数据结构与算法-05 图遍历、分治、动态规划

原创

已于 2025-06-30 19:15:30 修改 · 2k 阅读

于 2020-06-15 01:04:12 首次发布

数据结构与算法

图
常用十种算法
卖油翁和老黄牛
- 卖油翁的故事
- 老黄牛精神

图

图的基本介绍

为什么要有图

前面我们学了线性表和树，线性表局限于一个直接前驱和一个直接后继的关系，树也只能有一个直接前驱也就是父节点。
当我们需要表示多对多的关系时，这里我们就用到了图。

图的举例说明

图是一种数据结构，其中结点可以具有零个或多个相邻元素。两个结点之间的连接称为边。结点也可以称为顶点。如图：

图的常用概念

在这里插入图片描述

图的表示方式

图的表示方式有两种：二维数组表示（邻接矩阵）；链表表示（邻接表）。

邻接矩阵

邻接矩阵是表示图形中顶点之间相邻关系的矩阵，对于n个顶点的图而言，矩阵是的row和col表示的是1…n个点。

邻接表

邻接矩阵需要为每个顶点都分配n个边的空间，其实有很多边都是不存在，会造成空间的一定损失。
邻接表的实现只关心存在的边，不关心不存在的边。因此没有空间浪费，邻接表由数组+链表组成。
说明：

* 标号为0的结点的相关联的结点为 1 2 3 4
* 标号为1的结点的相关联结点为0 4
* 标号为2的结点相关联的结点为 0 4 5

快速入门案例

需求

代码实现如下图结构：
思路分析：存储顶点用String，使用 ArrayList (2) 保存矩阵 int[][] matrix

代码实现

public class GraphDemo {
   
   
    static class Graph {
   
   
        /**
         * 存储顶点的集合
         */
        private List<String> vertices;
        /**
         * 存储边
         */
        private int[][] matrix;
        /**
         * 边的个数
         */
        private int edgeCount;

        Graph(int n) {
   
   
            // 初始化
            matrix = new int[n][n];
            vertices = new ArrayList<>(n);
            edgeCount = 0;
        }

        /**
         * 添加顶点
         */
        void addVertex(String vertex) {
   
   
            vertices.add(vertex);
        }

        /**
         * 添加边
         */
        void addEdge(int v1, int v2, int weight) {
   
   
            matrix[v1][v2] = weight;
            matrix[v2][v1] = weight;
            edgeCount++;
        }

        /**
         * 返回结点的个数
         */
        int getVertexCount() {
   
   
            return vertices.size();
        }

        /**
         * 返回边的个数
         */
        int getEdgeCount() {
   
   
            return edgeCount;
        }

        /**
         * 返回结点i(下标)对应的数据
         */
        String getValueByIndex(int i) {
   
   
            return vertices.get(i);
        }

        /**
         * 返回v1和v2的权值
         */
        int getWeight(int v1, int v2) {
   
   
            return matrix[v1][v2];
        }

        /**
         * 显示图对应的邻接矩阵
         */
        void show() {
   
   
            for (int[] arr : matrix) {
   
   
                System.out.println(Arrays.toString(arr));
            }
        }
    }


    public static void main(String[] args) {
   
   
        // 结点的个数
        int n = 5;
        // 结点
        String[] vs = {
   
   "A", "B", "C", "D", "E"};
        // 创建图
        Graph graph = new Graph(n);
        // 循环添加顶点
        for (String v : vs) {
   
   
            graph.addVertex(v);
        }
        // 添加边
        // A-B A-C B-C B-D B-E
        graph.addEdge(0, 1, 1);
        graph.addEdge(0, 2, 1);
        graph.addEdge(1, 2, 1);
        graph.addEdge(1, 3, 1);
        graph.addEdge(1, 4, 1);
        // 显示
        graph.show();
    }
}

测试输出：

[0, 1, 1, 0, 0]
[1, 0, 1, 1, 1]
[1, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
[0, 1, 0, 0, 0]

图的遍历

所谓图的遍历，即是对结点的访问。一个图有那么多个结点，如何遍历这些结点，需要特定策略，一般有两种访问策略：深度优先遍历、广度优先遍历。

深度优先遍历

基本介绍

图的深度优先搜索**(Depth First Search，简称 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，可以这样理解：每次都在访问完当前结点后首先访问当前结点的第一个邻接结点。
我们可以看到，这样的访问策略是优先往纵向挖掘深入，而不是对一个结点的所有邻接结点进行横向访问。
显然，深度优先搜索是一个递归的过程。

代码实现

算法步骤：

* 访问初始结点v，并标记结点v为已访问
* 查找结点v的第一个邻接结点w
* 若w存在，则继续执行4，如果w不存在，则回到第1步，将从v的下一个结点继续
* 若w未被访问，对w进行深度优先遍历递归（即把w当做另一个v，然后进行步骤123）
* 查找结点v的w邻接结点的下一个邻接结点，转到步骤3

具体案例：要求对下图进行深度优先搜索，从A开始遍历
具体实现：

public class GraphDemo {
   
   
    static class Graph {
   
   
        /**
         * 存储顶点的集合
         */
        private List<String> vertices;
        /**
         * 存储边
         */
        private int[][] matrix;
        /**
         * 边的个数
         */
        private int edgeCount;
        /**
         * 定义一个数组boolen[]，记录某个结点是否被访问
         */
        private boolean[] isVisited;

        Graph(int n) {
   
   
            // 初始化
            matrix = new int[n][n];
            vertices = new ArrayList<>(n);
            edgeCount = 0;
            isVisited = new boolean[n];
        }

        /**
         * 添加顶点
         */
        void addVertex(String vertex) {
   
   
            vertices.add(vertex);
        }

        /**
         * 添加边
         */
        void addEdge(int v1, int v2, int weight) {
   
   
            matrix[v1][v2] = weight;
            matrix[v2][v1] = weight;
            edgeCount++;
        }

        /**
         * 返回结点的个数
         */
        int getVertexCount() {
   
   
            return vertices.size();
        }

        /**
         * 返回边的个数
         */
        int getEdgeCount() {
   
   
            return edgeCount;
        }

        /**
         * 返回结点i(下标)对应的数据
         */
        String getValueByIndex(int i) {
   
   
            return vertices.get(i);
        }

        /**
         * 返回v1和v2的权值
         */
        int getWeight(int v1, int v2) {
   
   
            return matrix[v1][v2];
        }

        /**
         * 显示图对应的邻接矩阵
         */
        void show() {
   
   
            for (int[] arr : matrix) {
   
   
                System.out.println(Arrays.toString(arr));
            }
        }
        /**
         * 得到第一个邻接结点的下标 w
         */
        int getFirstNeighbor(int index) {
   
   
            for (int j = 0; j < vertices.size(); j++) {
   
   
                if (matrix[index][j] > 0) {
   
   
                    return j;
                }
            }
            return -1;
        }
        /**
         * 根据前一个邻接结点的下标来获取下一个邻接结点
         */
        int getNextNeighbor(int v1, int v2) {
   
   
            for (int j = v2 + 1; j < vertices.size(); j++) {
   
   
                if (matrix[v1][j] > 0) {
   
   
                    return j;
                }
            }
            return -1;
        }
        /**
         * 清空访问记录
         */
        void clearVisited() {
   
   
            for (int i = 0; i < isVisited.length; i++) {
   
   
                isVisited[i] = false;
            }
        }
        /**
         * 对dfs进行一个重载，遍历我们所有的结点，并进行dfs
         */
        void dfs() {
   
   
            // 遍历所有的结点，进行dfs【回溯】
            for (int i = 0; i < getVertexCount(); i++) {
   
   
                if (!isVisited[i]) {
   
   
                    dfs(isVisited, i);
                }
            }
            // 遍历结束后把isVisited中的记录清空、便于第二次遍历
            clearVisited();
            System.out.println();
        }
        /**
         * 对一个结点进行深度优先遍历
         * @param i 第一次就是0
         */
        private void dfs(boolean[] isVisited, int i) {
   
   
            // 首先访问该结点，并输出
            System.out.print(getValueByIndex(i) + " -> ");
            // 将该结点设置为已访问
            isVisited[i] = true;
            // 查找结点i的第一个邻接结点w
            int w = getFirstNeighbor(i);
            while (w != -1) {
   
   
                if (!isVisited[w]) {
   
   
                    dfs(isVisited, w);
                }
                // 如果w已经被访问
                w = getNextNeighbor(i, w);
            }
        }
    }
    public static void main(String[] args) {
   
   
        // 结点的个数
        int n = 5;
        // 结点
        String[] vs = {
   
   "A", "B", "C", "D", "E"};
        // 创建图
        Graph graph = new Graph(n);
        // 循环添加顶点
        for (String v : vs) {
   
   
            graph.addVertex(v);
        }
        // 添加边
        // A-B A-C B-C B-D B-E
        graph.addEdge(0, 1, 1);
        graph.addEdge(0, 2, 1);
        graph.addEdge(1, 2, 1);
        graph.addEdge(1, 3, 1);
        graph.addEdge(1, 4, 1);
        // 显示
        graph.show();

        // 测试一下DFS
        System.out.println("深度优先遍历：");
        graph.dfs();
    }
}

结果输出：

[0, 1, 1, 0, 0]
[1, 0, 1, 1, 1]
[1, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
深度遍历：
A -> B -> C -> D -> E ->

广度优先遍历

基本介绍

图的广度优先搜索(Broad First Search)，类似于一个分层搜索的过程，广度优先遍历需要使用一个队列以保持访问过的结点的顺序，以便按这个顺序来访问这些结点的邻接结点。

代码实现

算法步骤：

* 访问初始结点v并标记结点v为已访问
* 结点v入队列
* 当队列非空时，继续执行，否则算法结束
* 出队列，取得队头结点u
* 查找结点u的第一个邻接结点w
* 若结点u的邻接结点w不存在，则转到步骤3；否则循环执行以下三个步骤：
* ① 若结点w尚未被访问，则访问结点w并标记为已访问
* ② 结点w入队列 
* ③ 查找结点u的继w邻接结点后的下一个邻接结点w，转到步骤6

具体实现：

/**
 * 广度优先遍历
 */
public void bfs() {
   
   
    // 遍历所有的结点，进行bfs【回溯】
    for (int i = 0; i < getVertexCount(); i++) {
   
   
        if (!isVisited[i]) {
   
   
            bfs(isVisited, i);
        }
    }
    // 遍历结束后把isVisited中的记录清空、便于第二次遍历
    clearVisited();
    System.out.println();
}
/**
 * 对一个结点进行广度优先遍历
 */
private void bfs(boolean[] isVisited, int i) {
   
   
    // u:队列的头结点对应的下标,w:邻接结点
    int u, w;
    // 队列：记录结点访问的顺序
    LinkedList<Integer> queue = new LinkedList<>();
    // 访问结点
    System.out.print(getValueByIndex(i) + " -> ");
    isVisited[i] = true;
    // 将结点加入队列
    queue.addLast(i);
    while (!queue.isEmpty()) {
   
   
        // 取出队列的头结点下标
        u = queue.removeFirst();
        // 得到第一个邻接结点的下标
        w = getFirstNeighbor(u);
        while (w != -1) {
   
   
            if (!isVisited[w]) {
   
   
                System.out.print(getValueByIndex(w) + " -> ");
                isVisited[w] = true;
                // 入队列
                queue.addLast(w);
            }
            // 以u为前驱结点，找w后面的邻接点
            w = getNextNeighbor(u, w); // 体现广度优先
        }
    }
}
public static void main(String[] args) {
   
   
    // 结点的个数
    int n = 5;
    // 结点
    String[] vs = {
   
   "A", "B", "C", "D", "E"};
    // 创建图
    Graph graph = new Graph(n);
    // 循环添加顶点
    for (String v : vs) {
   
   
        graph.addVertex(v);
    }
    // 添加边
    // A-B A-C B-C B-D B-E
    graph.addEdge(0, 1, 1);
    graph.addEdge(0, 2, 1);
    graph.addEdge(1, 2, 1);
    graph.addEdge(1, 3, 1);
    graph.addEdge(1, 4, 1);
    // 显示
    graph.show();

    // 测试一下DFS
    System.out.println("深度优先遍历：");
    graph.dfs();
    System.out.println("广度优先遍历：");
    graph.bfs();
}

结果输出：

[0, 1, 1, 0, 0]
[1, 0, 1, 1, 1]
[1, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
[0, 1, 0, 0, 0]
深度优先遍历：
A -> B -> C -> D -> E -> 
广度优先遍历：
A -> B -> C -> D -> E ->

深度优先 Vs 广度优先

应用实例：
深度优先遍历顺序为：1->2->4->8->5->3->6->7
广度优先算法的遍历顺序为：1->2->3->4->5->6->7->8

常用十种算法

非递归二分查找

基本介绍

前面我们讲过了二分查找算法，是使用递归的方式，下面我们讲解二分查找算法的非递归方式。
二分查找法只适用于从有序的数列中进行查找(比如数字和字母等)，将数列排序后再进行查找。
二分查找法的运行时间为对数时间O(㏒₂n) ，即查找到需要的目标位置最多只需要㏒₂n步，假设从[0,99]的队列(100个数，即n=100)中寻到目标数30，则需要查找步数为㏒₂100 , 即最多需要查找7次( 2⁶ < 100 < 2⁷)。

代码实现

public class BinarySearchNoRecur {
   
   
    public static void main(String[] args) {
   
   
        int[] arr = {
   
   1, 3, 8, 10, 11, 67, 100};
        for (int a : arr) {
   
   
            int index = search(arr<