图的定义
图(Graph)是由极点的有穷非空鸠合和极点之间边的鸠合组成,一般示意为:G(V,E)
,个中,G
示意一个图,V
是图G中极点的鸠合,E
是图G中边的鸠合。
有向图
有向边:若从极点Vi
到Vj
的边有方向,则称这条边为有向边,也成为弧(Arc),用有序偶<Vi,Vj>
来示意,Vi
称为弧尾,Vj
称为弧头。
无序图
**
无向边:**若极点Vi
到Vj
之间的边没有方向,则称这条边为无向边(Edge),用无序偶(Vi,Vj)
来示意。
简朴图
简朴图:在图构造中,若不存在极点到其本身的边,且统一条边不重复涌现,则称如许的图为简朴图。
图类
示意极点
建立图类的第一步就是要建立一个Vertex
类来保留极点和边。这个类的作用和链表、二叉搜刮树的Node类一样。Vertex
类有两个数据成员:一个用于标识极点,另一个表明是不是被接见过的布尔值。分别被命名为label
和wasVisited
。
function Vertex(label){
this.label = label;
}
我们将一切极点保留在数组中,在图类里,能够经由过程他们在数组中的位置援用他们
示意边
图的现实信息都保留在“边”
上面,由于他们形貌了图的构造。二叉树的一个父节点只能有两个子节点,而图的构造却要天真很多,一个极点既能够有一条边,也能够有多条边和它相连。
我们将示意图的边的要领成为毗邻表或许毗邻表数组。它将存储由极点的相邻极点列表组成的数组
构建图
定义以下一个Graph
类:
function Graph(v){
this.vertices = v;//vertices至高点
this.edges = 0;
this.adj = [];
for(var i =0;I<this.vertices;++i){
this.adj[i] = [];
this.adj[i].push('');
}
this.addEdge = addEdge;
this.toString = toString;
}
这个类会纪录一个图示意了若干条边,并运用一个长度与图的极点数来纪录极点的数目。
function addEdge(){
this.adj[v].push(w);
this.adj[w].push(v);
this.edges++;
}
这里我们运用for
轮回为数组中的每一个元素增加一个子数组来存储一切的相邻极点,并将一切元素初始化为空字符串。
图的遍历
深度优先遍历
深度优先遍历(DepthFirstSearch
),也有称为深度优先搜刮,简称为DFS
。
比如在一个房间内寻觅一把钥匙,不管从哪一间房间最先都能够,将房间内的墙角、床头柜、床上、床下、衣柜、电视柜等挨个寻觅,做到不放过任何一个死角,当一切的抽屉、储藏柜中全部都找遍后,接着再寻觅下一个房间。
深度优先搜刮:
深度优先搜刮就是接见一个没有接见过的极点,将他标记为已接见
,再递归地去接见在初始极点的毗邻表中其他没有接见过的极点
为Graph类增加一个数组:
this.marked = [];//保留已接见过的极点
for(var i=0;i<this.vertices;++i){
this.marked[i] = false;//初始化为false
}
深度优先搜刮函数:
function dfs(v){
this.marked[v] = true;
//if语句在这里不是必需的
if(this.adj[v] != undefined){
print("Visited vertex: " + v );
for each(var w in this.adj[v]){
if(!this.marked[w]){
this.dfs(w);
}
}
}
}
广度优先搜刮
广度优先搜刮(BFS
)属于一种自觉征采法,目标是体系地睁开并搜检图中的一切节点,以找寻效果。换句话说,它并不斟酌效果的能够位置,彻底地搜刮整张图,直到找到效果为止。
广度优先搜刮从第一个极点最先,尝试接见尽量接近它的极点,以下图所示:
其事情道理为:
1. 起首查找与当前极点相邻的未接见的极点,将其增加到已接见极点列表及行列中;
2. 然后从图中掏出下一个极点v,增加到已接见的极点列表
3. 末了将一切与v相邻的未接见极点增加到行列中
下面是广度优先搜刮函数的定义:
function bfs(s){
var queue = [];
this.marked = true;
queue.push(s);//增加到队尾
while(queue.length>0){
var v = queue.shift();//从队首移除
if(v == undefined){
print("Visited vertex: " + v);
}
for each(var w in this.adj[v]){
if(!this.marked[w]){
this.edgeTo[w] = v;
this.marked[w] = true;
queue.push(w);
}
}
}
}
最短途径
在实行广度优先搜刮时,会自动查找从一个极点到另一个相连极点的最短途径
肯定途径
要查找最短途径,须要修正广度优先搜刮算法来纪录从一个极点到另一个极点的途径,我们须要一个数组来保留从一个极点操下一个极点的一切边,我们将这个数组命名为edgeTo
this.edgeTo = [];//将这行增加到Graph类中
//bfs函数
function bfs(s){
var queue = [];
this.marked = true;
queue.push(s);//增加到队尾
while(queue.length>0){
var v = queue.shift();//从队首移除
if(v == undefined){
print("Visited vertex: " + v);
}
for each(var w in this.adj[v]){
if(!this.marked[w]){
this.edgeTo[w] = v;
this.marked[w] = true;
queue.push(w);
}
}
}
}
拓扑排序算法
拓扑排序会对有向图
的一切极点举行排序,使有向边
夙昔面的极点指向背面的极点。
拓扑排序算法与BFS
相似,差别的是,拓扑排序算法不会马上输出已接见的极点,而是接见当前极点毗邻表中的一切相邻极点,直到这个列表穷尽时,才会将当前极点压入栈中。
拓扑排序算法被拆分为两个函数,第一个函数是topSort()
,用来设置排序历程并挪用一个辅佐函数topSortHelper()
,然后显现排序好的极点列表
拓扑排序算法重要事情是在递归函数topSortHelper()
中完成的,这个函数会将当前极点标记为已接见,然后递归接见当前极点毗邻表中的每一个极点,标记这些极点为已接见。末了,将当前极点压入栈中。
//topSort()函数
function topSort(){
var stack = [];
var visited = [];
for(var i =0;i<this.vertices;i++){
visited[i] = false;
}
for(var i = 0;i<this.vertices;i++){
if(visited[i] == false){
this.topSortHelper(i,visited,stack);
}
}
for(var i = 0;i<stack.length;i++){
if(stack[i] !=undefined && stack[i] != false){
print(this.vertexList[stack[i]]);
}
}
}
//topSortHelper()函数
function topSortHelper(v,visited,stack){
visited[v] = true;
for each(var w in this.adj[v]){
if(!visited[w]){
this.topSortHelper(visited[w],visited,stack);
}
}
stack.push(v);
}