图算法系列之无向图的数据结构
吐血整理程序员必读书单:https://github.com/silently9527/ProgrammerBooks
微信公众号:贝塔学Java
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 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<Integer> adj(int v); //返回与v相邻的所有顶点 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 LinkedListQueue<Integer>[] adj; public Graph(int v) { this.v = v; this.adj = (LinkedListQueue<Integer>[]) new LinkedListQueue[v]; for (int i = 0; i < v; i++) { this.adj[i] = new LinkedListQueue<>(); } } public int V() { return v; } public int E() { return e; } public void addEdge(int v, int w) { this.adj[v].enqueue(w); this.adj[w].enqueue(v); this.e++; } public Iterable<Integer> adj(int v) { return this.adj[v]; } @Override public String toString() { StringBuilder sb = new StringBuilder(); sb.append(v).append(" 个顶点,").append(e).append(" 条边\n"); for (int i = 0; i < v; i++) { sb.append(i).append(": "); for (int j : this.adj[i]) { sb.append(j).append(" "); } sb.append("\n"); } 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 graph, 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; for (int v = 0; v < graph.V(); v++) { int degree = degree(graph, v); if (maxDegree < degree) { maxDegree = degree; } } 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) { int count = 0; for (int v = 0; v < graph.V(); v++) { for (int w : graph.adj(v)) { if (v == w) { 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
最后(点关注,不迷路)
文中或许会存在或多或少的不足、错误之处,有建议或者意见也非常欢迎大家在评论交流。
最后,写作不易,请不要白嫖我哟,希望朋友们可以点赞评论关注三连,因为这些就是我分享的全部动力来源
- N个为什么系列--1.为什么要学习数据结构?
- 数据结构系列(6)之 完全二叉堆
- Python培训知识总结系列- 第二章Python数据结构第四部分-字典操作
- 数据结构系列之链表——双链表建立
- ES6系列_12之map数据结构
- linux内核系列(二)内核数据结构之链表
- 数据结构C语言实现系列——线性表
- linux内核系列(二)内核数据结构之链表
- Java系列(二):数据结构之JSON浅析
- D&F学数据结构系列——前驱和后继
- C#数据结构和算法学习系列七----队列、队列的实现和应用
- 重学数据结构系列之——二叉树基础
- 渣渣小本求职复习之路每天一博客系列——数据结构与常用算法(1)
- C++程序员学Java系列之二六:数据结构之枚举(Enumeration)
- 重学数据结构系列之——森林之并查集(Disjoint set)
- 用户空间使用Linux数据结构系列之红黑树(1)
- 重温数据结构系列随笔:单链表(c#模拟实现)
- 我思故我在系列—数据结构NO.28题(题目搜集整理者JULY,非常感谢!!)
- 纸上谈兵系列(算法与数据结构)
- 【数据结构系列】堆与堆排序