数据结构☞图的深度优先遍历
对于图这种数据结构,一般有两种遍历即深度优先(dfs),和广度优先(bfs),假设我们有如下这张图:
访问过程
现在假设计算0到其它点的路径,根据深度优先遍历:
1、获取0的所有邻边 1、2、5、6(默认此顺序)
2、再获取1的邻边(无),获取2的邻边(无),获取5的邻边(0,3,4)
3、0访问过,不再获取邻边;然后获取3的邻边(5,4)
4、5访问过,不再获取邻边;然后获取4的邻边(5,6)
5、5访问过,不再获取邻边;然后获取6的邻边(0,4)
6、0访问过,4被访问过,此时退到步骤2,即将获取4的邻边,但4已经被访问过。退到步骤1,准备获取6的邻边,但6已经被访问过。所以根据深度优先遍历:顺序是0,1,2,5,3,4,6
注意:访问某一个顶点时,要进行标记是否被访问过
计算路径
那如何找到顶点到某一点的路径?
在上述获取邻边的过程中,我们其实已经知道了到达某一点的上一个点是谁,因此我们只需要建立一个数组记录一下,在寻找路径的时候,再进行一次查找即可
上述步骤我们可以这样记录(默认数组的值为-1):arr[0]=-1,arr[1]=0,arr[2]=0,arr[3]=5,arr[4]=3,arr[5]=0,arr[6]=4,假设要获取0~6的路径,那么会先找到arr[6]=4,接着arr[4]=3,接着arr[3]=5,接着arr[5]=0接着arr[0]=-1,结束。因此路径是0->5->3->4->6。同时我们也可以发现一个问题,0-6本来就有一条路,我们却绕了一个大圈子。因此,深度优先遍历不能保证最短路径
代码实现
public class Path {
/**图的引用*/
private Graph G;
/**起始点*/
private int s;
/**记录dfs的过程中节点是否被访问*/
private boolean[] visited;
/**记录路径, from[i]表示查找的路径上i的上一个节点*/
private int[] from;
/**构造函数, 寻路算法, 寻找图graph从s点到其他点的路径*/
public Path(Graph graph, int s) {
this.G = graph;
visited = new boolean[graph.n()];
from = new int[G.n()];
for(int i=0;i<G.n();i++){
visited[i]=false;
from[i] = -1;
}
this.s = s;
dfs(s);
}
/***图的深度优先遍历*/
private void dfs(int v) {
System.out.println("访问:"+v);
visited[v]=true;
for(int i:G.adj(v)){
if(!visited[i]){
from[i]=v;
dfs(i);
}
}
}
/**查询从s点到w点的路径, 存放在vec中**/
public Vector path(int w){
Stack<Integer> s = new Stack<Integer>();
int p=w;
while(p!=-1){
s.push(p);
p=from[p];
}
Vector<Integer> vector = new Vector<>();
while (!s.empty()){
vector.add(s.pop());
}
return vector;
}
/**打印路径*/
public void showPath(int w){
Vector vector = this.path(w);
for(int i=0;i<vector.size();i++){
System.out.print(vector.elementAt(i));
if(i==vector.size()-1){
System.out.print("");
}
else{
System.out.print("->");
}
}
}
public static void main(String[] args) {
Graph sparseGraph= new SparseGraph(7,false);
ReadGraph read = new ReadGraph();
read.readGraph(sparseGraph,"demo/testG.txt");
Path path = new Path(sparseGraph,0);
path.showPath(6);
}
}