数据结构-图-Java实现:有向图 图存储(邻接矩阵),最小生成树,广度深度遍历,图的连通性,最短路径...


import java.util.ArrayList;

import java.util.List;



// 模块E

public class AdjMatrixGraph<E> {

protected SeqList<E> vertexlist; // 顺序表存储图的顶点集合



protected int[][] adjmatrix; // 图的邻接矩阵 二维图 存储的是每个顶点的名称(A,B,C,D....)



private final int MAX_WEIGHT = Integer.MAX_VALUE / 2;



// private final int MAX_WEIGHT = 10000;



// -------一,构造图:增删改查-------------------------//

public AdjMatrixGraph(int n) {// n为顶点的数目

this.vertexlist = new SeqList<E>(n);

this.adjmatrix = new int[n][n];

for (int i = 0; i < n; i++)

for (int j = 0; j < n; j++)

this.adjmatrix[i][j] = (i == j) ? 0 : MAX_WEIGHT;

// 对角线上为0,其他的都为无穷大。

}



// 构造函数内一个是字符串数组,一个是edge的set集合

public AdjMatrixGraph(E[] vertices, Edge[] edges) {

this(vertices.length);

for (int i = 0; i < vertices.length; i++)

insertVertex(vertices[i]);// 添加顶点

for (int j = 0; j < edges.length; j++)

insertEdge(edges[j]);// 添加边

}



// 构造函数内一个是数组集合,一个是edge的set集合

public AdjMatrixGraph(SeqList<E> list, Edge[] edges) {

this(list.length());

this.vertexlist = list;

for (int j = 0; j < edges.length; j++)

insertEdge(edges[j]);

}



// 显示出一共顶点的数目

public int vertexCount() {

return this.vertexlist.length();

}



// 根据编号得到该顶点

public E get(int i) {

return this.vertexlist.get(i);

}



public boolean insertVertex(E vertex) { // 插入一个顶点,若插入成功,返回true



return this.vertexlist.add(vertex);

}



public boolean insertEdge(int i, int j, int weight)

// 插入一条权值为weight的边<vi,vj>,若该边已有,则不插入

{

if (i >= 0 && i < vertexCount() && j >= 0 && j < vertexCount()

&& i != j && adjmatrix[i][j] == MAX_WEIGHT) {

// 先判断该边两个顶点的编号是否在范围,该边的值是否为最大值,来确定所添加边的值是否存在;

this.adjmatrix[i][j] = weight;// 添加权值

return true;

}

return false;

}



public boolean insertEdge(Edge edge) {

if (edge != null)

;

return insertEdge(edge.start, edge.dest, edge.weight);

}



public String toString() {

String str = "顶点集合: " + vertexlist.toString() + "\n";

str += "邻近矩阵: \n";

int n = vertexCount();

for (int i = 0; i < n; i++) {

for (int j = 0; j < n; j++) {

if (adjmatrix[i][j] == MAX_WEIGHT)

str += " ∞";// 最大值(不存在)的时候的显示方式;

else

str += " " + adjmatrix[i][j];// 每一个顶点到其他顶点的权值

}

str += "\n";

}

return str;

}



public boolean removeEdge(int i, int j) // 删除边〈vi,vj〉,若成功,返回T

{

if (i >= 0 && i < vertexCount() && j >= 0 && j < vertexCount()

&& i != j && this.adjmatrix[i][j] != MAX_WEIGHT) {

// 判断该边的两个顶点是否存在,以及改边的值是否为最大值来判断改边是否存在;

this.adjmatrix[i][j] = MAX_WEIGHT; // 设置该边的权值为无穷大,说明已不存在;

return true;

}

return false;

}



public boolean removeVertex(int v) // 删除序号为v的顶点及其关联的边

{

int n = vertexCount(); // 删除之前的顶点数

if (v >= 0 && v < n) {// V的要求范围

this.vertexlist.remove(v); // 删除顺序表的第i个元素,顶点数已减一

for (int i = v; i < n - 1; i++)

for (int j = 0; j < n; j++)

this.adjmatrix[i][j] = this.adjmatrix[i + 1][j]; // 邻接矩阵:删除点以下往上移动一位

for (int j = v; j < n - 1; j++)

for (int i = 0; i < n - 1; i++)

this.adjmatrix[i][j] = this.adjmatrix[i][j + 1]; // 邻接矩阵:删除点以右往左移动一位

return true;

}

return false;

}



public int getFirstNeighbor(int v) // 返回顶点v的第一个邻接顶点的序号

{

return getNextNeighbor(v, -1);

} // 若不存在第一个邻接顶点,则返回-1



public int getNextNeighbor(int v, int w) { // 返回v在w后的下一个邻接顶点

if (v >= 0 && v < vertexCount() && w >= -1 && w < vertexCount()// 对v

// w的范围限定

&& v != w)

for (int j = w + 1; j < vertexCount(); j++)

// w=-1时,j从0开始寻找下一个邻接顶点

if (adjmatrix[v][j] > 0 && adjmatrix[v][j] < MAX_WEIGHT)

// 遍历和v相关的点,得到下一个点

return j;

return -1;

}



// -------二,最小生成树-------------------------//



/*

* 普里姆算法的基本思想: 取图中任意一个顶点 v 作为生成树的根,之后往生成树上添加新的顶点 w。 在添加的顶点 w

* 和已经在生成树上的顶点v之间必定存在一条边, 并且该边的权值在所有连通顶点 v 和 w 之间的边中取值最小。

* 之后继续往生成树上添加顶点,直至生成树上含有 n-1 个顶点为止。

*/



public AdjMatrixGraph minSpanTree_prim() {

Edge[] mst = new Edge[this.vertexCount() - 1]; // n个顶点最小生成树有n-1条边

int un;

List<Integer> u = new ArrayList<Integer>();// 存放所有已访问过的顶点集合

u.add(0);// 起始点默认为标识为0的顶点

for (int i = 0; i < this.vertexCount() - 1; i++) {

int minweight = MAX_WEIGHT;// 最小边的时候,权值

int minstart = MAX_WEIGHT;// 最小边的时候,起点

int mindest = MAX_WEIGHT;// 最小边的时候,终点

for (int j = 0; j < u.size(); j++) {

un = u.get(j);

for (int k = 0; k < this.vertexCount(); k++) {

// 获取最小值的条件:1.该边比当前情况下的最小值小;2.该边还未访问过;

if ((minweight > adjmatrix[un][k]) && (!u.contains(k))) {

minweight = adjmatrix[un][k];

minstart = un;

mindest = k;

}

}

}

System.out.println("一次遍历所添加的最小边:他的权值,起点,终点分别为:weight:" + minweight

+ "start:" + minstart + "dest:" + mindest);

u.add(mindest);

Edge e = new Edge(minstart, mindest, adjmatrix[minstart][mindest]);

mst[i] = e;

}

return new AdjMatrixGraph(this.vertexlist, mst); // 构造最小生成树相应的图对象

}



/*

* public AdjMatrixGraph minSpanTree_kruskal() { }

*/



// -------三,图的遍历(广度遍历,深度遍历)-------------------------//

public void DFStraverse() {

int n = this.vertexCount();

boolean[] visited = new boolean[n];

for (int i = 1; i < n; i++) {

visited[i] = false;

}

// 编号0为起始点,进行一次深度优先遍历(一次得到一个连通分量)

for (int j = 0; j < n; j++) {

if (!visited[j]) {

System.out.println("以该顶点为" + j + "起始点的遍历:");

this.DFS(j, visited);

}

}

}



// 参数1:遍历起始点的编号,参数2:记录各个顶点是否被访问过

public void DFS(int v, boolean[] visited2) {

boolean[] visited = visited2;

visited[v] = true;

System.out.println("遍历顶点" + v);

for (int w = this.getFirstNeighbor(v); w >= 0; w = this

.getNextNeighbor(v, w)) {

if (!visited[w]) {

visited[w] = true;

DFS(w, visited);

}

}

}



public void BFStraverse() {

int n = this.vertexCount();

boolean[] visited = new boolean[n];

MyQueue myqueue = new MyQueue();

for (int i = 1; i < n; i++) {

visited[i] = false;

}



for (int j = 0; j < n; j++) {

if (!visited[j]) {

visited[j] = true;

System.out.println("遍历起点:" + j);

myqueue.EnQueue(j);

while (!myqueue.empty()) {

int v = (Integer) myqueue.DeQueue();

System.out.println("遍历点:" + v);

for (int w = this.getFirstNeighbor(v); w >= 0; w = this

.getNextNeighbor(v, w)) {

if (!visited[w]) {

visited[w] = true;

myqueue.EnQueue(w);

}

}

}

}

}



}



// -------四,图的最短路径Dijkstra算法-------------------------//

public void Dijkstra() {

int n = this.vertexCount();

int minweight = MAX_WEIGHT;

int minUn = 0;

int[] minmatrix = new int[n];// 存放当前起始点到其余各个顶点的距离;

boolean[] isS = new boolean[n];// 判断各个是否被访问过

String[] route = new String[n];// 每个字符串是显示对应顶点最短距离的路径;

for (int i = 1; i < n; i++) {// 初始化

minmatrix[i] = adjmatrix[0][i];

isS[i] = false;

route[i] = "起点->" + i;

}

for (int i = 1; i < n; i++) {

// 选择 当前 和起点 连通的,且值最小的顶点;

for (int k = 1; k < n; k++) {

if (!isS[k]) {

if (minmatrix[k] < minweight) {

minweight = minmatrix[k];

minUn = k;

}

}

}

isS[minUn] = true;// 将该点设置为已访问;

for (int j = 1; j < n; j++) {

if (!isS[j]) {// 判断:该顶点还没加入到S中/属于U-S;

if (minweight + adjmatrix[minUn][j] < minmatrix[j]) {

// 通过当下最小值 访问到得其他顶点的距离小于原先的最小值 则进行交换值

minmatrix[j] = minweight + adjmatrix[minUn][j];

route[j] = route[minUn] + "->" + j;

}

}

}

minweight = MAX_WEIGHT;// 因为要放到下一个循环中,所以一定要重设置一下,回到最大值

}

for (int m = 1; m < n; m++) {

System.out.println("从V0出发到达" + m + "点");

if (minmatrix[m] == MAX_WEIGHT) {

System.out.println("没有到达该点的路径");

} else {

System.out.println("当前从V0出发到达该点的最短距离:" + minmatrix[m]);

System.out.println("当前从V0出发到达该点的最短距离:" + route[m]);



}

}

}



// -------五,图的连通性-------------------------//

public boolean isConnect() {

int n = this.vertexCount();

boolean[] visited = new boolean[n];

// 记录不能一次深度优先遍历通过的数目

// 全部顶点作为出发点开始遍历,如果全部都不能一次遍历通过(notConnectNum == n),说明该图不连通。

int notConnectNum = 0;

for (int j = 0; j < n; j++) {

for (int i = 0; i < n; i++) {

visited[i] = false;

}

this.DFS(j, visited);

for (int k = 0; k < n; k++) {

System.out.println(visited[k]);

if (visited[k] == false) {

notConnectNum++;

break;// 一旦有没有被遍历到的顶点(说明该顶点不属于该连通分量),跳出循环

}

}

}

if (notConnectNum == n) {

System.out.println("此图是不连通的");

return false;

} else {

System.out.println("此图是连通的");

return true;

}

}



// -------六,图的拓扑排序-------------------------//

public void topologicalSort() {

int n = this.vertexCount();

int[] indegree = new int[n];

MyStack mystack = new MyStack();

String route = "拓扑排序出发:";

int count = 0;

for (int i = 0; i < n; i++) {

indegree[i] = 0;

for (int j = 0; j < n; j++) {//获取每一个顶点的入度

if (adjmatrix[j][i] != 0 && adjmatrix[j][i] != MAX_WEIGHT) {

indegree[i] += 1;

}

}//先将入度为0的顶点加入到栈中

if (indegree[i] == 0) {

mystack.push(i);

}

}

while (!mystack.empty()) {

int v = (Integer) mystack.pop();//从栈中删除该顶点

route += "->" + v;

++count;

for (int w = this.getFirstNeighbor(v); w >= 0; w = this

.getNextNeighbor(v, w)) {

indegree[w] -= 1;//因为该顶点被“删除”,所有以该顶点为弧尾的边的弧头的入度减一

if (indegree[w] == 0) {

mystack.push(w);//先将入度为0的顶点加入到栈中

}

}

}

if (count < n) {//当经历拓扑排序遍历后,所有顶点都被“删除”时(count=n),此时实现拓扑排序

System.out.println("存在回路,不满足拓扑排序的条件");

} else {

System.out.println("实现拓扑排序" + route);



}

}


}


    原文作者:数据结构之图
    原文地址: https://blog.csdn.net/iteye_5381/article/details/82061242
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞