package practice;

import java.util.Iterator;
import java.util.Stack; import edu.princeton.cs.algs4.*; public class TestMain {
public static void main(String[] args) {
Graph a = new Graph(6);
a.addEdge(2, 4);
a.addEdge(2, 3);
a.addEdge(1, 2);
a.addEdge(0, 5);
a.addEdge(0, 1);
a.addEdge(0, 2);
a.addEdge(3, 4);
a.addEdge(3, 5);
System.out.println(a); DisposeMap df = new DisposeMap(a);
/*df.dfs(0);
System.out.println(df.hasPathTo(1));
System.out.println(df.hasPathTo(2));
Stack<Integer> aStack = df.pathTo(1);
while (!aStack.isEmpty()) {
System.out.print(aStack.pop() + "->");
}
System.out.println("end");*/ df.bfs(0);
for (int i = 0; i < 6; i++) {
System.out.println(df.marked(i));
}
Stack<Integer> aStack = df.pathTo(4);
while (!aStack.isEmpty()) {
System.out.print(aStack.pop() + "->");
}
System.out.println("end");
}
} /*
* 图处理dispose
*/
class DisposeMap {
private boolean[] marked; //将已经搜素过的节点储存为true
private int count = 0;
private Graph G;
private int s; //起点
private int[] edgeTo; //edgeTo[w] = v,w为图中的节点,v为它的父节点 public DisposeMap(Graph G) {
this.G = G; marked = new boolean[G.V];
edgeTo = new int[G.V];
for (int i = 0; i < marked.length; i++) {
marked[i] = false;
}
}
/*
* 深度优先搜索,储存以s为起点所能到达的所有点
*/
public void dfs(int s) {
marked[s] = true; count++;
System.out.println("Search" + s);
for (Integer b : G.adj(s)) { //搜索一个节点的相邻的第一个没有被标记过的节点
if (marked[b] == false) { //如果没有搜索过这个节点,就搜索它
edgeTo[b] = s;
dfs(b);
}
}
}
/*
* 广度优先搜索
*/
public void bfs(int s) {
edu.princeton.cs.algs4.Queue<Integer> queue = new Queue<Integer>();
queue.enqueue(s);
marked[s] = true; while (!queue.isEmpty()) {
Integer temp = queue.dequeue();
for (Integer b : G.adj(temp)) { //搜索一个节点的所有的相邻的节点
if (marked[b] == false) { //如果没有搜索过这个节点,就搜索它
queue.enqueue(b);
edgeTo[b] = temp;
marked[b] = true;
}
}
}
}
/*
* 查看某点是否被标记
*/
public boolean marked(int w) { return marked[w];}
/*
* 搜索了几个点
*/
public int count() { return count;}
/*
* 是否存在s到v的路径
*/
public boolean hasPathTo(int v) {
return marked(v);
}
/*
* s到v的路径,有则返回一个Stack,没有则返回null
*/
public Stack<Integer> pathTo(int v) {
Stack<Integer> a = new Stack<Integer>();
for (int i = v; i != s; i = edgeTo[i])
a.push(i);
a.push(s);
return a;
}
} /*
* 图
*/
class Graph {
Bag<Integer>[] graph; //这里使用背包的数组,邻借表
int V;
int E; public Graph(int V) {
this.V = V;
graph = (Bag<Integer>[]) new Bag[V];
for (int i = 0; i < graph.length; i++) {
graph[i] = (Bag<Integer>) new Bag();
}
}
/*
* 返回顶点数
*/
public int V() { return V;}
/*
* 返回边数
*/
public int E() { return E;}
/*
* 向图中添加一条边
*/
public void addEdge(int v, int w) {
graph[v].add(w);
graph[w].add(v);
E++;
}
/*
* 和v相邻的所有顶点
*/
public Iterable<Integer> adj(int v) {
return graph[v];
}
/*
* 计算v的度数
*/
public static int degree(Graph G, int v) {
int degree = 0;
for (Integer bag : G.graph[v]) degree++;
return degree;
}
@Override
public String toString() {
String s = V + " vertices, " + E + " edges\n";
for (int v = 0; v < V; v++) {
s += v + ": ";
for (Integer integer : this.adj(v)) {
s += integer + " ";
}
s += "\n";
}
return s;
}
} /*
* 背包
*/
class Bag<T> implements Iterable<T> {
Node first; private class Node {
T value;
Node next;
} public void add(T value) {
Node oldfirst = first;
first = new Node();
first.value = value;
first.next = oldfirst;
} public void delete(T value) { } @Override
public Iterator<T> iterator() {
return new BagIterator();
} private class BagIterator implements Iterator<T> {
Node node = first; @Override
public boolean hasNext() {
return node != null;
} @Override
public T next() {
T tempt = node.value;
node = node.next;
return tempt;
}
}
}

代码中的无向图

图的储存-邻接表示意图

DFS和BFS(无向图)Java实现的更多相关文章

  1. Java数据结构——图的DFS和BFS

    1.图的DFS: 即Breadth First Search,深度优先搜索是从起始顶点开始,递归访问其所有邻近节点,比如A节点是其第一个邻近节点,而B节点又是A的一个邻近节点,则DFS访问A节点后再访 ...

  2. Clone Graph leetcode java(DFS and BFS 基础)

    题目: Clone an undirected graph. Each node in the graph contains a label and a list of its neighbors. ...

  3. 数据结构(12) -- 图的邻接矩阵的DFS和BFS

    //////////////////////////////////////////////////////// //图的邻接矩阵的DFS和BFS ////////////////////////// ...

  4. 数据结构(11) -- 邻接表存储图的DFS和BFS

    /////////////////////////////////////////////////////////////// //图的邻接表表示法以及DFS和BFS //////////////// ...

  5. 数据结构基础(21) --DFS与BFS

    DFS 从图中某个顶点V0 出发,访问此顶点,然后依次从V0的各个未被访问的邻接点出发深度优先搜索遍历图,直至图中所有和V0有路径相通的顶点都被访问到(使用堆栈). //使用邻接矩阵存储的无向图的深度 ...

  6. 判断图连通的三种方法——dfs,bfs,并查集

    Description 如果无向图G每对顶点v和w都有从v到w的路径,那么称无向图G是连通的.现在给定一张无向图,判断它是否是连通的. Input 第一行有2个整数n和m(0 < n,m < ...

  7. 图的DFS与BFS遍历

    一.图的基本概念 1.邻接点:对于无向图无v1 与v2之间有一条弧,则称v1与v2互为邻接点:对于有向图而言<v1,v2>代表有一条从v1到v2的弧,则称v2为v1的邻接点. 2.度:就是 ...

  8. 列出连通集(DFS及BFS遍历图) -- 数据结构

    题目: 7-1 列出连通集 (30 分) 给定一个有N个顶点和E条边的无向图,请用DFS和BFS分别列出其所有的连通集.假设顶点从0到N−1编号.进行搜索时,假设我们总是从编号最小的顶点出发,按编号递 ...

  9. 图论相关知识(DFS、BFS、拓扑排序、最小代价生成树、最短路径)

    图的存储 假设是n点m边的图: 邻接矩阵:很简单,但是遍历图的时间复杂度和空间复杂度都为n^2,不适合数据量大的情况 邻接表:略微复杂一丢丢,空间复杂度n+m,遍历图的时间复杂度为m,适用情况更广 前 ...

随机推荐

  1. c#中Class和Struct使用与性能的区别

    在Unity中很多已经定义为结构体的数据结构 Vector2, Vector3 和 Vector4 Rect Color和Color32 Bounds Touch   1.Class为引用类型,Str ...

  2. 基于.net的微服务架构的开发测试环境运维实践

    眼下,做互联网应用,最火的架构是微服务,最热的研发管理就是DevOps, 没有之一.微服务.DevOps已经被大量应用,它们已经像传说中的那样,可以无所不能.特来电云平台,通过近两年多的实践,发现完全 ...

  3. C# 对xml进行操作

    一:xml的基本操作 (1)获得xml文件中的数据 //创建xml文档对象 XmlDocument xmlDoc = new XmlDocument(); //将指定xml文件加载xml文档对象上 x ...

  4. python函数(5):迭代器和生成器

    迭代器和生成器是函数中的一大重点,务必掌握,何为迭代?何为迭代器? 预习: 处理文件,用户指定要查找的文件和内容,将文件中包含要查找内容的每一行都输出到屏幕 一.迭代器 for i in 50: pr ...

  5. 原生JS元素怎么取消事件

    关于原生JS元素怎么取消事件,有3种方式 常规方法:removeEventListener 案例: <body> <div id="myDIV"> div ...

  6. 被DDOS攻击的解决方法

    在DDOS分布式借"机"堵塞正常访问的非法攻击中,任何技术高手都成了文科生.只能用非专业的方法解决.DDOS攻击的重心是堵塞服务器,给域名解析访问造成困难,被攻击后我们可以采用以下 ...

  7. 《奇思妙想》在JavaScript语言中floor和round方法在某种随机分配场景下对分配区间的公平性!!!

    前言 大欢哥的题目完成了,但是衍生出一个新的问题!上篇随笔中我和大欢哥采用的随机数生成方式,到底是谁的比较公平??? 正文 欢迎来到阿段博客<奇思妙想>!我们的口号是 “心有多大,bug就 ...

  8. 用python语言编写网络爬虫

    本文主要用到python3自带的urllib模块编写轻量级的简单爬虫.至于怎么定位一个网页中具体元素的url可自行百度火狐浏览器的firebug插件或者谷歌浏览器的自带方法. 1.访问一个网址 re= ...

  9. SpringBoot集成MyBatis的分页插件PageHelper(回头草)

    俗话说:好

  10. 国内首款开源的互联网支付系统roncoo-pay

    roncoo-pay是国内首款开源的互联网支付系统,其核心目标是汇聚所有主流支付渠道,打造一款轻量.便捷.易用,且集支付.资金对账.资金清结算于一体的支付系统,满足互联网业务系统的收款和业务资金管理需 ...