欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

图的简单认识

程序员文章站 2024-03-05 14:53:20
...

**1.顶点(vertex):**图中的数据元素,如图一。

**2.边(edge):**图中连接这些顶点的线,如图一。

图的简单认识

所有的顶点构成一个顶点集合,所有的边构成边的集合,一个完整的图结构就是由顶点集合和边集合组成。图结构在数学上记为以下形式:

G=(V,E) 或者 G=(V(G),E(G))

其中 V(G)表示图结构所有顶点的集合,顶点可以用不同的数字或者字母来表示。E(G)是图结构中所有边的集合,每条边由所连接的两个顶点来表示。

图结构中顶点集合V(G)不能为空,必须包含一个顶点,而图结构边集合可以为空,表示没有边。

图的基本概念


1.无向图

​ 如果一个图结构中,所有的边都没有方向性,那么这种图便称为无向图。典型的无向图,如图二所示。由于无向图中的边没有方向性,这样我们在表示边的时候对两个顶点的顺序没有要求。例如顶点VI和顶点V5之间的边,可以表示为(V2, V6),也可以表示为(V6,V2)。

图的简单认识

对于图二无向图,对应的顶点集合和边集合如下:

​ V(G)= {V1,V2,V3,V4,V5,V6}

​ E(G)= {(V1,V2),(V1,V3),(V2,V6),(V2,V5),(V2,V4),(V4,V3),(V3,V5),(V5,V6)}

2.有向图

一个图结构中,边是有方向性的,那么这种图就称为有向图,如图三所示。由于图的边有方向性,我们在表示边的时候对两个顶点的顺序就有要求。我们采用尖括号表示有向边,例如<V2,V6>表示从顶点V2到顶点V6,而<V6,V2>表示顶点V6到顶点V2。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ylFPv8ks-1581605615956)(images/824470-20180529220933054-293758125.png)]

图三 有向图

对于图三有向图,对应的顶点集合和边集合如下:

​ V(G)= {V1,V2,V3,V4,V5,V6}

​ E(G)= {<V2,V1>,<V3,V1>,<V4,V3>,<V4,V2>,<V3,V5>,<V5,V3>,<V2,V5>,<V6,V5>,<V2,V6>,<V6,V2>}

注意:

​ 无向图也可以理解成一个特殊的有向图,就是边互相指向对方节点,A指向B,B又指向A。

3.顶点的度

连接顶点的边的数量称为该顶点的度。顶点的度在有向图和无向图中具有不同的表示。对于无向图,一个顶点V的度比较简单,其是连接该顶点的边的数量,记为D(V)。 例如,图二所示的无向图中,顶点V5的度为3。而V6的度为2。

对于有向图要稍复杂些,根据连接顶点V的边的方向性,一个顶点的度有入度出度之分。

  • 入度是以该顶点为端点的入边数量, 记为ID(V)。

  • 出度是以该顶点为端点的出边数量, 记为OD(V)。

    这样,有向图中,一个顶点V的总度便是入度和出度之和,即D(V) = ID(V) + OD(V)。例如,图三所示的有向图中,顶点V5的入度为3,出度为1,因此,顶点V5的总度为4。

    4.邻接顶点

    邻接顶点是指图结构中一条边的两个顶点。 邻接顶点在有向图和无向图中具有不同的表示。对于无向图,邻接顶点比较简单。例如,在图二所示的无向图中,顶点V2和顶点V6互为邻接顶点,顶点V2和顶点V5互为邻接顶点等。

    对于有向图要稍复杂些,根据连接顶点V的边的方向性,两个顶点分别称为起始顶点(起点或始点)和结束顶点(终点)。有向图的邻接顶点分为两类:

  • 入边邻接顶点:连接该顶点的边中的起始顶点。例如,对于组成<V2,V6>这条边的两个顶点,V2是V6的入边邻接顶点。

  • **出边邻接顶点:**连接该顶点的边中的结束顶点。例如,对于组成<V2,V6>这条边的两个顶点,V6是V2的出边邻接顶点。

    5.无向完全图

    如果在一个无向图中, 每两个顶点之间都存在条边,那么这种图结构称为无向完全图。典型的无向完全图,如图四所示。

图的简单认识
图四 无向完全图

理论上可以证明,对于一个包含M个顶点的无向完全图,其总边数为M(M-1)/2。比如图四总边数就是5(5-1)/ 2 = 10。

6.有向完全图

如果在一个有向图中,每两个顶点之间都存在方向相反的两条边,那么这种图结构称为有向完全图。典型的有向完全图,如图五所示。

图的简单认识

图五 有向完全图

理论上可以证明,对于一个包含N的顶点的有向完全图,其总的边数为N(N-1)。这是无向完全图的两倍,这个也很好理解,因为每两个顶点之间需要两条边。

7.有向无环图(DAG图)

如果一个有向图无法从某个顶点出发经过若干条边回到该点,则这个图是一个有向无环图。

有向无环图可以利用在区块链技术中。

图的简单认识
  8.无权图和有权图


图的简单认识
这里的权可以理解成一个数值,就是说节点与节点之间这个边是否有一个数值与它对应,对于无权图来说这个边不需要具体的值。对于有权图节点与节点之间的关系可能需要某个值来表示,比如这个数值能代表两个顶点间的距离,或者从一个顶点到另一个顶点的时间,所以这时候这个边的值就是代表着两个节点之间的关系,这种图被称为有权图;

如:在交通运输网中,边上的权值可能表示的是路程,也可能表示

的是运输费用(显然二者都是数字)。不过,边上的权值也有可能

是其它东西,比如说是一个字符串,甚至是一个更加复杂的数据包,

里面集合了更多的数据

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-S0Ho0WLl-1581605615960)(images/1071674-20170705165123847-2077753454.png)]

9.图的连通性

图的每个节点不一定每个节点都会被边连接起来,所以这就涉及到图的连通性,如下图:

图的简单认识

可以发现上面这个图不是完全连通的。

9.简单图 ( Simple Graph)

对于节点与节点之间存在两种边,这两种边相对比较特殊

1.自环边(self-loop):节点自身的边,自己指向自己。

2.平行边(parallel-edges):两个节点之间存在多个边相连接。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8xQiwZT3-1581605615962)(images/824470-20190420092908548-1950023783.png)]

这两种边都是有意义的,比如从A城市到B城市可能不仅仅有一条路,比如有三条路,这样平行边就可以用到这种情况。不过这两种边在算法设计上会加大实现的难度。而简单图就是不考虑这两种边。

图的遍历

深度优先遍历和广度优先遍历

图的节点和边的结合变量

package edu.xalead.Graph;

import java.util.ArrayList;
import java.util.List;
import java.util.Objects;

public class GraphNode {

    private Object data;
    private List<GraphNode> nexts = new ArrayList<>();


    @Override
    public boolean equals(Object o) {
        if (this == o) return true;
        if (o == null || getClass() != o.getClass()) return false;
        GraphNode graphNode = (GraphNode) o;
        return Objects.equals(data, graphNode.data) &&
                Objects.equals(nexts, graphNode.nexts);
    }

    @Override
    public int hashCode() {
        return Objects.hash(data, nexts);
    }

    public GraphNode(Object data) {
        this.data = data;
        this.nexts = nexts;
    }

    public Object getData() {
        return data;
    }

    public void setData(Object data) {
        this.data = data;
    }

    public List<GraphNode> getNexts() {
        return nexts;
    }

    public void setNexts(List<GraphNode> nexts) {
        this.nexts = nexts;
    }
}
两种遍历方法

package edu.xalead.Graph;
import java.util.*;

public class Test {
    /**
     * 图的深度优先(递归)
     * @root 图的起始节点
     * @visited 已经访问过的节点集合
     */
    public static void dft(GraphNode root,ArrayList<GraphNode> visiteds){
        System.out.print (root.getData() + "  ");
        visiteds.add(root);
        for(int i = 0 ; i < root.getNexts().size() ; i++){
            GraphNode t = root.getNexts().get(i);
            if(!visiteds.contains(t)){
                dft(t,visiteds);
            }
        }
    }

    /**
     * 图的广度优遍历
     * @param root 图的起始节点
     * @param visiteds 已经访问过的节点集合
     */
    public static void bft(GraphNode root,ArrayList<GraphNode> visiteds){
        Queue<GraphNode> queue = new LinkedList<>();
        queue.offer(root);
        visiteds.add(root);
        while(!queue.isEmpty()){
            GraphNode poll = queue.poll();
            System.out.print(poll.getData() + "  ");
            for(int i=0;i<poll.getNexts().size();i++){
                GraphNode node = poll.getNexts().get(i);
                if(!visiteds.contains(node)){
                    queue.offer(node);
                    visiteds.add(node);

                }
            }
        }
    }
    public static void main(String[] args) {
        GraphNode node1 = new GraphNode(0);
        GraphNode node2 = new GraphNode(1);
        GraphNode node3 = new GraphNode(2);
        GraphNode node4 = new GraphNode(3);
        GraphNode node5 = new GraphNode(4);
        GraphNode node6 = new GraphNode(5);
        GraphNode node7 = new GraphNode(6);
        GraphNode node8 = new GraphNode(7);

        node1.getNexts().add(node2);
        node1.getNexts().add(node3);
        node3.getNexts().add(node7);
        node2.getNexts().add(node4);
        node2.getNexts().add(node5);
        node4.getNexts().add(node6);
        node5.getNexts().add(node6);
        node5.getNexts().add(node8);


        System.out.println("图的深度优先遍历(递归 栈)");
        dft(node1,new ArrayList<>());
        System.out.println();
        System.out.println("图的广度度优先遍历(队列)");
        bft(node1,new ArrayList<>());


    }
}

结果展示:

图的简单认识

相关标签: 数据结构