JavaScript--数据结构与算法之图

图和图的算法：
图的定义：由边的集合及顶点的集合组成。
   例如地图，每个城镇是顶点，道路是边，由顶点对来定义（城镇1，城镇2）简称（v1,v2）顶点也有权重——成本。
基本概念：
   有向图：图的顶点对是有序的。——有箭头（常用的流程图）
   无向图：图是无序的。——无箭头指向的。
   路径：图中一系列顶点构成。
   路径长度：路径中第一个顶点到最后一个顶点之间的数量表示。
   环：指向自身的顶点组成的路径。环的长度为0;
   圈：至少有一条边的路径，且路径的第一个定点和最后一个顶点相同。
   简单圈：无论是有向图还是无向图，只要是没有重复边或重复顶点的圈。
   平凡圈：除了第一个和最后一个顶点以外，路径的其他顶点有重复的圈。
   强连通：两个顶点之间有路径，这两个顶点之间是强连通的，反之亦然。
   强连通图：有向图的所有顶点都是强连通的。
 一、图类：
   图和树，二叉树很像。一可以试用数的方式创建一个图，节点表示一个顶点。但用基于对象的方式去处理会产生问题，因为图会增长到非常大。这样树的结构的效率会很低下。

1.1 顶点的表示：
    和二叉树的穿件基本一致，先创建一个顶点类Vertex来保存顶点和边。里面有两个成员。一个用于标识顶点label，另一个表明这个顶点是否被访问过的布尔值wasVisited.

        function Vertex(label) {
            this.label = label;
        }

1.2 表示边
　　图的信息都保存在边上，因为他们描述了图的结构。当然不能像二叉树的表现形式那样，因为他很固定一个父节点只能有两个子节点。而图的结构要灵活得多，一个顶点可以有一条边，多条边和他相连。
1.2.1 邻接表（邻接表数组）：数组与链表相结合的存储方法。
　　邻接表的处理方法：
　　1、图中顶点用一个一维数组存储，另外，对于顶点数组中，每个数据元素还需要存储指向第一个邻接点的指针，以便于查找该顶点的边信息。
　　2、图中每个顶点vi的所有邻接点构成一个线性表，由于邻接点的个数不定，所以用单链表存储，无向图称为顶点vi的边表，有向图称为顶点vi作为弧尾的出边表。
　　左边是一维数组，表示顶点，右边用链表表示图中每个顶点所有的邻接点构成的线性表。
　　表示图最佳方法。江边存储为由顶点的相邻顶点列表构成的数组，并以此顶点作为索引。
1.2.2 邻接矩阵：是一个二维数组。是不错的一种图存储结构，但是我们也发现，对于边数相对顶点较少的图，这种结构是存在对存储空间的极大浪费的。
　　正对于这两种存储结构，下一篇做详细的介绍。
1.3 构建图：

        function Graph(v) {
            this.vertices = v;
            this.edges = 0;
            this.ajd = [];
            for(var i = 0;i < this.vertices;i++) {
                this.ajd[i] = [];
                this.ajd[i].push("");
            }
            this.addEdge = addEdge;
            this.toString = toString;
        }

图的初始化，记录了一个图表示的边上的数量。用一个长度与图的顶点相同的数组记录顶点的数量。for循环是给每一个数组中的元素（顶点）创建一个子数组来存储所有相邻的顶点（链表），并将所有元素初始化为空字符串。

        function assEdge(v,w) {
            this.ajd[v].push(w);
            this.ajd[w].push(v);
            edges++;
        }

向邻接表中添加元素。如传入A，B时。先查找顶点A的邻接表，将B添加搭配列表中，然后再查找顶点B的邻接表，将顶点A插入列表。最后边数加1。

        function showGraph() {
            for(var i = 0;i < this.vertices;i++) {
                console.log(i+" ->");
                for(var j = 0;j < this.vertices;j++) {
                    if(this.adj[i][j] != undefined) {
                        console.log(this.adj[i][j]+"");
                    }
                }
                console.log("");
            }
        }
        //test...
        var gr = new Graph(5);
        gr.addEdge(0,1);
        gr.addEdge(0,2);
        gr.addEdge(1,3);
        gr.addEdge(2,4);
        gr.showGraph();

完整代码：

        ~(function() {
            function Graph(v) {
                this.vertices = v;
                this.edges = 0;
                this.adj = [];
                for(var i = 0;i < this.vertices;i++) {
                    this.adj[i] = [];
                    this.adj[i].push("");
                }
                //this.addEdge= addEdge;
                //this.showGraph = showGraph;
            }
            Graph.prototype.addEdge = function(v,w) {
                this.adj[v].push(w);
                this.adj[w].push(v);
                this.edges++;
            };
            Graph.prototype.showGraph = function() {
                for(var i = 0;i < this.vertices;i++) {
                    console.log(i+"--> ");
                    for(var j = 0;j < this.vertices;j++) {
                        if(this.adj[i][j] != undefined) {
                            console.log(this.adj[i][j] +"");
                        }
                    }
                }
            };
            var gr1 = new Graph(5);
            gr1.addEdge(0,1);
            gr1.addEdge(0,2);
            gr1.addEdge(1,3);
            gr1.addEdge(2,4);
            gr1.showGraph();
        })();

1.4 搜索图：
    从一个指定的顶点到达其他的顶点。两种基础搜索：深度优先和广度优先。
    1.4.1 深度优先搜索
        从一条路径的顶点开始追溯，知道这条路径的最后一个顶点，然后回溯，继续追溯下一条路径，直到到达最后的顶点，往复如此，直到没有路径为止。这不是在搜索特定的路径，而是通过搜索来查看在图中有哪些路径可以选择。
        算法：访问一个没有被访问过的顶点，将他标记为已访问，在递归的去访问在初始顶点的邻接表中其他没有访问过的顶点。
        此算法需要给Graph类添加一个数组用来存储已经访问过的顶点，将他的元素全部初始化为false。

        function Graph(v) {
            this.vertices = v;
            this.edges = 0;
            this.adj = [];
            for(var i = 0;i < this.vertices;i++) {
                this.adj[i] = [];
                this.adj[i].push(" ");
            }
            this.marked = [];
            for(var j = 0;j < this.vertices;j++) {
                this.marked[i] = false;
            }
            this.addEdge = addEdge;
            this.showGraph = showGraph;
            this.deepFirst = deepFirst;
        }
        function addEdge(v,w) {
            this.adj[v].push(w);
            this.adj[w].push(v);
            this.edges++;
        }
        function showGraph(){
            for(var i = 0;i < this.vertices;i++) {
                console.log(i+"-->");
                for(var j = 0;j < this.vertices;j++) {
                    if(this.adj[i][j] != undefined) {
                        console.log(this.adj[i][j] + " ");
                    }
                }
            }
        }
        function deepFirst(v) {
            this.marked[v] = true;
            if(this.adj[v] != undefined) {
                console.log("访问的顶点："+v);
            }
            for(var w in this.adj[v]) {
                //alert(0);
                if(!this.marked[w]) {
                    this.deepFirst(w);
                    alert(1);
                }
            }
        }
        var gr = new Graph(5);
        gr.addEdge(0,1);
        gr.addEdge(0,2);
        gr.addEdge(1,3);
        gr.addEdge(2,4);
        gr.showGraph();
        gr.deepFirst(4);