11. 图的入门

11. 图的入门

11.1 图的实际应用：

​ 在现实生活中，有许多应用场景会包含很多点以及点点之间的连接，而这些应用场景我们都可以用即将要学习的图这种数据结构去解决。

地图：

​ 我们生活中经常使用的地图，基本上是由城市以及连接城市的道路组成，如果我们把城市看做是一个一个的点，把道路看做是一条一条的连接，那么地图就是我们将要学习的图这种数据结构。

电路图：

​ 下面是一个我们生活中经常见到的集成电路板，它其实就是由一个一个触点组成，并把触点与触点之间通过线进行连接，这也是我们即将要学习的图这种数据结构的应用场景。

11.2 图的定义及分类

**定义：**图是由一组顶点和一组能够将两个顶点相连的边组成的

特殊的图：

1. 自环：即一条连接一个顶点和其自身的边；

2. 平行边：连接同一对顶点的两条边；

图的分类：

按照连接两个顶点的边的不同，可以把图分为以下两种：

无向图：边仅仅连接两个顶点，没有其他含义；

有向图：边不仅连接两个顶点，并且具有方向；

11.3 无向图

11.3.1 图的相关术语

相邻顶点：

当两个顶点通过一条边相连时，我们称这两个顶点是相邻的，并且称这条边依附于这两个顶点。

度：

某个顶点的度就是依附于该顶点的边的个数。

子图：

是一幅图的所有边的子集(包含这些边依附的顶点)组成的图；

路径：

是由边顺序连接的一系列的顶点组成

环：

是一条至少含有一条边且终点和起点相同的路径

连通图：

如果图中任意一个顶点都存在一条路径到达另外一个顶点，那么这幅图就称之为连通图

连通子图：

一个非连通图由若干连通的部分组成，每一个连通的部分都可以称为该图的连通子图

11.3.2 图的存储结构

要表示一幅图，只需要表示清楚以下两部分内容即可：

1. 图中所有的顶点；

2. 所有连接顶点的边；

常见的图的存储结构有两种：邻接矩阵和邻接表

11.3.2.1 邻接矩阵

1. 使用一个V*V的二维数组int[V][V] adj,把索引的值看做是顶点；

2. 如果顶点v和顶点w相连，我们只需要将adj[v][w]和adj[w][v]的值设置为1,否则设置为0即可。

很明显，邻接矩阵这种存储方式的空间复杂度是V^2的，如果我们处理的问题规模比较大的话，内存空间极有可能不够用。

11.3.2.2 邻接表

1. 使用一个大小为V的队列数组 Queue[V] adj，把索引看做是顶点；

2. 每个索引处adj[v]存储了一个队列，该队列中存储的是所有与该顶点相邻的其他顶点。

很明显，邻接表的空间是线性级别的，所以后面我们一直采用邻接表这种存储形式来表示图。

11.3.3 图的实现(邻接表实现)

11.3.3.1 图的API设计

package com.ynu.Java版算法.U11_图的入门.T1_无向图.S1_图的实现;import java.util.LinkedList;
import java.util.Queue;public class Graph {// 顶点数目private final int V;// 边的数目private int E;// 邻接表private Queue<Integer>[] adj;public Graph(int v) {// 初始化顶点的数量this.V = v;// 初始化边的数量E = 0;// 初始化邻接表adj = new Queue[V];for (int i = 0; i < adj.length; i++) {adj[i] = new LinkedList<Integer>();}}//获取顶点数目public int getV(){return V;}//获取边的数目public int getE(){return E;}// 向图中添加一条边 v-w 连接v,w顶点// v顶点的链表上添加w  w的顶点上添加vpublic void addEdge(int v,int w){// 把w添加到v的链表中，这样顶点v就多了一个相邻点wadj[v].offer(w);//把v添加到w的链表中，这样顶点w就多了一个相邻点vadj[w].offer(v);//边的数目自增1E++;}//获取和顶点v相邻的所有顶点public Queue<Integer> adj(int v){return adj[v];}}

11.3.4 图的搜索

在很多情况下，我们需要遍历图，得到图的一些性质，例如，找出图中与指定的顶点相连的所有顶点，或者判定某

个顶点与指定顶点是否相通，是非常常见的需求。

有关图的搜索，最经典的算法有深度优先搜索和广度优先搜索，接下来我们分别讲解这两种搜索算法。

11.3.4.1 深度优先搜索(DFS)

所谓的深度优先搜索，指的是在搜索时，如果遇到一个结点既有子结点，又有兄弟结点，那么先找子结点，然后找

兄弟结点。

package com.ynu.Java版算法.U11_图的入门.T1_无向图.S2_图的搜索.A1_深度优先搜索;import java.util.LinkedList;
import java.util.Queue;public class DepthFirstSearch {// 标记数组。 索引代表顶点，值表示当前顶点是否已经被搜索过private boolean[] marked;// 记录有多少个顶点与s顶点相通private int count;// 记录遍历的结果private Queue<Integer> list = new LinkedList<>();public DepthFirstSearch(Graph graph) {marked = new boolean[graph.V()];}// 构造深度优先搜索对象，使用深度优先搜索找出G图中与s顶点相通的所有顶点。从s节点开始遍历整个图。public DepthFirstSearch(Graph graph,int s) {marked = new boolean[graph.V()];// 深度优先遍历dfs(graph,s);// 如果遍历完,marked全部为true。说明是graph是一个连通图}// 使用深度优先搜索找出G图中与v顶点相通的所有顶点public void dfs(Graph graph,int v){list.offer(v);marked[v] = true;  // v访问过，同时也表明s与v是相通的//获取顶点v的领接表Queue<Integer> adjV = graph.adj(v);//遍历顶点v的领接表，往下搜索    一个节点领接表上的所有节点就算是兄弟节点for (Integer w : adjV) {if (!marked[w])dfs(graph,w);}// 能连通的节点数加1count++;}// 判断顶点w与顶点s是否相通public boolean marked(int w){return marked[w];}// 判断是否是连通图public boolean isLianTong(){for (boolean b : marked) {if (b==false){return false;}}return true;}// 获取遍历结果public void printGraph(){while (!list.isEmpty()){System.out.print(list.peek() + " ");marked[list.poll()] = false;}}}package com.ynu.Java版算法.U11_图的入门.T1_无向图.S2_图的搜索.A1_深度优先搜索;public class Main {public static void main(String[] args) {// 创建有10个节点的图Graph g = new Graph(10);g.addEdge(0,1);g.addEdge(1,2);g.addEdge(2,3);g.addEdge(3,4);g.addEdge(4,5);g.addEdge(5,6);g.addEdge(6,7);g.addEdge(7,8);g.addEdge(8,9);g.addEdge(9,1);// 输出边的个数   10System.out.println(g.E());// 从1节点开始遍历图DepthFirstSearch depthFirstSearch = new DepthFirstSearch(g);depthFirstSearch.dfs(g,0);depthFirstSearch.printGraph();System.out.println();// 从0开始深度遍历图depthFirstSearch.dfs(g,0);depthFirstSearch.printGraph();System.out.println();// 从3开始遍历图depthFirstSearch.dfs(g,3);depthFirstSearch.printGraph();}
}

11.3.4.2 广度优先搜索(BFS)

所谓的深度优先搜索，指的是在搜索时，如果遇到一个结点既有子结点，又有兄弟结点，那么先找兄弟结点，然后

找子结点。

package com.ynu.Java版算法.U11_图的入门.T1_无向图.S2_图的搜索.A2_广度优先搜索;import java.util.LinkedList;
import java.util.Queue;public class BreadthFirthSearch {// 标记数组  标记是否遍历过该节点private boolean[] marked;// 存储结果的队列private Queue<Integer> res = new LinkedList<>();// 辅助队列:等待遍历的队列。 类似二叉树的层序遍历，需要一个队列就行帮助。private Queue<Integer> waitSearch;//记录有多少个顶点与s顶点相通private int count;public BreadthFirthSearch(Graph graph) {marked = new boolean[graph.V()];waitSearch = new LinkedList<>();}public BreadthFirthSearch(Graph graph, int s) {waitSearch = new LinkedList<>();bfs(graph,s);}public void bfs(Graph graph,int s){waitSearch.offer(s);while (!waitSearch.isEmpty()){Integer w = waitSearch.poll();res.offer(w);   // 访问该节点marked[w] = true;// 获取w的邻接表Queue<Integer> adjW = graph.adj(w);for (Integer i : adjW) {if (!marked[i])waitSearch.offer(i);   // 放进辅助队列}}}// 判断顶点w与顶点s是否相通public boolean marked(int w){return marked[w];}// 判断是否是连通图public boolean isLianTong(){for (boolean b : marked) {if (b==false){return false;}}return true;}// 获取遍历结果public void printGraph(){while (!res.isEmpty()){System.out.print(res.peek() + " ");marked[res.poll()] = false;}}}

11.3.5 案例-畅通工程续1

​ 某省调查城镇交通状况，得到现有城镇道路统计表，表中列出了每条道路直接连通的城镇。省政府“畅通工程”的目标是使全省任何两个城镇间都可以实现交通（但不一定有直接的道路相连，只要互相间接通过道路可达即可）。目前的道路状况，9号城市和10号城市是否相通？9号城市和8号城市是否相通？

下面是对数据的解释：

package com.ynu.Java版算法.U11_图的入门.T1_无向图.S2_图的搜索.畅通工程;import org.junit.Test;import java.util.ArrayList;
import java.util.LinkedList;
import java.util.List;
import java.util.Queue;public class Main {@Testpublic void test(){List<List<Integer>> paths = new ArrayList<>();paths.add(Arrays.asList(0,1));  // 连通0,1paths.add(Arrays.asList(6,9));paths.add(Arrays.asList(3,8));paths.add(Arrays.asList(5,11));paths.add(Arrays.asList(2,12));paths.add(Arrays.asList(6,10));paths.add(Arrays.asList(4,8));// 9号和10号城市是否相通System.out.println(isConnected(20,paths,9,10));System.out.println(isConnected1(20,paths,9,10));// 9号和8号城市是否相通System.out.println(isConnected(20,paths,9,8));System.out.println(isConnected1(20,paths,9,8));// 5号和11号城市是否相通System.out.println(isConnected(20,paths,5,11));System.out.println(isConnected1(20,paths,5,11));}// 1.使用深度优先遍历public boolean isConnected(int nums,List<List<Integer>> paths,int i,int j){// 构建大小为20的图 表示20个城市   0-19号城市Graph graph = new Graph(20);boolean[] marked = new boolean[20];// 加边for (List<Integer> path : paths) {Integer v = path.get(0);Integer w = path.get(1);graph.addEdge(v,w);}// 深度优先遍历// i号城市对应的索引为i-1// j城市对应的索引为j-1dfs(graph,i,marked);return marked[j];}// 从v节点开始深度优先搜索public void dfs(Graph graph,int v,boolean[] marked){marked[v] = true;// 获取v节点的邻接表Queue<Integer> adjV = graph.adj(v);for (Integer i : adjV) {if (!marked[i]){dfs(graph,i,marked);}}}// 2.使用广度优先遍历public boolean isConnected1(int nums,List<List<Integer>> paths,int i,int j){// 构建大小为20的图 表示20个城市   0-19号城市Graph graph = new Graph(20);boolean[] marked = new boolean[20];// 加边for (List<Integer> path : paths) {Integer v = path.get(0);Integer w = path.get(1);graph.addEdge(v,w);}bfs(graph,i,marked);return marked[j];}// 从v节点开始深度优先搜索public void bfs(Graph graph,int v,boolean[] marked){// 辅助队列Queue<Integer> queue = new LinkedList<>();queue.offer(v);while (!queue.isEmpty()){Integer top = queue.poll();marked[top] =  true;// 获取邻接表Queue<Integer> adj = graph.adj(top);for (Integer i : adj) {if (!marked[i]){queue.offer(i);}}}}}

11.3.6 路径查找

​ 在实际生活中，地图是我们经常使用的一种工具，通常我们会用它进行导航，输入一个出发城市，输入一个目的地城市，就可以把路线规划好，而在规划好的这个路线上，会路过很多中间的城市。这类问题翻译成专业问题就是：

​ 从s顶点到v顶点是否存在一条路径？如果存在，请找出这条路径。

例如在上图上查找顶点0到顶点4的路径用红色标识出来,那么我们可以把该路径表示为 0-2-3-4。

​ 我们实现路径查找，最基本的操作还是得遍历并搜索图，所以，我们的实现暂且基于深度优先搜索来完成。其搜索的过程是比较简单的。我们添加了edgeTo[]整型数组，这个整型数组会记录从每个顶点回到起点s的路径。 如果我们把顶点设定为0，那么它的搜索可以表示为下图：

根据最终edgeTo的结果，我们很容易能够找到从起点0到任意顶点的路径； 只不过这个路径是反着的，需要再倒序遍历一下，可以借助栈。

代码：

package com.ynu.Java版算法.U11_图的入门.T1_无向图.S2_图的搜索.A4_路径查找;import org.junit.Test;import java.util.*;public class Main {@Testpublic void test(){List<List<Integer>> paths = new ArrayList<>();paths.add(Arrays.asList(0,2));  // 连通0,1paths.add(Arrays.asList(0,1));paths.add(Arrays.asList(2,1));paths.add(Arrays.asList(2,3));paths.add(Arrays.asList(2,4));paths.add(Arrays.asList(3,5));paths.add(Arrays.asList(3,4));paths.add(Arrays.asList(0,5));// 从0-5的所有路径System.out.println(findPath(6, paths, 0, 5));// 从0-5的最短路径System.out.println(findPath1(6, paths, 0, 5));// 从1-5的所有路径System.out.println(findPath(6, paths, 1, 5));// 从1-5的最短路径System.out.println(findPath1(6, paths, 1, 5));}// 1.使用深度优先遍历  -- 能查出所有路径public List<List<Integer>> findPath(int nums,List<List<Integer>> paths,int i,int j){List<List<Integer>> res = new ArrayList<>(); // 所有路径结果LinkedList<Integer> tempPath = new LinkedList<>();  // 某一条路径// 1. 构建大小为20的图 表示20个城市   0-19号城市Graph graph = new Graph(20);boolean[] marked = new boolean[20];// 加边for (List<Integer> path : paths) {Integer v = path.get(0);Integer w = path.get(1);graph.addEdge(v,w);}// 2.深度优先遍历marked[i] = true;tempPath.add(i);dfs(res,tempPath,graph,i,j,marked);return res;}/**** @param res* @param path* @param graph* @param start  起点* @param des    终点* @param marked*/public void dfs(List<List<Integer>> res,LinkedList<Integer> path,Graph graph, int start, int des,boolean[] marked){// 到达目的地if (!path.isEmpty() && path.getLast()==des){res.add(new LinkedList<>(path));return;}//获取v的邻接表Queue<Integer> adjV = graph.adj(start);for (Integer j : adjV) {if (!marked[j]){path.add(j);marked[j] = true;dfs(res, path, graph, j, des, marked);// 回溯path.removeLast();marked[j] = false;}}}// 2.使用广优先遍历  一定是最短路径public List<Integer> findPath1(int nums,List<List<Integer>> paths,int start,int des){List<Integer> res = new ArrayList<>();// 大小为nums的标记数组 记录是否遍历过boolean[] marked = new boolean[nums];// 构建图Graph graph = new Graph(nums);for (List<Integer> path : paths) {Integer v = path.get(0);Integer w = path.get(1);graph.addEdge(v,w);}int[] edgeTo = new int[nums]; // edgeTo[]整型数组，这个整型数组会记录从每个顶点回到起点i的路径。很多地方是写为prev数组// 比如edge[j] = i  表示要到j,前一个节点是iArrays.fill(edgeTo,-1);bfs(graph,edgeTo,start,des,marked);  // 广度优先遍历// 去寻找到des要经过的路径int j = des;res.add(j);while (edgeTo[j]!=-1 && edgeTo[j]!=des){res.add(edgeTo[j]);j = edgeTo[j];}//由于寻找是按照反着的顺序来的，所以需要把res倒序过来Collections.reverse(res);return res;}public void bfs(Graph graph,int[] edgeTo,int start,int end,boolean[] marked){// 辅助队列Queue<Integer> queue = new LinkedList<>();queue.offer(start);while (!queue.isEmpty()){Integer top = queue.poll();marked[top] = true;if (top==end){return;}// 获取邻接表Queue<Integer> adjV = graph.adj(top);for (int j : adjV) {if (!marked[j]){edgeTo[j] = top;queue.offer(j);}}}}}

11.3.7 路径查找——最短路径

在11.3.6遍历的时候使用广度优先遍历