您现在的位置是:热点 >>正文
图算法系列之无向图的数据结构
热点32175人已围观
简介...
前言
从本篇开始我们将会一起来学习图相关的算法,图算有很多相当实用算法,比如:垃圾回收器的标记清除算法、地图上求路径的最短距离、拓扑排序等。在开始学习这些算法之前我们需要先来了解下图的基本定义,以及使用哪种数据结构来表示一张图,本篇我们先从无向图开始学习。
图的定义
图:是有一组顶点和一组能够将两个订单相连组成的。连接两个顶点的边没有方向,这种图称之为无向图。
图的术语
通过同一条边相连的两个顶点我们称这两个顶点相邻;
某个顶点的度数即表示连接这个顶点的边的总数;如上图:顶点1的度数是3
一条边连接了一个顶点与其自身,我们称为自环
连接同一对顶点的边称为平行边
术语还有很多,暂时这里只列出本篇我们需要使用到的术语,后面有在使用到其他的术语再做解释,太多也不太容易记得住
如何表示出图
图用什么数据结构来表示主要参考两个要求:
在开发图的相关算法时,图的表示的数据结构是基础,所以这种数据结构效率的高 在实际的过程中图的大小不确定,可能会很大,所以需要预留出足够的空间
考虑了这两个要求之后大佬们提出以下三个方法来供选择:
邻接矩阵 键入有v个顶点的图,我们可以使用v乘以图算v的矩阵来表示,如果顶点v与w相连,那么把v行w列设置为true,这样就可以表示两个顶点相连,但是这个方式有个问题,如果遇到图很大,会造成空间的浪费。不满足第二点。其次这种方式没办法表示平行边 边的数组 可以定义一个表示的边对象,包含两个int属性表示顶点,但是如果需要找到某个顶点的相连顶点有哪些,我们就需要遍历一遍全部的边。这种数据结构的效率较差 邻接表数组 定义一个数组,数组的大小为顶点的个数,数据下标表示顶点,数组中每个元素都是一个链表对象(LinkedListQueue),链表中存放的值就是与该顶点相连的顶点。(LinkedListQueue我们已经在之前的文章中实现,可以参考文章《https://juejin.cn/post/6926685994347397127》)
无向图的API定义 public class Graph { public Graph(int V); //创建含有v个顶点不含边的图 &法系nbsp; public int V(); //返回顶点的个数 public int E(); //返回图中边的总数 public void addEdge(int v, int w); //向图中添加一条边 v-W public Iterable adj(int v); //返回与v相邻的所有顶列之点 public String toString(); //使用字符串打印出图的关系 } 无向图API的实现
要实现上面定义的API,我们需要三个成员变量,v表示图中顶点的个数,e表示图总共边的数据,LinkedListQueue的数组用来存储顶点v的相邻节点;
构造函数会初始化空的邻接表数组
因为是无向图,所以addEdge方法在向图中添加边既要添加一条v->w的边,有需要添加一条w->v的边
public class Graph { private final int v; private int e; private&n无向bsp;LinkedListQueue[] adj; public Graph(int v) { this.v = v; this.adj = (LinkedListQueue[]) new LinkedListQueue[v]; for (int i = 0; i < v; i++) { &n图的bsp; this.adj[i] = new LinkedListQueue<>(); } } public int V() { return v; } public int E() {  数据; return e; } public void addEdge(int v, int w) { this.adj[v].enqueue(w); this.adj[w].enqueue(v); this.e++; } public Iterable adj(int v)&结构nbsp;{ return this.adj[v]; } @Override public String toString() { StringBuilder sb = new StringBuilder(); sb.append(v).append(" 个顶点,").append(e).append(" 条边 "); &nb图算sp; for (int i = 0; i < v; i++) { sb.append(i).append(": "); for (int j : this.adj[i]) { sb.append法系(j).append(" "); } sb.append(" "); } return sb.toString(); } } 图的常用工具方法
基于图数据结构的实现,我们可以提供一些工具方法
计算顶点v的度数 顶点的度数就等于与之相连接顶点的个数
public static int degree(Graph g列之raph, int v) { int degree = 0; for (int w : graph.adj(v)) { degree++; } return degree; }
计算所有顶点的最大度数
public static int maxDegree(Graph graph) { int maxDegree = 0无向; for (int v = 0; v < graph.V(); v++) { int degree = degree(graph, v); if (maxDegree < degree) { maxDegree = degree; &nb图的sp; } } return maxDegree; }
计算所有顶点的平均度数 每条边都有两个顶点,所以图所有顶点的总度数是边的2倍
public static double avgDegree(Graph graph) { return 2.0 * graph.E() / graph.V(); }
计算图中的自环个数 对于顶点v,如果v同时也出现了在v的邻接表中,那么表示v存在一个自环;由于是无向图,每条边都被记录了两次(如果不好理解可以把图的toString打印出来就可以理解了)
public static int numberOfSelfLoops(Graph graph)&nb数据sp;{ int count = 0; for (int v = 0; v < graph.V(); v++) { for (int w : graph.adj(v)) { if (v == w) { &nbs结构p; count++; } } } return count / 2; } 总结
本篇我们主要学习使用何种数据结构来表示一张图,以及基于这种数据结构实现了几个简单的工具方法,在下一篇我们将来学习图的第一个搜索算法 - 深度优先搜索
文中所有源码已放入到了github仓库:https://github.com/silently9527/JavaCore
Tags:
相关文章
阿里通义Fun-ASR语音模型升级 垂直领域识别率跃升超15%
热点阿里通义正式推出新一代端到端语音识别大模型Fun-ASR,该模型通过强化上下文感知与高精度转写能力,在家装、保险等垂直行业场景中实现语音识别准确率超15%的突破性提升。实测数据显示,保险行业准确率较前...
【热点】
阅读更多北京查处首例AI虚假广告案:AI 冒充知名主持人卖鱼油
热点北京市场监管局通报了一起利用 AI 技术发布虚假广告的案件。这是北京市首次查处利用人工智能冒充知名主持人进行虚假宣传的行为。案件涉及一家企业,该公司通过 AI 技术剪辑央视知名主持人的视频,添加自创的...
【热点】
阅读更多要数据还是要环境?数据中心能耗未来将突破全球电力近10%!
热点近日,工信部印发了《新型数据中心发展三年行动计划(2021-2023年)》,着重引导新型数据中心走高效、清洁、集约、循环的绿色低碳发展道路。推动绿色数据中心创建、运维和改造,鼓励应用高效IT设备、制冷...
【热点】
阅读更多