一个图包括两部分信息:顶点的信息以及描述顶点之间关系的信息。
图的邻接矩阵存储也称数组表示法,其方法是用一个一维数组存储图中顶点的信息,用一个二维数组存储图中边的信息,存储顶点之间邻接关系的二维数组称为邻接矩阵。
用邻接矩阵存储图
1.
确定图的顶点个数和边的个数
2.
输入顶点信息存储在一维数组
vertex
中
3.
初始化邻接矩阵;
4.
依次输入每条边存储在邻接矩阵
arc
中
-
-
输入边依附的两个顶点的序号
i,j;
-
将邻接矩阵的第
i
行第
j
列的元素值置为
1
;
-
将邻接矩阵的第
j
行第
i
列的元素值置为
1
;
由于大部分图都是稀疏图利用邻接矩阵存储开销会很大。
n
条边的用二维数组来表示的话,开销就是
n*n,
对于这种情况,对邻接矩阵做一下变化,用一个一维数组
vertex[]
来存储顶点的集合
,
再用一个一维数组来存储边的信息,数组的每一个元素都记录边的起始点,终点的相关信息,这样就能将边的存储开销降为
n
。
利用上述方法来构造,在查找的时候每次都得查找一次,则最坏的效率为
e
(边数)的
n
次方,查找比较快捷的方式可以采用链表来实现。对于图的每个顶点
v
,将所有邻接于
v
的顶点链成一个单链表,所有边表的头指针和存储顶点信息的一维数组构成了顶点表,所以,在邻接表中存在两种结点结构:顶点表结构和边表结构。
利用一个一维数组来保存来保存顶点信息。给每一个顶点分配一个
vector
。
Vector
的每一个元素都保存着与顶点有关的一条边信息,这样,对于无向图来说,得到的存储效率为
n+2e,
而对于有向图来说,得到的存储效率为
n+e;
再可以分配一个规则,对于无向图来说,每次记录边的时候都可以采用从顶点位置低的向顶点位置高的记录,这样能使无向图的存储效率达到
n+e
。
<!--
@page { margin: 2cm }
P { margin-bottom: 0.21cm }
-->
图的遍历是指从图中某一顶点出发,对图中所有顶点访问一次且仅访问一次。
图的遍历通常有深度优先遍历与广度优先遍历两种方式,这两种遍历次序对无向图和有向图都适用。
深度优先递归方法实现:
1.
访问顶点
v;
visited[v]=1;
2.w=
顶点
v
的第一个邻接点
3.while(w
存在
)
-
-
if(w
未被访问
)
从顶点
w
出发递归执行该算法
-
w=
顶点
v
的下一个邻接点
广度优先遍历实现:
1.
初始化队列
Q
2.
访问顶点
v
;
visited[v]=1;
顶点
v
入队
Q;
3.while(
队列
Q
非空
)
-
-
v=
队列
Q
的队头元素出队;
-
w=
顶点
v
的第一个邻接点
-
while(w
存在
)
3.3.1
如果
w
未被访问,则访问顶点
w;visited[w]=1;
顶点
w
入队列
Q
3.3.2 w=
顶点
v
的下一个邻接点
以下是利用vector来存储图的遍历实现:
Stack类:
package com.javaeye.rsrt;
/**
* 栈,遵循先进后出的原则,用来保存元素
*
* @author nishiting
*
*/
public class Stack {
private int[] st;
private int top;
private int count;
/**
* 构造一个栈
*
* @param size
* 栈的大小
*/
public Stack(int size) {
st = new int[size];
top = -1;
count = 0;
}
/**
* 元素进栈
*
* @param j
* 要进栈的元素
*/
public void push(int j) {
count++;
st[++top] = j;
}
/**
* 元素出栈
*
* @return 出栈的元素
*/
public int pop() {
return st[top--];
}
/**
* 查询栈顶元素
*
* @return 栈顶元素
*/
public int peek() {
return st[top];
}
/**
* 查询栈是否为空
*
* @return 栈是否为空
*/
public boolean isEmpty() {
count--;
return (top == -1);
}
/**
* 查看栈里的所有元素
*/
public void list() {
for (int i = 0; i < count; i++) {
System.out.print(st[i] + " ");
}
System.out.println();
}
/**
* 得到栈里一共有多少元素
*
* @return 栈里的元素个数
*/
public int getCount() {
return count;
}
/**
* 查看栈里是否包含某个元素
*
* @param i
* 要查询的元素
* @return 是否包含了要查询的元素
*/
public boolean isContains(int i) {
for (int k = 0; k < st.length; k++) {
System.out.print("开始比较" + i + "此时的result:");
list();
System.out.println();
if (st[k] == i) {
return true;
}
}
return false;
}
/**
* 得到栈里的元素集
* @return 栈里的元素集合
*/
public int[] getSt(){
return st;
}
}
Queue类:
package com.javaeye.rsrt;
public class Queue {
private int[] values;
private int begin = -1;
private int end = -1;
Queue(int size){
values = new int[size];
}
void push(int value){
values[++begin] = value;
}
int pop(){
return values[++end];
}
boolean isEmpty(){
return begin == end;
}
}
Graph类:
package com.javaeye.rsrt;
import java.util.Vector;
/**
*
* @author nishiting
*
*/
public class Graph {
int vertexNum;
Vector[] vector;
int[] visited;
Stack stack;
Stack result;
Queue queue;
/**
*
* 构造一个图
*
* @param num
* 图的顶点数
*
*/
public Graph(int num) {
vertexNum = num;
vector = new Vector[vertexNum];
visited = new int[vertexNum];
for (int i = 0; i < num; i++) {
visited[i] = 0;
}
stack = new Stack(num);
result = new Stack(num);
queue = new Queue(num);
}
/**
* 向图中添加无向边
*
* @param I
* 边的一个顶点
* @param J
* 边的另一个顶点
* @return 是否添加成功
*/
public boolean addEdge(int I, int J) {
/**
* 判断用户输入的是否是一个顶点,如果是,则返回flase,添加不成功
*/
if (J == I) {
return false;
}
/**
* 判断所输入的顶点值是否在图所顶点范围值内,如果不在,则提示顶点不存在
*
*/
if (I < vertexNum && J < vertexNum && I >= 0 && J >= 0) {
int k;
/**
* 如果i比j大,则将i与j交换
*/
if (I > J) {
k = I;
I = J;
J = k;
}
/**
*
* 判断边是否存在
*/
if (isEdgeExists(I, J)) {
return false;
}
/**
* 添加边
*/
vector[I].add(J);
return true;
}
return false;
}
/**
* 判断无向边是否存在
*
* @param i
* 要查询的无向边的一个顶点
* @param j
* 要查询的无向边的另一个顶点
* @return 边是否存在,false:不存在,true:存在
*/
public boolean isEdgeExists(int i, int j) {
/**
* 判断所输入的顶点值是否在图所顶点范围值内,如果不在,则提示顶点不存在
*
*/
if (i < vertexNum && j < vertexNum && i >= 0 && j >= 0) {
if (i == j) {
return false;
}
int k;
/**
* 如果i比j大的话,i与j进行交换
*/
if (i > j) {
k = i;
i = j;
j = k;
}
/**
* 判断i的邻接结点集是否为空
*/
if (vector[i] == null) {
vector[i] = new Vector(8);
}
/**
* 判断这条边是否存在,如果存在,则提示边已经存在
*/
for (int q = 0; q < vector[i].size(); q++) {
if (((Integer) vector[i].get(q)).intValue() == j) {
System.out.println("顶点" + i + "和" + "顶点" + j + "这两点之间存在边");
return true;
}
}
}
return false;
}
/**
* 进行深度优先遍历
*/
public void dfs() {
/**
* 从顶点0开始遍历
*/
visited[0] = 1;
stack.push(0);
/**
* 如果栈不为空的话,进行循环查询
*/
while (!stack.isEmpty()) {
int v = getAdjUnvisitedVertex(stack.peek());
/**
* 没找到未被访问的邻接点,元素出栈,如果找到的话,将这个结点标记为访问过,将其未被访问的邻接点入栈
*/
if (v == -1) {
result.push(stack.peek());
stack.pop();
} else {
visited[v] = 1;
stack.push(v);
}
}
System.out.println("进行深度优先的遍历顺序为:");
result.list();
}
/**
* 进行广度优先遍历
*/
public void bsf(){
/**
* 从顶点0开始遍历
*/
visited[0] = 1;
queue.push(0);
while(!queue.isEmpty()){
int v = queue.pop();
result.push(v);
int i;
while((i = getAdjUnvisitedVertex(v))!=-1){
visited[i]=1;
queue.push(i);
}
}
System.out.println("广度优先的遍历顺序为:");
result.list();
}
/**
* 得到指定结点的一个未被访问的邻接点位置
*
* @param v
* 要查询的顶点
* @return 顶点的下一个未被访问的邻接结点
*/
public int getAdjUnvisitedVertex(int v) {
int temp;
/**
* 判断邻接结点是否为空
*/
if (vector[v] != null) {
/**
* 遍历所有的邻接结点
*/
for (int j = 0; j < vector[v].size(); j++) {
temp = ((Integer) vector[v].get(j )).intValue();
/**
* 判断邻接结点是否被访问过
*/
if (visited[temp] == 0)
return ((Integer) vector[v].get(j)).intValue();
}
}
return -1;
}
/**
* 得到图的遍历顺序
*
* @return 图的遍历顺序
*/
public Stack getResult() {
return result;
}
}
测试类:
package com.javaeye.rsrt;
import junit.framework.TestCase;
public class GraphTest extends TestCase {
public void testAddEdge(){
// Graph graph = new Graph(10);
//
// /**
// * 测试向两个相同的顶点添加边
// */
// assertEquals(false,graph.addEdge(1, 1));
// assertEquals(false,graph.isEdgeExists(1, 1));
//
// /**
// * 测试向不存在的点添加边
// */
// assertEquals(false,graph.addEdge(-1, 1));
// assertEquals(false,graph.isEdgeExists(-1, 1));
// assertEquals(false,graph.addEdge(1, 15));
// assertEquals(false,graph.isEdgeExists(1, 15));
// assertEquals(false,graph.addEdge(-1, 15));
// assertEquals(false,graph.isEdgeExists(-1, 15));
//
// /**
// * 测试向两个合理的点添加边
// */
// assertEquals(true,graph.addEdge(1,6));
// assertEquals(true,graph.isEdgeExists(1, 6));
//
// /**
// * 测试向已有班的顶点添加
// */
// assertEquals(true,graph.isEdgeExists(1, 6));
// assertEquals(false,graph.addEdge(1,6));
// /**
// * 测试向边缘的点添加边
// *
// */
// assertEquals(true,graph.addEdge(0, 9));
// assertEquals(true,graph.isEdgeExists(0, 9));
//
// /**
// * 测试无向图由位置大的点向位置小的点添加
// */
// assertEquals(true,graph.addEdge(8, 4));
// assertEquals(true,graph.isEdgeExists(8, 4));
/**
* 测试一个简单的连通图
*/
Graph graph = new Graph(6);
graph.addEdge(0, 1);
graph.addEdge(0, 5);
graph.addEdge(0, 2);
graph.addEdge(1, 2);
graph.addEdge(2, 3);
graph.addEdge(1, 4);
graph.addEdge(2, 4);
graph.bsf();
// graph.dfs();
// int[] values = {3,4,2,1,5,0};
// int[] result = graph.getResult().getSt();
// for(int i = 0;i < values.length;i++){
// assertEquals(values[i],result[i]);
// }
/**
* 测试一个非连通图
*
*/
// graph = new Graph(6);
//
// graph.addEdge(0, 1);
// graph.addEdge(0, 5);
// graph.addEdge(0, 2);
// graph.addEdge(1, 2);
// graph.addEdge(1, 4);
// graph.addEdge(2, 4);
//
// graph.dfs();
//
// values = new int[] {4,2,1,5,0};
// result = graph.getResult().getSt();
// for(int i = 0;i < values.length;i++){
// assertEquals(values[i],result[i]);
// }
}
}
分享到:
相关推荐
用Java描述的图,以邻接表存储,包含常用算法
图的几种常用算法(广度/深度优先搜索,最小生成树,弗洛伊德,拓扑排序....邻接矩阵),java实现。 注释清晰,代码简单易懂。
(2)图的深度优先和广度优先遍历。 (3)无向图的连通性和最小生成树 (4)拓扑排序 (5)关键路径 (6)单源最短路径 5.散列表(哈希表) (1)散列表的概念 (2)散列表解决散列冲突的方法(开放地址法、链地址...
java编写的图的各种操作,包括建立图,深度优先遍历,广度优先遍历,最短路径,拓扑排序等,用于学习数据结构,可以运行
采用java实现,实现了常用的数据结构,包括顺序表、链表、队列、栈(数组实现和链表实现)、二叉树(二叉排序树)、图(深度优先、广度优先)
功能 图的广度优先遍历,深度优先遍历 拓扑排序 深度优先生成森林 关键路径
-----一,构造图:增删改查----------二,最小生成树--------三,图的遍历(广度遍历,深度遍历)-----------四,图的最短路径Dijkstra算法------五,图的连通性----- // -------六,图的拓扑排序---
连接的组件未加权的有向图(隐式边) 深度优先搜索广度优先搜索强连接组件拓扑排序循环检测加权无向图(显式边) 最小生成树普里姆克鲁斯卡尔加权有向图(显式边) 最短路径Dijkstra(无负权重) Bellman-Ford...
有图形界面及算法具体过程的堆排序、深度优先查找、广度优先查找算法; 其中有界面的稳定转换、鼠标进入、退出组件的事件监听。 算法部分有点乱
基于Java的数据结构深度实现(通用实用程序) 已实现的数据结构和相关算法数组数组相关算法链表链表相关算法二分查找基本的二分查找搜索天花板向下搜索转向阵列搜索旋转数组搜索图表基于相邻矩阵的运算基于相邻列表...
布罗德(Aldous-Broder) 二叉树深度优先搜索(递归回溯) 埃勒的越来越多的森林越来越多的树猎杀休斯顿克鲁斯卡尔的普里姆斯四深度优先搜索响尾蛇螺旋回溯器威尔逊的之字形求解算法广度优先搜索双向深度优先搜索...
与排序相关的数据结构:优先权(二叉堆) 冒泡排序-BubbleSort | | 插入排序-InsertionSort | 插入排序优化-InsertionXSort | 希尔排序-ShellSort | 自顶向下归并排序-MergeSort | 自底向上归并排序-MergeBUSort | ...
算法的度量,基础数据结构,链表,二叉树,B树,图论,深度和广度优先算法,排序,查找等 设计模式 常用设计模式的Java语言描述 数据库 与数据库相关的,MySQL以及MySQL高性能 框架 Spring, Spring MVC, MyBatis, ...
java饿汉式的应用源码《后端架构师技术图》 受到推崇的: 从初级开发者到资深架构师,读这些书就够了 【数据结构】(结构) ...【深度优先,广度优先】(广度优先) 【希腊算法】(算法) 【回溯算法】(回溯算法)
或许这份面试题还不足以囊括所有 Java 问题,但有了它,我相信你一定不会“败”的很惨,因为有了它,足以应对目前市面上绝大部分的 Java 面试了,因为这篇文章不论是从深度还是广度上来讲,都已经囊括了非常多的知识...
数据结构与算法笔记+LeetCode经典例题分析。...其中包括八大排序算法、动态规划背包问题、深度优先搜索、广度优先搜索、队列、优先队列、栈、并查集、树、二叉树、二叉搜索树、AVL平衡二叉树等等。
广度优先搜索, 拓扑排序, Kosaraju-Sharir, 克鲁斯卡尔 总理, 迪基斯特拉, 贝尔曼-福特, 福特-福克森, LSD基数排序, MSD基数排序, 三路基数快速排序, 多路尝试, 三元搜索尝试, 克努斯-莫里斯-普拉特, ...
数据结构堆队列二进制搜索树堆哈希表图形AVL树红黑树不相交集演算法链表遍历链表反向遍历气泡排序选择排序插入排序合并排序堆排序快速排序二元搜寻深度优先搜索广度优先搜索克鲁斯卡尔的吉克斯特拉贝尔曼福特...
,B+,B*树LSM 树BitSet常用算法排序、查找算法选择排序冒泡排序插入排序快速排序归并排序希尔排序堆排序计数排序桶排序基数排序二分查找Java 中的排序工具布隆过滤器字符串比较KMP 算法深度优先、广度优先贪心算法...