一、图
1.无向图:图的边数达到最大值
- 无向完全图:【n*(n-1)/2】
- 有向完全图:【n(n-1)】
2.图中顶点的度
- 孤立点:度为0的顶点
- 悬挂点:度为1的顶点
3.连通性
- 连通图:图中任意一对顶点都是连通的
- 强连通图:在有向图中,若在每对顶点Vi和Vj之间都存在从Vi到Vj的路径,也存在一条从Vj到Vi的路径,则该图为强连通图
4 图的边集合即每对顶点间的邻接关系–矩阵的存储结构
- 边采用顺序存储结构,二维数组存储,称为图的邻接矩阵
- 边采用链式存储结构,存储行的后继,即矩阵行的单链表,称为图的邻接表
- 边采用链式存储结构,存储行和列的后继,即矩阵十字链表,称为图的邻接多重表
5.图的深度优先遍历算法
获取邻接顶点
//返回顶点vi在vj的后继邻接顶点序号,若j=-1,返回vi的第一个邻接顶点序号
//若不存在后继邻接顶点,返回-1
public int next(int i,int j) {
int n=this.vertexCount();
if(i>=0&&i<n&&j>=-1&&j<n&&i!=j)
for(int k=j+1;k<n;k++)
if(this.matrix.get(i, k)>0&&this.matrix.get(i, k)<MAX_WEIGHT)
return k;
return -1;
}
//图的深度遍历
/*
* 1.申请一个标记数组,记录各顶点是否被访问
* 2.从某一个顶点开始,依次判断是否被访问过,若没有被访问过,则从该点开始进行一次连通分量的遍历
* 3.连通分量:判断该顶点是否有后继结点,有则递归调用遍历下一个连通分量,即每个点只找其第一个后继点
*/
public void DFSTraverse(int i) {
boolean [] visited=new boolean[this.vertexCount()];
int j=i;
do {
if(!visited[j]) {
System.out.print("{");
this.depth(j, visited);
System.out.print("}");
}
j=(j+1)%this.vertexCount();
}while(i!=j);
System.out.println();
}
//从顶点Vi出发的一次深度优先遍历遍历一个连通分量
private void depth(int i,boolean[]visited) {
System.out.println(this.getVertex(i)+" ");
visited[i]=true;
int j=this.next(i, -1);
while(j!=-1) { //说明Vi存在一个邻接顶点Vj
if(!visited[j])
depth(j,visited);
j=this.next(i, j); //返回Vi在Vj后继邻接顶点序号
}
}
6.图的广度优先遍历
/*
* 1.申请一个标记数组,记录各顶点是否被访问
* 2.从某一个顶点开始,依次判断是否被访问过,若没有被访问过,则从该点开始进行一次连通分量的遍历
* 3.连通分量:将该点放入队列,遍历该顶点所有后继结点
*/
//图的广度遍历
public void BFSTraverse(int i) {
boolean [] visited=new boolean[this.vertexCount()];
int j=i;
do {
if(!visited[j]) {
System.out.print("{");
breadthfs(j,visited);
System.out.print("}");
}
j=(j+1)%this.vertexCount();
}while(j!=i);
System.out.println();
}
//从顶点Vi出发的一次广度优先搜索,遍历一个连通分量,使用队列
private void breadthfs(int i, boolean[] visited) {
System.out.print(this.getVertex(i)+" ");
visited[i]=true;
SeqQueue<Integer>que=new SeqQueue<Integer>();
que.add(i);
while(!que.isEmpty()) {
i=que.poll();
for(int j=next(i,-1);j!=-1;j=next(i,j)) {
if(!visited[j]) {
System.out.print(this.getVertex(j)+" ");
visited[j]=true;
que.add(j);
}
}
}
}