資料結構--圖(Java版)
一、圖的基本概念
線性表和樹兩類資料結構,線性表中的元素是“一對一”的關係,樹中的元素是“一對多”的關係,本章所述的圖結構中的元素則是“多對多”的關係。
圖(Graph)是一種複雜的非線性結構,在圖結構中,每個元素都可以有零個或多個前驅,也可以有零個或多個後繼,也就是說,元素之間的關係是任意的。
無向圖:
無向圖是由頂點和邊構成。
有向圖:
有向圖是由頂點和有向邊構成。
完全圖:
如果任意兩個頂點之間都存在邊叫完全圖,有向的邊叫有向完全圖。如果無重複的邊或者頂點到自身的邊叫簡單圖。
二、圖的節點表示
/**
* 無向簡單圖的節點
* @author hoaven
*/
public class GraphNode<T> {
T data;
List<GraphNode<T>> neighborList;
boolean visited;
public GraphNode(T data){
this.data = data;
neighborList = new ArrayList<GraphNode<T>>();
visited = false ;
}
public boolean equals(GraphNode<T> node){
return this.data.equals(node.data);
}
/**
* 還原圖中所有節點為未訪問
*/
public void restoreVisited(){
restoreVisited(this);
}
/**
* 還原node的圖所有節點為未訪問
* @param node
*/
private void restoreVisited (GraphNode<T> node){
if(node.visited){
node.visited = false;
}
List<GraphNode<T>> neighbors = node.neighborList;
for(int i = 0; i < neighbors.size(); i++){
restoreVisited(neighbors.get(i));
}
}
}
三、圖的深度優先和廣度優先搜尋
1、深度優先
1.1、介紹
圖的深度優先搜尋(Depth First Search),和樹的先序遍歷比較類似。
思路:假設初始狀態是圖中所有頂點均未被訪問,則從某個頂點v出發,首先訪問該頂點,然後依次從它的各個未被訪問的鄰接點出發深度優先搜尋遍歷圖,直至圖中所有和v有路徑相通的頂點都被訪問到。 若此時尚有其他頂點未被訪問到,則另選一個未被訪問的頂點作起始點,重複上述過程,直至圖中所有頂點都被訪問到為止。顯然,深度優先搜尋是一個遞迴的過程。
1.2、無向圖深度優先搜尋圖解
對上面的圖G1進行深度優先遍歷,從頂點A開始。
- 第1步:訪問A。
- 第2步:訪問(A的鄰接點)C。在第1步訪問A之後,接下來應該訪問的是A的鄰接點,即”C,D,F”中的一個。但在本文的實現中,頂點ABCDEFG是按照順序儲存,C在”D和F”的前面,因此,先訪問C。
- 第3步:訪問(C的鄰接點)B。在第2步訪問C之後,接下來應該訪問C的鄰接點,即”B和D”中一個(A已經被訪問過,就不算在內)。而由於B在D之前,先訪問B。
- 第4步:訪問(C的鄰接點)D。
- 第5步:訪問(A的鄰接點)F。
- 第6步:訪問(F的鄰接點)G。
- 第7步:訪問(G的鄰接點)E。
訪問順序是:A -> C -> B -> D -> F -> G -> E
1.3、無向圖深度優先搜尋圖解
對上面的圖G2進行深度優先遍歷,從頂點A開始。
訪問順序是:A -> B -> C -> E -> D -> F -> G
2、廣度優先
2.1、介紹
從圖中某頂點v出發,在訪問了v之後依次訪問v的各個未曾訪問過的鄰接點,然後分別從這些鄰接點出發依次訪問它們的鄰接點,並使得“先被訪問的頂點的鄰接點先於後被訪問的頂點的鄰接點被訪問,直至圖中所有已被訪問的頂點的鄰接點都被訪問到。如果此時圖中尚有頂點未被訪問,則需要另選一個未曾被訪問過的頂點作為新的起始點,重複上述過程,直至圖中所有頂點都被訪問到為止。換句話說,廣度優先搜尋遍歷圖的過程是以v為起點,由近至遠。
2.2、無向圖廣度優先搜尋圖解
訪問順序是:A -> C -> D -> F -> B -> G -> E
2.3、有向圖廣度優先搜尋圖解
訪問順序是:A -> B -> C -> E -> F -> D -> G
3、實現
/**
* 圖的廣度優先搜尋和深度優先搜尋實現
*
* @author hoaven
* @see GraphNode
*/
public class GraphSearch<T> {
public StringBuffer searchPathDFS = new StringBuffer();
public StringBuffer searchPathBFS = new StringBuffer();
/**
* 深度優先搜尋實現
*
* @param root
*/
public void searchDFS(GraphNode<T> root) {
if (root == null) {
return;
}
// visited root
if (searchPathDFS.length() > 0) {
searchPathDFS.append("->");
}
searchPathDFS.append(root.data.toString());
root.visited = true;
for (GraphNode<T> node : root.neighborList) {
if (!node.visited) {
searchDFS(node);
}
}
}
/**
* 廣度優先搜尋實現,使用佇列
*
* @param root
*/
public void searchBFS(GraphNode<T> root) {
IQueue<GraphNode<T>> queue = new Queue<GraphNode<T>>();
// visited root
if (searchPathBFS.length() > 0) {
searchPathBFS.append("->");
}
searchPathBFS.append(root.data.toString());
root.visited = true;
// 加到佇列隊尾
queue.enqueue(root);
while (!queue.isEmpty()) {
GraphNode<T> r = queue.dequeue();
for (GraphNode<T> node : r.neighborList) {
if (!node.visited) {
searchPathBFS.append("->");
searchPathBFS.append(node.data.toString());
node.visited = true;
queue.enqueue(node);
}
}
}
}
}
//測試用例
/**
* GraphSearch測試
* @author hoaven
* @see GraphNode
* @see GraphSearch
*/
public class GraphSearchTest {
GraphNode<Integer> node1;
GraphNode<Integer> node2;
GraphNode<Integer> node3;
GraphNode<Integer> node4;
GraphNode<Integer> node5;
GraphNode<Integer> node6;
GraphNode<Integer> node7;
GraphNode<Integer> node8;
GraphNode<Integer> node9;
GraphNode<Integer> node10;
@Before
public void before(){
node1 = new GraphNode<Integer>(1);
node2 = new GraphNode<Integer>(2);
node3 = new GraphNode<Integer>(3);
node4 = new GraphNode<Integer>(4);
node5 = new GraphNode<Integer>(5);
node6 = new GraphNode<Integer>(6);
node7 = new GraphNode<Integer>(7);
node8 = new GraphNode<Integer>(8);
node9 = new GraphNode<Integer>(9);
node10 = new GraphNode<Integer>(10);
node1.neighborList.add(node2);
node1.neighborList.add(node3);
node2.neighborList.add(node4);
node2.neighborList.add(node5);
node2.neighborList.add(node6);
node3.neighborList.add(node1);
node3.neighborList.add(node6);
node3.neighborList.add(node7);
node3.neighborList.add(node8);
node4.neighborList.add(node2);
node4.neighborList.add(node5);
node5.neighborList.add(node2);
node5.neighborList.add(node4);
node5.neighborList.add(node6);
node6.neighborList.add(node2);
node6.neighborList.add(node5);
node6.neighborList.add(node3);
node6.neighborList.add(node8);
node6.neighborList.add(node9);
node6.neighborList.add(node10);
node7.neighborList.add(node3);
node8.neighborList.add(node3);
node8.neighborList.add(node6);
node8.neighborList.add(node9);
node9.neighborList.add(node6);
node9.neighborList.add(node8);
node9.neighborList.add(node10);
node10.neighborList.add(node6);
node10.neighborList.add(node9);
}
@Test
public void searchDFSTest(){
GraphSearch<Integer> graphSearch = new GraphSearch<Integer>();
graphSearch.searchDFS(node1);
String expectedSearchPath = "1->2->4->5->6->3->7->8->9->10";
Assert.assertEquals(expectedSearchPath, graphSearch.searchPathDFS.toString());
}
@Test
public void searchBFSTest(){
GraphSearch<Integer> graphSearch = new GraphSearch<Integer>();
graphSearch.searchBFS(node1);
String expectedSearchPath = "1->2->3->4->5->6->7->8->9->10";
Assert.assertEquals(expectedSearchPath, graphSearch.searchPathBFS.toString());
}
}