代表2顶点之间存在 边 (设置相等原因 = 邻接矩阵 是对称的)
}
/**
* 辅助算法2:设置顶点数据
*/
public void setVertices(char[] vertices) {
this.vertices = vertices;
}
}
广度优先遍历(非递归):A B F C G I E D H
本节主要讲解 图中的 最小生成树
构造 连通网图 的最小成本生成树
Prim
)普利姆算法 & (Kruskal
)克鲁斯卡尔算法
第1个顶点 = 源点、第2个顶点 = 终点
从源点 -> 其余各顶点的最短路径
(Dijkstra)
、弗洛伊德算法(Floyd)