标签：卡尔 根据 搜索 size 一个 function 路径 graph 构造器
图的表示方式：
邻接矩阵
邻接表
图的代码实现：
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
| import java.util.ArrayList;
import java.util.LinkedList;
import java.util.List;
import java.util.Queue;
public class {
private ArrayList<String> vertexList;
private int[][] edges;
private int numOfEdges;
private boolean[] isVisited;
public (int n) {
vertexList = new ArrayList<>(n);
edges = new int[n][n];
numOfEdges = 0;
isVisited = new boolean[n];
}
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
public void insertEdge(int v1,int v2,int weight) {
edges[v1][v2] = weight;
edges[v1][v2] = weight;
numOfEdges++;
}
public int getFirstNeighbor(int index) {
for(int j = 0;j < vertexList.size();j++) {
if (edges[index][j] > 0) {
return j;
}
}
return -1;
}
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;
}
}
|
深度优先搜索（DFS）：
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。可以理解为：每次都在访问完当前结点后首先访问当前结点的第一个结点。
很明显，深度优先遍历是一个递归的过程。
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，则回到第一步，将从v的下一个节点继续。
4.若w未被访问，对w进行深度优先遍历递归
5.查找节点v的w邻接结点的下一个邻接结点，转到步骤3.
代码实现：
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
| private void dfs(boolean[] isVisited,int i) {
System.out.print(vertexList.get(i) + " ");
isVisited[i] = true;
int w = getFirstNeighbor(i);
while(w != -1) {
if (!isVisited[w]) {
dfs(isVisited, w);
}
w = getNextNeighbor(i, w);
}
}
public void dfs() {
for(int i = 0;i < vertexList.size();i++) {
if (!isVisited[i]) {
dfs(isVisited,i);
}
}
}
|
广度优先搜索（BFS）
图的广度优先搜索类似于树的层序遍历，即访问初始结点后，再依次访问初始结点的邻接结点，当前结点的所有邻接结点访问完成之后，再访问第一个邻接
结点的所有结点，以此类推。
算法算法步骤
1.访问初始结点v并标记为已访问
2.结点v入队列
3.当队列非空时，继续执行，否则算法结束。。。。。
代码实现：
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
|
private void bfs(boolean[] isVisited,int i) {
int u;
int w;
Queue<Integer> queue = new LinkedList<>();
System.out.println(vertexList.get(i));
isVisited[i] = true;
queue.add(i);
while(!queue.isEmpty()) {
u = queue.poll();
w = getFirstNeighbor(u);
while(w != -1) {
if (!isVisited[w]) {
System.out.println(vertexList.get(w));
isVisited[w] = true;
queue.add(w);
}
w = getNextNeighbor(u, w);
}
}
}
public void bfs() {
for(int i = 0;i < vertexList.size();i++) {
if (!isVisited[i]) {
bfs(isVisited, i);
}
}
}
|
普里姆算法（Prim）
普里姆算法用来求图的最小生成树。该算法的核心思想为贪心。
该算法首先从某一起始结点出发，遍历邻接结点，找出最小的边，并把该结点标记为已访问；然后再以这两个结点为起始结点，分别遍历它们的邻接结点，找出最小的边，
并把该结点标记为已访问，以此类推。
代码实现：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
| public class Prim {
大专栏 图相关算法lass="line"> public void prim(Graph graph,int v) {
int[] isVisited = new int[graph.getSize()];
isVisited[v] = 1;
//
int h1 = -1;
int h2 = -1;
int minWeight = 10000;
for(int k = 1;k < graph.getSize();k++) {
for(int i = 0;i < graph.getSize();i++) {
for(int j = 0;j < graph.getSize();j++) {
if (isVisited[i] == 1 && isVisited[j] == 0 && graph.getWeight(i, j) < minWeight) {
minWeight = graph.getWeight(i, j);
h1 = i;
h2 = j;
}
}
}
System.out.println("边<"+graph.getByIndex(h1)+","+graph.getByIndex(h2)+">权值："+minWeight);
isVisited[h2] = 1;
minWeight = 10000;
}
}
|
克鲁斯卡尔（Kruskal）算法
该算法也是用来求最小生成树，该算法同样用到了贪心思想。
该算法的实现为：首先要对图的所有边权值进行排序，然后依次从小到大取边组成最小生成树，在取的同时还要进行判断是否构成回路的操作，如果构成了回路则要跳过该条边。
注意：判断是否构成回路的算法是理解难点。
代码实现：
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
| public class Kruskal {
public void kruskal(Graph graph) {
int index = 0;
int[] ends = new int[graph.getSize()];
EData[] result = new EData[graph.getSize()-1];
EData[] edges = graph.getEdges();
System.out.println("图的边的集合"+Arrays.toString(edges));
graph.sortEdges(edges);
System.out.println("排序后边的集合："+Arrays.toString(edges));
for(int i = 0;i < graph.getNumOfedges();i++) {
int p1 = graph.getPosition(edges[i].start);
int p2 = graph.getPosition(edges[i].end);
int m = graph.getEnd(ends, p1);
int n = graph.getEnd(ends, p2);
System.out.println("m:"+m+" n:" + n);
if (m != n) {
result[index++] = edges[i];
ends[m] = n;
}
}
System.out.println(Arrays.toString(ends));
System.out.println("kruskal:"+Arrays.toString(result));
}
}
|
迪杰斯特拉（Dijkstra）算法：
该算法用来求某一结点到其他结点的最短路径。
该算法用到了BFS的思想。它以起始点为中心，向外层层扩展。每次先获取到各结点路径中最短的路径，再在此最短路径基础上更新到其他路径的最短路径。
代码实现：
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
| public class Dijkstra {
public void dijkstra(Graph graph,int v) {
int n = graph.getSize();
int[] minPath = new int[n];
int[] preNode = new int[n];
int[] finded = new int[n];
for(int i = 0;i < n;i++) {
finded[i] = 0;
minPath[i] = graph.getWeight(v, i);
preNode[i] = 0;
}
minPath[v] = 0;
finded[v] = 1;
int k = 0;
int min = 10000;
for(int i = 1;i < n;i++) {
min = 10000;
for(int j = 0;j < n;j++) {
if (finded[j] == 0 && minPath[j] < min) {
k = j;
min = minPath[j];
}
}
finded[k] = 1;
for(int j = 0;j < n;j++) {
if (finded[j] == 0 && (min+graph.getWeight(k, j)) < minPath[j]) {
minPath[j] = min+graph.getWeight(k, j);
preNode[j] = k;
}
}
}
System.out.println(Arrays.toString(minPath));
}
}
|
弗洛伊德（Floyd）算法：
核心思想：选取中间结点，比较两个结点本身路径长度与经过中间节点的路径的大小，如果经过中间结点的距离更小， 则更新最短路径矩阵和最短路径前驱结点矩阵。
代码实现：
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
| public class Floyd {
public void floyd(Graph graph) {
int n = graph.getSize();
int[][] minPath = new int[n][n];
int[][] preNode = new int[n][n];
for(int i = 0;i < n;i++) {
for(int j = 0;j < n;j++) {
minPath[i][j] = graph.getWeight(i, j);
preNode[i][j] = j;
}
}
for(int k = 0;k < n;k++) {
for(int i = 0;i < n;i++) {
for(int j = 0;j < n;j++) {
if (minPath[i][j] > minPath[i][k] + minPath[k][j]) {
minPath[i][j] = minPath[i][k] + minPath[k][j];
preNode[i][j] = k;
}
}
}
}
System.out.println("最短路径矩阵：");
for(int[] link:minPath) {
System.out.println(Arrays.toString(link));
}
System.out.println("最短路径前驱结点矩阵");
for(int[] link:preNode) {
System.out.println(Arrays.toString(link));
}
}
}
|
图相关算法
标签：卡尔 根据 搜索 size 一个 function 路径 graph 构造器
原文地址：https://www.cnblogs.com/lijianming180/p/12258967.html
