算法与数据结构(八)图 基础篇
共 3025字,需浏览 7分钟
·
2023-08-20 18:09
图(Graph)是另一种非线性表数据结构,和树比起来,图更加复杂。
我们首先了解一下图的几个关键概念:
顶点 vertex:下图中 A、B、C、D、E、F 就是顶点;
边 edge:顶点之间的连线就是边,边可以是有向的,也可以是无向的;
我们把边有方向的图叫做“有向图”;
没有方向的图就叫做“无向图”;
在带权图中,每条边有一个权重 weight;
度 degree:顶点的度是指与该顶点相关联的边的条数;
在有向图中,我们把度分为入度和出度;
入度是指指向该顶点的边的数量;
出度是指由该顶点指向其他顶点的边的数量;
图一般用在描述事物之间的关系,比如社交网络中的用户之间的关系、城市之间的交通等等。有向图可以表示社交网络中用户之间的关注关系,无向图可以表示用户之间的好友关系,带权图则可以额外表示用户之间的亲密度。
图的存储
邻接表
图的存储其中一种实现方式是邻接表,对于下图来说,邻接表的存储方式如图右边所示。
其 Java 代码表示如下:
static class Node {
public int value;
public ArrayList<Node> nexts;
public Node(int value) {
this.value = value;
nexts = new ArrayList<>();
}
}
邻接矩阵
图的另一种实现方式邻接矩阵,邻接矩阵的底层依赖一个二维数组。对于下图来说,邻接矩阵的存储方式如图下方所示。可以看到邻接矩阵比较浪费空间。
无向图的邻接矩阵 Java 代码表示如下:
public class Graph {
private int v; // 顶点的个数
private int[][] adj; // 邻接表
public Graph(int v) {
this.v = v;
this.adj = new int[v][v];
for (int i = 0; i < v; ++i) {
adj[i][i] = 0;
}
}
public void addEdge(int s, int t) { // s 先于 t,边 s->t
adj[s][t] = 1;
}
}
图的搜索
广度优先搜索
广度优先搜索(Breadth-First-Search,BFS)首先将根节点放入队列中,然后从其子节点开始,依次将子节点放入队列的末尾。它在遍历同一层上的所有节点之前,不会遍历下一层的节点。
广度优先算法可以解决两类问题:
从节点 A 出发,有没有前往节点 B 的路径;
从节点 A 出发,前往节点 B 的最短路径是什么。
广度优先搜索的时间复杂度是 O(V+E),其中 V 表示顶点的数量,E 表示边的数量。以下是图广度优先搜索的 Java 代码表示,在遍历的过程中,需要借助队列这一数据结构:
public static void bfs(Node node) {
if (node == null) return;
Queue<Node> queue = new LinkedList<>();
Set<Node> visited = new HashSet<>();
queue.add(node);
visited.add(node);
while (!queue.isEmpty()) {
Node cur = queue.poll();
System.out.println(cur.value);
for (Node next : cur.nexts) {
if (!visited.contains(next)) {
queue.add(next);
visited.add(next);
}
}
}
}
深度优先搜索
深度优先搜索(Depth-First-Search,DFS)使用的是回溯思想,会优先遍历当前节点的子节点,而不是邻居节点。
深度优先搜索的时间复杂度是 O(V+E),其中 V 表示顶点的数量,E 表示边的数量。以下是图深度优先搜索的递归 Java 代码表示。在遍历的过程中,如果不采用递归,则需要栈这一数据结构来辅助遍历:
// 递归实现
public static void dfs(Node s) {
Set<Node> visited = new HashSet<>();
recurDfs(s, visited);
}
private static void recurDfs(Node node, Set<Node> visited) {
visited.add(node);
System.out.println(node.value);
for (Node q : node.nexts) {
if (!visited.contains(q)) {
recurDfs(q, visited);
}
}
}
// 非递归实现
public static void dfsWithStack(Node s) {
Stack<Node> stack = new Stack<>();
Set<Node> visited = new HashSet<>();
stack.add(s);
visited.add(s);
while (!stack.isEmpty()) {
Node cur = stack.pop();
System.out.println(cur.value);
for (Node item : cur.nexts) {
if (!visited.contains(item)) {
stack.add(item);
visited.add(item);
}
}
}
}
广度优先搜索和深度优先搜索简单粗暴,没有做什么优化,仅适用于简单的图搜索问题。如果图比较大,搜索的终点离起点比较远,那这两种搜索算法就会消耗很长的时间。