溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關Java如何實現基于圖的深度優先搜索和廣度優先搜索，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
1.新建一個表示“無向圖”類NoDirectionGraph
package com.wly.algorithmbase.datastructure;
/**
* 無向圖
* @author wly
*
*/
public class NoDirectionGraph {
private int mMaxSize;
//圖中包含的最大頂點數
private GraphVertex[] vertexList;
//頂點數組
private int[][] indicatorMat;
//指示頂點之間的連通關系的鄰接矩陣
private int nVertex;
//當前實際保存的頂點數目
public NoDirectionGraph(int maxSize) {
mMaxSize = maxSize;
vertexList = new GraphVertex[mMaxSize];
indicatorMat = new int[mMaxSize][mMaxSize];
nVertex = 0;
//初始化鄰接矩陣元素為0
for (int j=0;j<mMaxSize;j++) {
for (int k=0;k<mMaxSize;k++) {
indicatorMat[j][k] = 0;
}
}
}
public void addVertex(GraphVertex v) {
if(nVertex < mMaxSize) {
vertexList[nVertex++] = v;
} else {
System.out.println("---插入失敗，頂點數量已達上限!");
}
}
/**
* 修改鄰接矩陣，添加新的邊
* @param start
* @param end
*/
public void addEdge(int start,int end) {
indicatorMat[start][end] = 1;
indicatorMat[end][start] = 1;
}
/**
* 打印鄰接矩陣
*/
public void printIndicatorMat() {
for (int[] line:indicatorMat) {
for (int i:line) {
System.out.print(i + " ");
}
System.out.println();
}
}
/**
* 深度優先遍歷
* @param vertexIndex 表示要遍歷的起點,即圖的鄰接矩陣中的行數
*/
public void DFS(int vertexIndex) {
ArrayStack stack = new ArrayStack();
//1.添加檢索元素到棧中
vertexList[vertexIndex].setVisited(true);
stack.push(vertexIndex);
int nextVertexIndex = getNextVertexIndex(vertexIndex);
while(!stack.isEmpty()) {
//不斷地壓棧、出棧，直到棧為空(檢索元素也沒彈出了棧)為止
if(nextVertexIndex != -1) {
vertexList[nextVertexIndex].setVisited(true);
stack.push(nextVertexIndex);
stack.printElems();
} else {
stack.pop();
}
//檢索當前棧頂元素是否包含其他未遍歷過的節點
if(!stack.isEmpty()) {
nextVertexIndex = getNextVertexIndex(stack.peek());
}
}
}
/**
* 得到當前頂點的下一個頂點所在行
* @param column
* @return
*/
public int getNextVertexIndex(int column) {
for (int i=0;i<indicatorMat[column].length;i++) {
if(indicatorMat[column][i] == 1 && !vertexList[i].isVisited()) {
return i;
}
}
return -1;
}
/**
* 廣度優先遍歷
* @param vertexIndex 表示要遍歷的起點,即圖的鄰接矩陣中的行數
*/
public void BFS(int vertexIndex) {
ChainQueue queue = new ChainQueue();
vertexList[vertexIndex].setVisited(true);
queue.insert(new QueueNode(vertexIndex));
int nextVertexIndex = getNextVertexIndex(vertexIndex);
while(!queue.isEmpty()) {
if(nextVertexIndex != -1) {
vertexList[nextVertexIndex].setVisited(true);
queue.insert(new QueueNode(nextVertexIndex));
} else {
queue.remove();
}
if(!queue.isEmpty()) {
nextVertexIndex = getNextVertexIndex(queue.peek().data);
queue.printElems();
}
}
}
}2.然后是一個用數組模擬的棧ArrayStack
package com.wly.algorithmbase.datastructure;
/**
* 使用數組實現棧結構
* @author wly
*
*/
public class ArrayStack {
private int[] tArray;
private int topIndex = -1;
//表示當前棧頂元素的索引位置
private int CAPACITY_STEP = 12;
//數組容量擴展步長
public ArrayStack() {
/***創建泛型數組的一種方法***/
tArray = new int[CAPACITY_STEP];
}
/**
* 彈出棧頂元素方法
* @return
*/
public int pop() {
if(isEmpty()) {
System.out.println("錯誤，棧中元素為空，不能pop");
return -1;
} else {
int i = tArray[topIndex];
tArray[topIndex--] = -1;
//擦除pop元素
return i;
}
}
/**
* 向棧中插入一個元素
* @param t
*/
public void push(int t) {
//檢查棧是否已滿
if(topIndex == (tArray.length-1)) {
//擴展容量
int[] tempArray = new int[tArray.length + CAPACITY_STEP];
for (int i=0;i<tArray.length;i++) {
tempArray[i] = tArray[i];
}
tArray = tempArray;
tempArray = null;
} else {
topIndex ++;
tArray[topIndex] = t;
}
}
/**
* 得到棧頂元素，但不彈出
* @return
*/
public int peek() {
if(isEmpty()) {
System.out.println("錯誤，棧中元素為空，不能peek");
return -1;
} else {
return tArray[topIndex];
}
}
/**
* 判斷當前棧是否為空
* @return
*/
public Boolean isEmpty() {
return (topIndex < 0);
}
/**
* 打印棧中元素
*/
public void printElems() {
for (int i=0;i<=topIndex;i++) {
System.out.print(tArray[i] + " ");
}
System.out.println();
}
}3.在一個用鏈表模擬的隊列ChainQueue
package com.wly.algorithmbase.datastructure;
/**
* 使用鏈表實現隊列
*
* @author wly
*
*/
public class ChainQueue {
private QueueNode head;
// 指向隊列頭節點
private QueueNode tail;
// 指向隊列尾節點
private int size = 0;
// 隊列尺寸
public ChainQueue() {
}
/**
* 插入新節點到隊列尾
*/
public void insert(QueueNode node) {
// 當然也可以這么寫,添加tail.prev = node
if (head == null) {
head = node;
tail = head;
} else {
node.next = tail;
tail.prev = node;
// 雙向連接，確保head.prev不為空
tail = node;
}
size++;
}
/**
* 移除隊列首節點
*/
public QueueNode remove() {
if (!isEmpty()) {
QueueNode temp = head;
head = head.prev;
size--;
return temp;
} else {
System.out.println("異常操作，當前隊列為空!");
return null;
}
}
/**
* 隊列是否為空
*
* @return
*/
public Boolean isEmpty() {
if (size > 0) {
return false;
} else {
return true;
}
}
/**
* 返回隊列首節點，但不移除
*/
public QueueNode peek() {
if (!isEmpty()) {
return head;
} else {
System.out.println();
System.out.println("異常操作，當前隊列為空!");
return null;
}
}
/**
* 返回隊列大小
*
* @return
*/
public int size() {
return size;
}
/**
* 打印隊列中的元素
*/
public void printElems() {
QueueNode tempNode = head;
while(tempNode != null) {
System.out.print(tempNode.data + " ");
tempNode = tempNode.prev;
}
System.out.println();
}
}
/**
* 節點類
*
* @author wly
*
*/
class QueueNode {
QueueNode prev;
QueueNode next;
int data;
public QueueNode(int data) {
this.data = data;
}
public int getData() {
return data;
}
public void setData(int data) {
this.data = data;
}
@Override
public String toString() {
// TODO Auto-generated method stub
super.toString();
return data + "";
}
}4.測試一下Test_BFS_DFS
package com.wly.algorithmbase.search;
import com.wly.algorithmbase.datastructure.GraphVertex;
import com.wly.algorithmbase.datastructure.NoDirectionGraph;
/**
* 基于圖的深度優先搜索
* @author wly
*
*/
public class Test_BFS_DFS {
public static void main(String[] args) {
//初始化測試數據
NoDirectionGraph graph = new NoDirectionGraph(7);
graph.addVertex(new GraphVertex("A"));
graph.addVertex(new GraphVertex("B"));
graph.addVertex(new GraphVertex("C"));
graph.addVertex(new GraphVertex("D"));
graph.addVertex(new GraphVertex("E"));
graph.addVertex(new GraphVertex("F"));
graph.addVertex(new GraphVertex("G"));
graph.addEdge(0, 1);
graph.addEdge(0, 2);
graph.addEdge(1, 3);
graph.addEdge(1, 4);
graph.addEdge(3, 6);
graph.addEdge(2, 5);
System.out.println("--圖的鄰接矩陣--");
graph.printIndicatorMat();
//測試深搜
System.out.println("--深度優先搜索--");
graph.DFS(0);
graph = new NoDirectionGraph(7);
graph.addVertex(new GraphVertex("A"));
graph.addVertex(new GraphVertex("B"));
graph.addVertex(new GraphVertex("C"));
graph.addVertex(new GraphVertex("D"));
graph.addVertex(new GraphVertex("E"));
graph.addVertex(new GraphVertex("F"));
graph.addVertex(new GraphVertex("G"));
graph.addEdge(0, 1);
graph.addEdge(0, 2);
graph.addEdge(1, 3);
graph.addEdge(1, 4);
graph.addEdge(3, 6);
graph.addEdge(2, 5);
System.out.println("--廣度優先搜索--");
graph.BFS(0);
}
}這里測試的圖結構如下:
運行結果如下:
--圖的鄰接矩陣-- 0 1 1 0 0 0 0 1 0 0 1 1 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 --深度優先搜索-- 0 1 0 1 3 0 1 3 6 0 1 4 0 2 0 2 5 --廣度優先搜索-- 0 1 0 1 2 1 2 1 2 3 1 2 3 4 2 3 4 2 3 4 5 3 4 5 3 4 5 6 4 5 6 5 6 6
關于“Java如何實現基于圖的深度優先搜索和廣度優先搜索”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
