图
为什么要有图
- 前面我们学了线性表 和 树
- 线性表局限于一个直接前驱和一个直接后继的关系
- 树也只能有一个直接前驱也就是父节点
- 当我们需要表示多对多的关系时,这里我们就用到了图
图的举例说明
图是一种==数据结构==,其中节点可以具有==零==个或==多==个==相邻元素==。两个节点之间的连接称为 ==边==。节点也可以称为==顶点==。如图:
图常用的概念
- 顶点 (vertex)
- 边 (edge)
- 路径
- 无向图 (下图)
无向图:顶点之间的连接==没有方向==,比如 A - B,既可以是 A - B 也可以 B - A
路径:比如从 D - C 的路径有
- D - B - C
D - A - B - C
有向图 (下图)
- 有向图:顶点之间的连接==有方向==,比如 A - B , 只能是 A -> B 不能是 B -> A。
带权图
- 带权图:这种边带权值的图也叫==网==。
图的表示方式
图的表示方式有两种:
==二维数组==表示(邻接矩阵);
==链表==表示(邻接表);
邻接矩阵
邻接矩阵是表示图形中顶点之间相邻关系的矩阵,对于n个顶点的图而言,矩阵是row和col表示的是1…n个点。
邻接表
- 邻接矩阵需要为每个顶点都分配n个边的空间,其实有很多边都是不存在的,会造成空间的一定损失。
- 邻接表的实现只关心存在的边,不关心不存在的边。因此没有空间浪费,邻接表由数组+链表组成
说明:
- 标号为 0 的节点的相关联的节点为 1 2 3 4
- 标号为 1 的节点的相关联节点为 0 4
- 标号为 2 的节点的相关联节点为 0 4 5
- ….
图的快速入门案例
1 要求:代码实现如下图结构
2 思路分析
- 每一个==顶点==需要用一个==容器来装==,这里使用简单的 ==String 类型来表示== A,B … 等==节点==
- 这些所有的==顶点==,我们用一个==List来存储==
- 它对应的==矩阵使用==一个==二维数组==来==表示==,==节点之间的关系==
3 代码实现
/**
* @author 窦凯欣
* @version 1.0
* @2023/7/1120:41
* @comment
*/
public class Graph {
private ArrayList<String> vertexList;//存储顶点集合
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
public Graph(int n) {
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
}
//图中常用的方法
//返回节点个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumEdges(int i) {
return numOfEdges;
}
//返回节点i对应下标的值 (0 -> "A") (1 -> "B") (2 -> "C")
public String getVertexByIndex(int i){
return vertexList.get(i);
}
//返回v1和v2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[] temp:edges)
System.err.println(Arrays.toString(temp));
}
/**
* 插入节点
*
* @param vertex
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
*
* @param v1 表示点的下标,即是第几个顶点
* @param v2 第二个顶点对应的下标
* @param weight 表示关联
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
public static void main(String[] args) {
int n = 5;
String[] vertexValue = {"A","B","C","D","E"};
//创建图对象
Graph graph = new Graph(n);
//循环的添加顶点
for(String value:vertexValue)
graph.insertVertex(value);
//添加边
graph.insertEdge(0,1,1);
graph.insertEdge(0,2,1);
graph.insertEdge(1,2,1);
graph.insertEdge(1,3,1);
graph.insertEdge(1,4,1);
//输出邻接矩阵
graph.showGraph();
}
}
结果:
[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]
图的深度优先遍历介绍
图遍历介绍
所谓图的遍历,即是对节点的访问。一个图有那么多个节点,如何遍历这些节点,需要特定策略,一般有两种访问策略:
- 深度优先遍历
- 广度优先遍历
深度优先遍历基本思想
图的深度优先搜索 (Depth First Search)
- 深度优先遍历,从初始访问节点出发,初始访问节点可能有多个邻接节点,深度优先遍历的策略就是首先访问第一个邻接节点,然后再以这个被访问的邻接节点作为初始节点,访问它的第一个邻接节点,可以这样理解:每次都在访问完==当前节点==后首先访问==当前节点的第一个邻接节点==。
- 我们可以看到,这样的访问策略是优先往==纵向挖掘深入==,而不是对一个节点的所有邻接节点进行横向访问。
- 显然,深度优先搜索是一个==递归的过程==。
深度优先遍历算法步骤
- 访问初始节点v,并标记节点v为已访问。
- 查找节点v的第一个邻接节点w。
- 若w存在,则继续执行第4步,如果w不存在,则回到第1步,将从v的下一个节点继续。
- 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)。
- 查找节点v 的w邻接节点的下一个邻接节点,转到步骤3。
看一个具体案例分析:
要求:对下图进行深度优先搜索,从A开始遍历
代码实现:
/**
* @author 窦凯欣
* @version 1.0
* @2023/7/1120:41
* @comment
*/
public class Graph {
private ArrayList<String> vertexList;//存储顶点集合
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
//记录某个节点是否被访问
private boolean[] isVisited;
public Graph(int n) {
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
isVisited = new boolean[n];
}
/**
* 得到第一个邻接节点的下标 w
*
* @param index
* @return 如果存在就返回对应的下标,否则返回-1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++)
if (edges[index][j] > 0)
return j;
return -1;
}
/**
* 根据前一个邻接节点的下标来获取下一个邻接节点
*
* @param v1
* @param v2
* @return
*/
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;
}
/**
* 深度优先遍历
*
* @param isVisited
* @param i 第一次就是0
*/
private void dfs(boolean[] isVisited, int i) {
//首先我们访问该节点,输出
System.out.println(getValueByIndex(i));
//将节点设置为已经访问
isVisited[i] = true;
//查找节点i的第一个邻接节点w
int w = getFirstNeighbor(i);
while (w != -1) {
if (!isVisited[w])
dfs(isVisited, w);
//如果w节点已经被访问过
w = getNextNeighbor(i, w);
}
}
//对dfs进行一个重载,遍历我们所有的节点,并进行dfs
public void dfs(){
//遍历所有的节点,进行dfs[回溯]
for(int i = 0;i < getNumOfVertex();i ++)
if(!isVisited[i])
dfs(isVisited,i);
}
//图中常用的方法
//返回节点个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumEdges(int i) {
return numOfEdges;
}
//返回节点i对应下标的值 (0 -> "A") (1 -> "B") (2 -> "C")
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1和v2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[] temp : edges)
System.err.println(Arrays.toString(temp));
}
/**
* 插入节点
*
* @param vertex
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
*
* @param v1 表示点的下标,即是第几个顶点
* @param v2 第二个顶点对应的下标
* @param weight 表示关联
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
public static void main(String[] args) {
int n = 5;
String[] vertexValue = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(n);
//循环的添加顶点
for (String value : vertexValue)
graph.insertVertex(value);
//添加边
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
//输出邻接矩阵
graph.showGraph();
System.out.println("-----------------深度遍历-----------------");
graph.dfs();
}
}
结果:
[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]
-----------------深度遍历-----------------
A
B
C
D
E
图的广度优先遍历
广度优先遍基本思想
图的广度优先搜索 (Broad First Search)。
类似于一个分层搜索的过程,广度优先遍历需要使用一个队列以保持访问过的节点的顺序,以便按这个顺序来访问这些节点的邻接节点。
广度优先遍历算法步骤
- 访问初始节点v并标记节点v为已访问。
- 节点v入队列
- 当队列非空时,继续执行,否则算法结束。
- 出队列,取得对头节点u。
- 查找节点u的第一个邻接节点w。
- 若节点u的邻接节点w不存在,则转到步骤3;否则循环执行以下三个步骤
- 若节点w尚未被访问,则访问节点w并标记为已访问。
- 节点w入队列
- 查找节点u的继w邻接节点后的下一个邻接节点w,转到步骤6。
广度优先遍历举例说明
代码实现:
/**
* @author 窦凯欣
* @version 1.0
* @2023/7/1120:41
* @comment
*/
public class Graph {
private ArrayList<String> vertexList;//存储顶点集合
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
//定义给数组boolean[],记录某个节点是否被访问
private boolean[] isVisited;
public Graph(int n) {
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
isVisited = new boolean[n];
}
/**
* 得到第一个邻接节点的下标 w
*
* @param index
* @return 如果存在就返回对应的下标,否则返回-1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++)
if (edges[index][j] > 0)
return j;
return -1;
}
/**
* 根据前一个邻接节点的下标来获取下一个邻接节点
*
* @param v1
* @param v2
* @return
*/
public int getNextNeighbor(int v1, int v2) {
//+1 略过自己(不算自己)
for (int j = v2 + 1; j < vertexList.size(); j++)
if (edges[v1][j] > 0)
return j;
return -1;
}
//对一个节点进行广度优先遍历
private void bfs(boolean[] isVisited, int i) {
//表示队列头节点对应的下标
int u;
//邻接节点w
int w;
//队列,记录节点访问的顺序
LinkedList queue = new LinkedList();
//访问节点,输出节点的信息
System.out.println(getValueByIndex(i));
//标记为已访问
isVisited[i] = true;
//将节点加入到队列
queue.addLast(i);
while (!queue.isEmpty()) {
//取出队列头节点下标
u = (int) queue.removeFirst();
//得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
while (w != -1) {
if (!isVisited[w]) {
System.out.println(getValueByIndex(w));
//标记已访问
isVisited[w] = true;
//加入队列
queue.addLast(w);
}
//以u为前驱节点找w后面的下一个邻接节点
w = getNextNeighbor(u, w);
}
}
}
//遍历所有节点,都进行广度优先搜索
public void bfs() {
for (int i = 0; i < getNumOfVertex(); i++)
if (!isVisited[i])
bfs(isVisited, i);
}
//图中常用的方法
//返回节点个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumEdges(int i) {
return numOfEdges;
}
//返回节点i对应下标的值 (0 -> "A") (1 -> "B") (2 -> "C")
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1和v2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[] temp : edges)
System.err.println(Arrays.toString(temp));
}
/**
* 插入节点
*
* @param vertex
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
*
* @param v1 表示点的下标,即是第几个顶点
* @param v2 第二个顶点对应的下标
* @param weight 表示关联
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
public static void main(String[] args) {
int n = 5;
String[] vertexValue = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(n);
//循环的添加顶点
for (String value : vertexValue)
graph.insertVertex(value);
//添加边
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
//输出邻接矩阵
graph.showGraph();
System.out.println("-----------------广度遍历-----------------");
graph.bfs();
}
}
结果:
[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]
-----------------广度遍历-----------------
A
B
C
D
E
完整代码
/**
* @author 窦凯欣
* @version 1.0
* @2023/7/1120:41
* @comment
*/
@SuppressWarnings("all")
public class Graph {
private ArrayList<String> vertexList;//存储顶点集合
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
//定义给数组boolean[],记录某个节点是否被访问
private boolean[] isVisited;
public Graph(int n) {
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
}
/**
* 得到第一个邻接节点的下标 w
*
* @param index
* @return 如果存在就返回对应的下标,否则返回-1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++)
if (edges[index][j] > 0)
return j;
return -1;
}
/**
* 根据前一个邻接节点的下标来获取下一个邻接节点
*
* @param v1
* @param v2
* @return
*/
public int getNextNeighbor(int v1, int v2) {
//+1 略过自己(不算自己)
for (int j = v2 + 1; j < vertexList.size(); j++)
if (edges[v1][j] > 0)
return j;
return -1;
}
/**
* 深度优先遍历
*
* @param isVisited
* @param i 第一次就是0
*/
private void dfs(boolean[] isVisited, int i) {
//首先我们访问该节点,输出
System.out.println(getValueByIndex(i));
//将节点设置为已经访问
isVisited[i] = true;
//查找节点i的第一个邻接节点w
int w = getFirstNeighbor(i);
while (w != -1) {
if (!isVisited[w])
dfs(isVisited, w);
//如果w节点已经被访问过
w = getNextNeighbor(i, w);
}
}
//对dfs进行一个重载,遍历我们所有的节点,并进行dfs
public void dfs() {
isVisited = new boolean[vertexList.size()];
//遍历所有的节点,进行dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++)
if (!isVisited[i])
dfs(isVisited, i);
}
//对一个节点进行广度优先遍历
private void bfs(boolean[] isVisited, int i) {
//表示队列头节点对应的下标
int u;
//邻接节点w
int w;
//队列,记录节点访问的顺序
LinkedList queue = new LinkedList();
//访问节点,输出节点的信息
System.out.println(getValueByIndex(i));
//标记为已访问
isVisited[i] = true;
//将节点加入到队列
queue.addLast(i);
while (!queue.isEmpty()) {
//取出队列头节点下标
u = (int) queue.removeFirst();
//得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
while (w != -1) {
if (!isVisited[w]) {
System.out.println(getValueByIndex(w));
//标记已访问
isVisited[w] = true;
//加入队列
queue.addLast(w);
}
//以u为前驱节点找w后面的下一个邻接节点
w = getNextNeighbor(u, w);
}
}
}
//遍历所有节点,都进行广度优先搜索
public void bfs() {
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++)
if (!isVisited[i])
bfs(isVisited, i);
}
//图中常用的方法
//返回节点个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumEdges(int i) {
return numOfEdges;
}
//返回节点i对应下标的值 (0 -> "A") (1 -> "B") (2 -> "C")
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1和v2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[] temp : edges)
System.err.println(Arrays.toString(temp));
}
/**
* 插入节点
*
* @param vertex
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
*
* @param v1 表示点的下标,即是第几个顶点
* @param v2 第二个顶点对应的下标
* @param weight 表示关联
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
public static void main(String[] args) {
int n = 5;
String[] vertexValue = {"A", "B", "C", "D", "E"};
//创建图对象
Graph graph = new Graph(n);
//循环的添加顶点
for (String value : vertexValue)
graph.insertVertex(value);
//添加边
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
//输出邻接矩阵
graph.showGraph();
System.out.println("-----------------深度遍历-----------------");
graph.dfs();
System.out.println("-----------------广度遍历-----------------");
graph.bfs();
}
}
结果
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 1, 1, 1, 0, 0, 0]
[1, 1, 0, 0, 0, 0, 0, 0]
[0, 1, 0, 0, 0, 0, 0, 0]
[0, 1, 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, 0, 0, 0, 0, 0]
-----------------深度遍历-----------------
1
2
3
4
5
6
7
8
-----------------广度遍历-----------------
1
2
3
4
5
6
7
8
图的==深度优先== VS ==广度优先==
由于前面讲解的顶点较少,恰好输出顺序一致,现在来对比下多一点的顶点,如下图:
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);
- ==深度优先遍历==顺序为
1->2->4->8->5->3->6->7
- ==广度优先遍历==顺序为:
1->2->3->4->5->6->7->8
代码实现:
/**
* @author 窦凯欣
* @version 1.0
* @2023/7/1120:41
* @comment
*/
@SuppressWarnings("all")
public class Graph {
private ArrayList<String> vertexList;//存储顶点集合
private int[][] edges;//存储图对应的邻接矩阵
private int numOfEdges;//表示边的数目
//定义给数组boolean[],记录某个节点是否被访问
private boolean[] isVisited;
public Graph(int n) {
edges = new int[n][n];
vertexList = new ArrayList<>(n);
numOfEdges = 0;
}
/**
* 得到第一个邻接节点的下标 w
*
* @param index
* @return 如果存在就返回对应的下标,否则返回-1
*/
public int getFirstNeighbor(int index) {
for (int j = 0; j < vertexList.size(); j++)
if (edges[index][j] > 0)
return j;
return -1;
}
/**
* 根据前一个邻接节点的下标来获取下一个邻接节点
*
* @param v1
* @param v2
* @return
*/
public int getNextNeighbor(int v1, int v2) {
//+1 略过自己(不算自己)
for (int j = v2 + 1; j < vertexList.size(); j++)
if (edges[v1][j] > 0)
return j;
return -1;
}
/**
* 深度优先遍历
*
* @param isVisited
* @param i 第一次就是0
*/
private void dfs(boolean[] isVisited, int i) {
//首先我们访问该节点,输出
System.out.println(getValueByIndex(i));
//将节点设置为已经访问
isVisited[i] = true;
//查找节点i的第一个邻接节点w
int w = getFirstNeighbor(i);
while (w != -1) {
if (!isVisited[w])
dfs(isVisited, w);
//如果w节点已经被访问过
w = getNextNeighbor(i, w);
}
}
//对dfs进行一个重载,遍历我们所有的节点,并进行dfs
public void dfs() {
isVisited = new boolean[vertexList.size()];
//遍历所有的节点,进行dfs[回溯]
for (int i = 0; i < getNumOfVertex(); i++)
if (!isVisited[i])
dfs(isVisited, i);
}
//对一个节点进行广度优先遍历
private void bfs(boolean[] isVisited, int i) {
//表示队列头节点对应的下标
int u;
//邻接节点w
int w;
//队列,记录节点访问的顺序
LinkedList queue = new LinkedList();
//访问节点,输出节点的信息
System.out.println(getValueByIndex(i));
//标记为已访问
isVisited[i] = true;
//将节点加入到队列
queue.addLast(i);
while (!queue.isEmpty()) {
//取出队列头节点下标
u = (int) queue.removeFirst();
//得到第一个邻接节点的下标w
w = getFirstNeighbor(u);
while (w != -1) {
if (!isVisited[w]) {
System.out.println(getValueByIndex(w));
//标记已访问
isVisited[w] = true;
//加入队列
queue.addLast(w);
}
//以u为前驱节点找w后面的下一个邻接节点
w = getNextNeighbor(u, w);
}
}
}
//遍历所有节点,都进行广度优先搜索
public void bfs() {
isVisited = new boolean[vertexList.size()];
for (int i = 0; i < getNumOfVertex(); i++)
if (!isVisited[i])
bfs(isVisited, i);
}
//图中常用的方法
//返回节点个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumEdges(int i) {
return numOfEdges;
}
//返回节点i对应下标的值 (0 -> "A") (1 -> "B") (2 -> "C")
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//返回v1和v2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[] temp : edges)
System.err.println(Arrays.toString(temp));
}
/**
* 插入节点
*
* @param vertex
*/
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
/**
* 添加边
*
* @param v1 表示点的下标,即是第几个顶点
* @param v2 第二个顶点对应的下标
* @param weight 表示关联
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
numOfEdges++;
}
public static void main(String[] args) {
int n = 8;
String[] vertexValue = {"1", "2", "3", "4", "5","6","7","8"};
//创建图对象
Graph graph = new Graph(n);
//循环的添加顶点
for (String value : vertexValue)
graph.insertVertex(value);
//添加边
graph.insertEdge(0,1,1);
graph.insertEdge(0,2,1);
graph.insertEdge(1,3,1);
graph.insertEdge(1,4,1);
graph.insertEdge(3,7,1);
graph.insertEdge(4,7,1);
graph.insertEdge(2,5,1);
graph.insertEdge(2,6,1);
graph.insertEdge(5,6,1);
//输出邻接矩阵
graph.showGraph();
System.out.println("-----------------深度遍历-----------------");
graph.dfs();
System.out.println("-----------------广度遍历-----------------");
graph.bfs();
}
}
结果:
- 深度优先遍历
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 0, 1, 1, 0, 0, 0]
[1, 0, 0, 0, 0, 1, 1, 0]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0, 1, 0]
[0, 0, 1, 0, 0, 1, 0, 0]
[0, 0, 0, 1, 1, 0, 0, 0]
-----------------深度遍历-----------------
1
2
4
8
5
3
6
7
- 广度优先遍历
[0, 1, 1, 0, 0, 0, 0, 0]
[1, 0, 0, 1, 1, 0, 0, 0]
[1, 0, 0, 0, 0, 1, 1, 0]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 1, 0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0, 1, 0]
[0, 0, 1, 0, 0, 1, 0, 0]
[0, 0, 0, 1, 1, 0, 0, 0]
-----------------广度遍历-----------------
1
2
3
4
5
6
7
8
文档信息
- 本文作者:Dkx
- 本文链接:https://pigpigletsgo.github.io/dou_note.github.io/2023/12/29/tu/
- 版权声明:自由转载-非商用-非衍生-保持署名(创意共享3.0许可证)