热门标签
热门文章
- 1哈工大数据库系统（上)：关系模型之关系代数（四）课后测验与作业_7)关系r与关系s只有一个公共属性,t1是r与s做θ连接的结果,t2是r与s自然连接的结
- 2前端学习DAY9
- 3互联网大厂产品面试分析（多年猎头通过候选人总结，着重感谢一位刘女士）_产品面试项目最大挑战
- 4求解具有多个初始条件的ODE方程组_ode45中有6个初始条件应该怎么给出
- 5【RAG】内部外挂知识库搭建-本地GPT_本地rag
- 6Fixed-Point Designer（设计、仿真和分析定点系统）
- 7android profiler启动分析,Android冷启动优化总结（四）——profile分析
- 8flutter 打包apk_flutter build apk
- 9仕考网：公务员考试面试时间一般多长?
- 10git提交大文件报错，删除大文件后，还是提交不成功解决办法
当前位置: article > 正文
Java数据结构与算法 day12 图_java 数据结构与算法 博客
作者：空白诗007 | 2024-07-15 02:22:57
赞
踩
java 数据结构与算法 博客
第12章 图
本章源码：https://github.com/name365/Java-Data-structure
图的基本介绍和存储形式
图基本介绍
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。
- 1
- 2
- 3
图的举例说明
- 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。两个结点之间的连接称为边。 结点也可以称为顶点。如图：
l图的常用概念：
- 顶点(vertex)
- 边(edge)
- 路径：比如从 D -> C 的路径有
- D->B->C
- D->A->B->C
- 无向图(上图)：顶点之间的连接没有方向，比如A-B,即可以是 A-> B 也可以 B->A .
- 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：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，矩阵是的row和col表示的是1....n个点。
- 1
邻接表:
1.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,会造成空间的一定损失. 2.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
- 1
- 2
说明:
1.标号为0的结点的相关联的结点为 1 2 3 4
2.标号为1的结点的相关联结点为0 4，
3.标号为2的结点相关联的结点为 0 4 5
4.....
- 1
- 2
- 3
- 4
- 5
图的创建图解和代码实现
要求: 代码实现如下图结构.
思路分析
(1) 存储顶点String 使用 ArrayList
(2) 保存矩阵 int[][] edges
- 1
- 2
- 3
代码实现如下：
import java.util.ArrayList; import java.util.Arrays; public class Graph { private ArrayList<String> vertexList; // 存储顶点集合 private int[][] str; // 存储图对应的邻接矩阵 private int numofEdges; // 表示边的数目 public static void main(String[] args) { // 测试图的创建 int n = 5; // 结点的个数 String Ver[] = { "A", "B", "C", "D", "E" }; // 创建图对象 Graph graph = new Graph(n); // 循环的添加顶点 for (String vertex : Ver) { graph.insertVertex(vertex); } //添加边 //A-B A-C B-C B-D B-E graph.insertEdge(0, 1, 1); // A-B graph.insertEdge(0, 2, 1); // A-C graph.insertEdge(1, 2, 1); // B-C graph.insertEdge(1, 3, 1); // B-D graph.insertEdge(1, 4, 1); // B-E //显示邻接矩阵 graph.showGraph(); } // 构造器 public Graph(int n) { // 初始化矩阵和vertexList str = new int[n][n]; vertexList = new ArrayList<String>(n); numofEdges = 0; } // 插入结点 public void insertVertex(String vertex) { vertexList.add(vertex); } // 添加边 /** * * @Description * @author subei * @date 2020年6月14日下午6:37:03 * @param v1 * 表示点的下标即第几个顶点 "A"-"B" "A"->0 "B"->1 * @param v2 * 第二个顶点对应的下标 * @param weight * 表示 */ public void insertEdge(int v1, int v2, int weight) { str[v1][v2] = weight; str[v2][v1] = weight; numofEdges++; } // 图中常用的方法 // 返回结点的个数 public int getNumber() { return vertexList.size(); } // 得到边的个数 public int getNumEdg() { return numofEdges; } // 返回结点i(下标)对应的值 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 str[v1][v2]; } // 返回结点的个数 public int getNumOfVertex() { return vertexList.size(); } // 显示图对应的矩阵 public void showGraph() { for (int[] link : str) { System.err.println(Arrays.toString(link)); } } }
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
图的深度优先(DFS)算法图解与实现
图遍历介绍
所谓图的遍历，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) (2)
-
深度优先遍历基本思想
图的深度优先搜索(Depth First Search) 。 1.深度优先遍历，从初始访问结点出发，初始访问结点可能有多个邻接结点，深度优先遍历的策略就是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， 可以这样理解：每次都在访问完当前结点后首先访问当前结点的第一个邻接结点。 2.我们可以看到，这样的访问策略是优先往纵向挖掘深入，而不是对一个结点的所有邻接结点进行横向访问。 3.显然，深度优先搜索是一个递归的过程。- 1
- 2
- 3
- 4
- 5
- 6
- 7
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。
- 1
- 2
- 3
- 4
- 5
- 6
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。
A B C D E
A 0 1 1 0 0
B 1 0 1 1 1
C 1 1 0 0 0
D 0 1 0 0 0
E 0 1 0 0 0
//说明
//(1) 1 表示能够直接连接
//(2) 0 表示不能直接连接
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
代码实现如下:
import java.util.ArrayList; import java.util.Arrays; public class Graph { private ArrayList<String> vertexList; // 存储顶点集合 private int[][] str; // 存储图对应的邻接矩阵 private int numofEdges; // 表示边的数目 // 定义一个数组boolean[], 记录某个结点是否被访问 private boolean[] isNut; public static void main(String[] args) { // 测试图的创建 int n = 5; // 结点的个数 String Ver[] = { "A", "B", "C", "D", "E" }; // 创建图对象 Graph graph = new Graph(n); // 循环的添加顶点 for (String vertex : Ver) { graph.insertVertex(vertex); } // 添加边 // A-B A-C B-C B-D B-E graph.insertEdge(0, 1, 1); // A-B graph.insertEdge(0, 2, 1); // A-C graph.insertEdge(1, 2, 1); // B-C graph.insertEdge(1, 3, 1); // B-D graph.insertEdge(1, 4, 1); // B-E // 显示邻接矩阵 graph.showGraph(); //测试dfs System.out.println("深度遍历:"); graph.dfs(); //A->B->C->D->E-> } // 构造器 public Graph(int n) { // 初始化矩阵和vertexList str = new int[n][n]; vertexList = new ArrayList<String>(n); numofEdges = 0; isNut = new boolean[5]; } // 插入结点 public void insertVertex(String vertex) { vertexList.add(vertex); } // 添加边 /** * * @Description * @author subei * @date 2020年6月14日下午6:37:03 * @param v1 * 表示点的下标即第几个顶点 "A"-"B" "A"->0 "B"->1 * @param v2 * 第二个顶点对应的下标 * @param weight * 表示 */ public void insertEdge(int v1, int v2, int weight) { str[v1][v2] = weight; str[v2][v1] = weight; numofEdges++; } // 图中常用的方法 // 返回结点的个数 public int getNumber() { return vertexList.size(); } // 得到边的个数 public int getNumEdg() { return numofEdges; } // 返回结点i(下标)对应的值 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 str[v1][v2]; } // 返回结点的个数 public int getNumOfVertex() { return vertexList.size(); } // 显示图对应的矩阵 public void showGraph() { for (int[] link : str) { System.err.println(Arrays.toString(link)); } } // 得到第一个邻接结点的下标 w /** * * @Description * @author subei * @date 2020年6月14日下午8:03:22 * @param index * @return 如果存在就返回对应的下标，否则返回-1 */ public int getFirstNeigh(int index) { for (int j = 0; j < vertexList.size(); j++) { if (str[index][j] > 0) { return j; } } return -1; } // 根据前一个邻接结点的下标来获取下一个邻接结点 public int getNextNeigh(int v1, int v2) { for (int j = v2 + 1; j < vertexList.size(); j++) { if (str[v1][j] > 0) { return j; } } return -1; } // 深度优先算法 public void dfs(boolean[] isNut, int i) { // 首先我们访问该结点,输出 System.out.print(getValueByIndex(i) + "->"); // 将结点设置为已经访问 isNut[i] = true; // 查找结点i的第一个邻接结点w int w = getFirstNeigh(i); while (w != -1) {// 说明找到了 if (!isNut[w]) { dfs(isNut, w); } // 如果w结点已经被访问过 w = getNextNeigh(i, w); } } //对DFS进行重载,遍历所有的结点,并进行DFS public void dfs() { isNut = new boolean[vertexList.size()]; //遍历所有的结点,进行dfs[回溯] for(int i = 0; i < getNumOfVertex(); i++) { if(!isNut[i]) { dfs(isNut, i); } } } }
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
图的广度优先(BFS)算法图解
广度优先遍历基本思想
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，否则算法结束。
4.出队列，取得队头结点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 结点w入队列
6.3 查找结点u的继w邻接结点后的下一个邻接结点w，转到步骤6。
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
A B C D E
A 0 1 1 0 0
B 1 0 1 1 1
C 1 1 0 0 0
D 0 1 0 0 0
E 0 1 0 0 0
//说明
//(1) 1 表示能够直接连接
//(2) 0 表示不能直接连接
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
代码实现如下:
import java.util.ArrayList; import java.util.Arrays; import java.util.LinkedList; public class Graph { private ArrayList<String> vertexList; // 存储顶点集合 private int[][] str; // 存储图对应的邻接矩阵 private int numofEdges; // 表示边的数目 // 定义一个数组boolean[], 记录某个结点是否被访问 private boolean[] isNut; public static void main(String[] args) { // 测试图的创建 int n = 5; // 结点的个数 String Ver[] = { "A", "B", "C", "D", "E" }; // 创建图对象 Graph graph = new Graph(n); // 循环的添加顶点 for (String vertex : Ver) { graph.insertVertex(vertex); } // 添加边 // A-B A-C B-C B-D B-E graph.insertEdge(0, 1, 1); // A-B graph.insertEdge(0, 2, 1); // A-C graph.insertEdge(1, 2, 1); // B-C graph.insertEdge(1, 3, 1); // B-D graph.insertEdge(1, 4, 1); // B-E // 显示邻接矩阵 graph.showGraph(); //测试bfs System.out.println("广度遍历:"); graph.bfs(); //A=>B=>C=>D=>E=> } // 构造器 public Graph(int n) { // 初始化矩阵和vertexList str = new int[n][n]; vertexList = new ArrayList<String>(n); numofEdges = 0; isNut = new boolean[5]; } // 插入结点 public void insertVertex(String vertex) { vertexList.add(vertex); } // 添加边 /** * * @Description * @author subei * @date 2020年6月14日下午6:37:03 * @param v1 * 表示点的下标即第几个顶点 "A"-"B" "A"->0 "B"->1 * @param v2 * 第二个顶点对应的下标 * @param weight * 表示 */ public void insertEdge(int v1, int v2, int weight) { str[v1][v2] = weight; str[v2][v1] = weight; numofEdges++; } // 图中常用的方法 // 返回结点的个数 public int getNumber() { return vertexList.size(); } // 得到边的个数 public int getNumEdg() { return numofEdges; } // 返回结点i(下标)对应的值 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 str[v1][v2]; } // 返回结点的个数 public int getNumOfVertex() { return vertexList.size(); } // 显示图对应的矩阵 public void showGraph() { for (int[] link : str) { System.err.println(Arrays.toString(link)); } } // 得到第一个邻接结点的下标 w /** * * @Description * @author subei * @date 2020年6月14日下午8:03:22 * @param index * @return 如果存在就返回对应的下标，否则返回-1 */ public int getFirstNeigh(int index) { for (int j = 0; j < vertexList.size(); j++) { if (str[index][j] > 0) { return j; } } return -1; } // 根据前一个邻接结点的下标来获取下一个邻接结点 public int getNextNeigh(int v1, int v2) { for (int j = v2 + 1; j < vertexList.size(); j++) { if (str[v1][j] > 0) { return j; } } return -1; } // 广度优先算法 public void bfs(boolean[] isNut, int i) { int u ; // 表示队列的头结点对应下标 int w ; // 邻接结点w //队列,记录结点访问的顺序 LinkedList<Integer> queue = new LinkedList<Integer>(); // 访问结点,输出结点信息 System.out.print(getValueByIndex(i) + "=>"); // 标记为已访问 isNut[i] = true; // 将结点加入队列 queue.addLast(i); while( !queue.isEmpty()) { // 取出队列的头结点下标 u = (Integer)queue.removeFirst(); // 得到第一个邻接结点的下标 w w = getFirstNeigh(u); while(w != -1) {//找到了 // 是否访问过 if(!isNut[w]) { System.out.print(getValueByIndex(w) + "=>"); // 标记已经访问 isNut[w] = true; // 入队 queue.addLast(w); } // 以u为前驱点,找w后面的下一个邻结点 w = getNextNeigh(u, w); // 体现广度优先 } } } //对BFS进行重载,遍历所有的结点,并进行BFS public void bfs() { isNut = new boolean[vertexList.size()]; for(int i = 0; i < getNumOfVertex(); i++) { if(!isNut[i]) { bfs(isNut, i); } } } }
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
图的DFS和BFS比较
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 广度优先算法的遍历顺序为：1->2->3->4->5->6->7->8
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
代码实现如下:
import java.util.ArrayList; import java.util.Arrays; import java.util.LinkedList; public class Graph { private ArrayList<String> vertexList; // 存储顶点集合 private int[][] str; // 存储图对应的邻接矩阵 private int numofEdges; // 表示边的数目 // 定义一个数组boolean[], 记录某个结点是否被访问 private boolean[] isNut; public static void main(String[] args) { // 测试图的创建 int n = 8; // 结点的个数 String Ver[] = {"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 vertex : Ver) { graph.insertVertex(vertex); } // 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); // 显示邻接矩阵 graph.showGraph(); // 测试dfs System.out.println("深度遍历:"); graph.dfs(); // 1->2->4->8->5->3->6->7-> // 测试bfs System.out.println("广度遍历:"); graph.bfs(); // 1=>2=>3=>4=>5=>6=>7=>8=> } // 构造器 public Graph(int n) { // 初始化矩阵和vertexList str = new int[n][n]; vertexList = new ArrayList<String>(n); numofEdges = 0; isNut = new boolean[5]; } // 插入结点 public void insertVertex(String vertex) { vertexList.add(vertex); } // 添加边 /** * * @Description * @author subei * @date 2020年6月14日下午6:37:03 * @param v1 * 表示点的下标即第几个顶点 "A"-"B" "A"->0 "B"->1 * @param v2 * 第二个顶点对应的下标 * @param weight * 表示 */ public void insertEdge(int v1, int v2, int weight) { str[v1][v2] = weight; str[v2][v1] = weight; numofEdges++; } // 图中常用的方法 // 返回结点的个数 public int getNumber() { return vertexList.size(); } // 得到边的个数 public int getNumEdg() { return numofEdges; } // 返回结点i(下标)对应的值 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 str[v1][v2]; } // 返回结点的个数 public int getNumOfVertex() { return vertexList.size(); } // 显示图对应的矩阵 public void showGraph() { for (int[] link : str) { System.err.println(Arrays.toString(link)); } } // 得到第一个邻接结点的下标 w /** * * @Description * @author subei * @date 2020年6月14日下午8:03:22 * @param index * @return 如果存在就返回对应的下标，否则返回-1 */ public int getFirstNeigh(int index) { for (int j = 0; j < vertexList.size(); j++) { if (str[index][j] > 0) { return j; } } return -1; } // 根据前一个邻接结点的下标来获取下一个邻接结点 public int getNextNeigh(int v1, int v2) { for (int j = v2 + 1; j < vertexList.size(); j++) { if (str[v1][j] > 0) { return j; } } return -1; } // 深度优先算法 public void dfs(boolean[] isNut, int i) { // 首先我们访问该结点,输出 System.out.print(getValueByIndex(i) + "->"); // 将结点设置为已经访问 isNut[i] = true; // 查找结点i的第一个邻接结点w int w = getFirstNeigh(i); while (w != -1) {// 说明找到了 if (!isNut[w]) { dfs(isNut, w); } // 如果w结点已经被访问过 w = getNextNeigh(i, w); } } // 对DFS进行重载,遍历所有的结点,并进行DFS public void dfs() { isNut = new boolean[vertexList.size()]; // 遍历所有的结点,进行dfs[回溯] for (int i = 0; i < getNumOfVertex(); i++) { if (!isNut[i]) { dfs(isNut, i); } } } // 广度优先算法 public void bfs(boolean[] isNut, int i) { int u; // 表示队列的头结点对应下标 int w; // 邻接结点w // 队列,记录结点访问的顺序 LinkedList<Integer> queue = new LinkedList<Integer>(); // 访问结点,输出结点信息 System.out.print(getValueByIndex(i) + "=>"); // 标记为已访问 isNut[i] = true; // 将结点加入队列 queue.addLast(i); while (!queue.isEmpty()) { // 取出队列的头结点下标 u = (Integer) queue.removeFirst(); // 得到第一个邻接结点的下标 w w = getFirstNeigh(u); while (w != -1) {// 找到了 // 是否访问过 if (!isNut[w]) { System.out.print(getValueByIndex(w) + "=>"); // 标记已经访问 isNut[w] = true; // 入队 queue.addLast(w); } // 以u为前驱点,找w后面的下一个邻结点 w = getNextNeigh(u, w); // 体现广度优先 } } } // 对BFS进行重载,遍历所有的结点,并进行BFS public void bfs() { isNut = new boolean[vertexList.size()]; for (int i = 0; i < getNumOfVertex(); i++) { if (!isNut[i]) { bfs(isNut, i); } } } }
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
- 190
- 191
- 192
- 193
- 194
- 195
- 196
- 197
- 198
- 199
- 200
- 201
- 202
- 203
- 204
- 205
- 206
- 207
- 208
- 209
- 210
- 211
- 212
- 213
本章思维导图
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/空白诗007/article/detail/827422
推荐阅读
相关标签
