前言:
现在大家对“深度优先算法广度优先算法”大致比较注意,小伙伴们都需要知道一些“深度优先算法广度优先算法”的相关内容。那么小编同时在网上汇集了一些对于“深度优先算法广度优先算法””的相关资讯,希望兄弟们能喜欢,朋友们一起来了解一下吧!作者:28640
出处:
为什么要有图?
1、前面我们学习到的线性表与树
2、线性表局限一个直接前驱和一个直接后续的关系
3、树也只能有一个直接前驱、也就是父节点
4、我们需要多对多的关系的时候,就需要使用到图
一、什么是图图的基本介绍
图是一种数据结构,其中结点可以具有零个或多个相邻元素,两个节点之间的连接称为边、结点也可以称为顶点
图的常用知识概念图的常见表达方式
图的表达方式有两种: 二维数组表示(领接矩阵);链表表示(邻接表)
顶点0 ->顶点1、2、3、4、5、时,若能连通则是1,否则0 表示
二、通过示例认识图图的快速入门案例
根据如图所示,使用邻接矩阵展示连接效果,1 表示能连接 0-表示不能连接
思路分析
1.使用集合的方式存储节点信息
2.使用二维数组[][]保存矩阵信息
3.初始化节点个数 n 时,集合长度为n,二维码数组长度为n * n
4.添加两个节点之间的连接时,需要记录两个节点的下标
public class Graph { private ArrayList<String > vertexList;//存储顶点的集合 private int[][] edges;//存储顶点对应图的邻接矩阵 private int numOfEdges;//表示边的数目 //构造器 public Graph(int n ){ edges = new int[n][n]; vertexList = new ArrayList<String>(n); numOfEdges = 0; } //插入节点 public void insertVertex(String vertex){ vertexList.add(vertex); } //添加边 public void insertEdge(int v1,int v2,int weight){ edges[v1][v2] = weight; edges[v2][v1] = weight; numOfEdges++; } //返回目前的节点个数 public int getNumOfVertex(){ return vertexList.size(); } //得到目前边的个数 public int getNumOfEdges(){ return numOfEdges; } //返回下标对应节点数据 public String getValueByIndex(int i){ return vertexList.get(i); } //返回两个节点之间的权值 public int getWeight(int v1,int v2){ return edges[v1][v2]; } //显示图对应的矩阵 public void showGraph(){ for(int[] link :edges){ System.out.println(Arrays.toString(link)); } }}
接下来我们按照图所示,将节点:A、B、C、D、E 添加进demo看看
public static void main(String[] args) { //节点的数组 String[] arr = {"A","B","C","D","E"}; //创建图对象 Graph graph = new Graph(arr.length); //循环添加顶点项 for(String data :arr){ graph.insertVertex(data); } graph.showGraph();}运行结果如下:[0, 0, 0, 0, 0][0, 0, 0, 0, 0][0, 0, 0, 0, 0][0, 0, 0, 0, 0][0, 0, 0, 0, 0]
根据运行结果来说,我们添加成功了,但是发现了嘛?为什么全是0?
那是我们没有添加边,并且如图所示是 无向图 ,现在我们进行添加边
如图连接的节点是: A-B/B-A、A-C/C-A、B-C/C-B、B-E/E-B、B-D/D-B
public static void main(String[] args) { //节点的数组 String[] arr = {"A","B","C","D","E"}; //创建图对象 Graph graph = new Graph(arr.length); //循环添加顶点项 for(String data :arr){ graph.insertVertex(data); } //graph.showGraph(); //添加边 //`A-B/B-A、A-C/C-A、B-C/C-B、B-E/E-B、B-D/D-B` graph.insertEdge(0,1,1);//`A-B graph.insertEdge(0,2,1);//`A-C graph.insertEdge(1,2,1);//`B-C graph.insertEdge(1,4,1);//`B-E graph.insertEdge(1,3,1);//`B-D graph.showGraph();}运行结果如下:[0, 1, 1, 0, 0][1, 0, 1, 1, 1][1, 1, 0, 0, 0][0, 1, 0, 0, 0][0, 1, 0, 0, 0]
我们可以对比一下上面的图,是否正确关联起来
图遍历介绍
所谓的图遍历,即是对结点的访问。
一个图有那么多个结点,如何遍历这些结点?
需要特定策略,一般有两种访问策略: (1)深度优先遍历(2)广度优先遍历
三、图的深度优先遍历介绍图的深度优先搜索(Depth First Search)
1.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
(每次都在访问完当前结点后,再以之前访问的当前结点的第一个邻接结点)
2.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
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
以上面创建的图,进行一个示例深度优先遍历的图解分析,假设初始点:A
引用示例图解分析算法步骤
第一步:访问初始结点v,并标记结点v为已访问
第二步:查找结点v的第一个邻接结点w
第三步:若 w存在 ,则继续执行,检查若w是否未被访问,则对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 ),如果 w不存在 ,则回到第1步,将 从v的下一个结点 继续,
第四步:将w节点当做另一个v,执行步骤1-2-3
第五步:C的邻接节点不存在,返回上一层,即是B节点,从下一个节点继续
第六步:D的邻接节点不存在,返回上一层,即是B节点,从下一个节点继续
深度优先搜索代码实现
1.我们需要记录某个节点是否被访问
2.我们查找节点V的邻接节点W,需要知道w的下标,所以需要求出w的下标
根据我们前面的二维数组以及遍历思路,A的下一邻接节点B,就是 [A][B] >0
// 得到领接节点的下标public int getFirstNeighbor(int index){ for (int j =0; j<vertexList.size() ; j++){ if(edges[index][j] > 0){ return j; } } return -1;}
3.我们查找新节点V的邻接节点W,需要根据前一个邻接节点的下标获取
我们需要C的节点邻接节点W,就需要前一个邻接节点C的下标
//根据前一个邻接节点的下标获取下一个领接节点public int getNextNeighbor(int v1,int v2){ for (int j = v2 +1 ;j<vertexList.size();j++){ if(edges[v1][j] >0){ return j; } } return -1;}
那么按照图解思路,我们的算法方法代码(有缺陷,只能访问一次)就是
public class Graph { //省略之前关键代码 private boolean[] isVisited;//记录某个节点是否被访问 //构造器 public Graph(int n ){ edges = new int[n][n]; vertexList = new ArrayList<String>(n); numOfEdges = 0; isVisited = new boolean[n]; } //深度优先遍历方法 public void dfs(boolean [] isVisited,int i ){ //输出节点进行访问 System.out.print(getValueByIndex(i) + " - >"); //标记已访问 isVisited[i] = true; //查找当前节点i的邻接节点w int w = getFirstNeighbor(i); while(w != -1){ //邻接节点w未被访问 if(!isVisited[w]){ dfs(isVisited,w); } //如果w被访问过了 w = getNextNeighbor(i,w); } } public void dfs(){ for(int j=0; j< getNumOfVertex(); j++){ if(!isVisited[j]){ dfs(isVisited,j); } } }
我们根据之前添加的demo测试遍历输出看看
public static void main(String[] args) { //节点的数组 String[] arr = {"A","B","C","D","E"}; //创建图对象 Graph graph = new Graph(arr.length); //循环添加顶点项 for(String data :arr){ graph.insertVertex(data); } //graph.showGraph(); //添加边 //`A-B/B-A、A-C/C-A、B-C/C-B、B-E/E-B、B-D/D-B` graph.insertEdge(0,1,1);//`A-B graph.insertEdge(0,2,1);//`A-C graph.insertEdge(1,2,1);//`B-C graph.insertEdge(1,4,1);//`B-E graph.insertEdge(1,3,1);//`B-D graph.showGraph(); graph.dfs();}运行结果如下:[0, 1, 1, 0, 0][1, 0, 1, 1, 1][1, 1, 0, 0, 0][0, 1, 0, 0, 0][0, 1, 0, 0, 0]A - >B - >C - >D - >E - >四、图的广度优先遍历介绍图的广度优先搜索(Broad First Search)
1.类似于一个分层搜索的过程
2.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 初始结点v的算法 结束。
4.出队列,取得 队列头结点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 把 结点w入队列
6.3 接着查找结点u的 继w邻接结点后 的 下一个邻接结点 ,当做w转到步骤6。
以上面创建的图,进行一个示例广度优先遍历的图解分析,假设初始点:A
引用示例图解分析算法步骤
第一步:访问初始结点v,并标记结点v为已访问,并将节点v入队列
第二步:此时出队列,获取队列头结点u,查结点u的第一个邻接结点w
第三步:如果 w不存在 ,则回到第二步,查询结点u的继w的下一个 邻接节点结点 继续。若 w存在 ,则检查w是否未被访问,未访问则对w进行标记访问,并且 入队列 ,且继续查找 继w邻接节点后的下一个节点 当做w,接着判断
第四步:接着查找结点u的 继w邻接结点后 的 下一个邻接结点 ,当做结点w
第五步:如果 w不存在 ,则回到第二步,查询结点u的继w的下一个 邻接节点结点 继续。若 w存在 ,则检查w是否未被访问,未访问则对w进行标记访问,并且 入队列 ,且继续查找 继w邻接节点后的下一个节点 当做w,接着判断
第六步:接着查找结点u的 继w邻接结点后 的 下一个邻接结点 ,当做结点w
第七步:如果 w不存在 ,则回到第二步,查询结点u的继w的下一个 邻接节点结点 继续,直至结束回到思路的第二步,代表结点u(A)结束
第八步:出队列,取得队列头结点U、进行查找邻接结点w
第九步:如果 w不存在 ,则回到第二步,查询结点u的继w的下一个 邻接节点结点 继续。若 w存在 ,则检查w是否未被访问,未访问则对w进行标记访问,并且 入队列 ,且继续查找 继w邻接节点后的下一个节点 当做w,接着判断
第十步:接着查找结点u的 继w邻接结点后 的 下一个邻接结点 ,当做结点w
第十一步:如果 w不存在 ,则回到第二步,查询结点u的继w的下一个 邻接节点结点 继续。若 w存在 ,则检查w是否未被访问,未访问则对w进行标记访问,并且 入队列 ,且继续查找 继w邻接节点后的下一个节点 当做w,接着判断
第十二步:如果 w不存在 ,则回到第二步,查询结点u的继w的下一个 邻接节点结点 继续,直至结束回到思路的第二步,代表结点u(B)结束
广度优先搜索代码实现
1.我们可以先一个节点的广度优先方法,其次其他节点循环调用即可
//对一个节点进行广度优先遍历方法public void bfs(boolean[] isVisited,int i ){ int u;//表示队列头节点的下标 int w;//表示邻接节点的下标 //需要一个队列记录访问的顺序 LinkedList queue = new LinkedList(); //访问节点,输出节点信息 System.out.print(getValueByIndex(i) + " ->"); isVisited[i] = true; //将节点加入队列,记录访问顺序 //队列尾部添加,头部取 queue.addLast(i); while (!queue.isEmpty()){ //取出队列的头结点,删掉 u = (Integer) queue.removeFirst(); //查找头结点u的邻接节点 w = getFirstNeighbor(u); //w != -1 代表找到邻接节点 while(w!= -1 ){ //判断是否访问过 if(!isVisited[w]){ //若没有访问过,则输出并标记已访问 System.out.print(getValueByIndex(i) + " ->"); isVisited[w] = true; //将节点入队列,代表访问过 queue.addLast(w); } //以u为起点,查找w邻接结点的下一个邻接结点 w = getNextNeighbor(u,w); } }}
2.接下来则遍历所有节点进行广度优先搜索
//广度优先遍历方法public void bfs(){ for(int j=0; j< getNumOfVertex(); j++){ //没有被访问过才进行广度优先搜索 if(!isVisited[j]){ bfs(isVisited,j); } }}
我们根据之前添加的demo测试遍历输出看看
public static void main(String[] args) { //节点的数组 String[] arr = {"A","B","C","D","E"}; //创建图对象 Graph graph = new Graph(arr.length); //循环添加顶点项 for(String data :arr){ graph.insertVertex(data); } //graph.showGraph(); //添加边 //`A-B/B-A、A-C/C-A、B-C/C-B、B-E/E-B、B-D/D-B` graph.insertEdge(0,1,1);//`A-B graph.insertEdge(0,2,1);//`A-C graph.insertEdge(1,2,1);//`B-C graph.insertEdge(1,4,1);//`B-E graph.insertEdge(1,3,1);//`B-D graph.showGraph(); //graph.dfs(); graph.bfs();}运算结果如下:[0, 1, 1, 0, 0][1, 0, 1, 1, 1][1, 1, 0, 0, 0][0, 1, 0, 0, 0][0, 1, 0, 0, 0]A ->B ->C ->D ->E ->
作者:28640
出处:
标签: #深度优先算法广度优先算法